Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
以 y_true 取决于 y_pred 的方式自定义 Keras 的损失函数
我正在研究多标签分类器 我有许多输出标签 1 0 0 1 其中 1 表示输入属于该标签 0 表示否则 就我而言 我使用的损失函数是基于 MSE 的 我想改变损失函数 当输出标签为 1时 它会改变为该标签的预测概率 检查附图以更好地理解我的意
python
Classification
Theano
Keras
导入错误:没有名为 downsample 的模块
我正在使用 Theano 操作系统是Ubuntu Theano 是最新的 我想知道为什么我能过得去from theano tensor signal downsample import max pool 2d命令 ImportError N
python
module
Theano
CNN 与 keras,准确性没有提高
我最近开始学习机器学习 我正在学习CNN 我计划在这个的帮助下编写一个用于汽车损坏严重程度检测的应用程序喀拉斯博客和这个github 仓库 汽车数据集如下所示 F WORKSPACE ML CAR DAMAGE DETECTOR DATAS
python
Keras
convneuralnetwork
Theano
在 AMD Radeon 上尝试使用 OpenCL+Theano 时出现“pygpu 已配置但无法导入”错误
我已按照以下说明进行操作 https gist github com jarutis ff28bca8cfb9ce0c8b1a 但当我尝试时 THEANO FLAGS device opencl0 0 python test py在测试文件
opencl
Theano
amdgpu
导入 theano 时出错“无法导入名称 gof”
我目前收到错误 导入错误 无法导入名称 gof 导入 theano 时 gt gt gt import theano Traceback most recent call last File
python27
Theano
如何在 theano 中获得一维卷积
我能找到的唯一函数是二维卷积此处描述 有没有优化的一维函数 看起来好像这是开发中 我意识到我可以使用conv2d 通过将宽度或高度指定为 1 对于函数conv2d 参数image shape获取长度为 4 的列表 其中包含 number i
python
Convolution
Theano
如何将我的数据集以“mnist.pkl.gz”中使用的确切格式和数据结构放入 .pkl 文件中?
我正在尝试使用 python 中的 Theano 库对深度信念网络进行一些实验 我使用这个地址中的代码 DBN完整代码 该代码使用MNIST 手写数据库 该文件已经是 pickle 格式 它在以下位置未被选中 动车组 有效集 test se
python
Theano
pickle
MNIST
DBN
[Python人工智能] 五.theano实现神经网络正规化Regularization处理
从本系列文章开始 作者正式开始研究Python深度学习 神经网络及人工智能相关知识 前四篇文章讲解了神经网络基础概念 Theano库的安装过程及基础用法 theano实现回归神经网络 theano实现分类神经网络 这篇文章讲解Overfit
Python人工智能
人工智能
深度学习
神经网络
Theano
Theano学习系列(3):符号变量的方法之creat new tensor
Theano学习系列 3 符号变量的方法之Creat New Tensor 和前两节一样 本节重点讲述tensor方法中的creat new tensor这些知识 这一节共有11个函数需要我们去学习掌握 由于有的函数区别很小 这里只介绍一部
Theano
周志华《机器学习》课后习题解答系列(六):Ch5.10 - 卷积神经网络实验
本系列相关答案和源代码托管在我的Github上 PY131 Machine Learning ZhouZhihua 卷积神经网络实验 手写字符识别 注 本题程实现基于python theano 这里查看完整代码和数据集 1 基础知识回顾 1
机器学习
深度学习
神经网络
卷积神经网络
Theano
Ubuntu14.04安装Theano详细教程
博客新址 http blog xuezhisd top 邮箱 xff1a xuezhisd 64 126 com 因为最近需要学习深度学习 xff0c 因此想要配置Theano xff0c 来开发深度学习算法 但是发现Theano安装总是出
Ubuntu14
Theano
详细教程
«
1
2
3
4
5