Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
如何监控 TensorFlow 估计器训练中的验证损失?
我想问一个关于如何在 TensorFlow 估计器的训练过程中监控验证损失的问题 我查过类似的问题 估计器训练期间的验证 https stackoverflow com questions 45417502 validation durin
python
tensorflow
machinelearning
deeplearning
使用 MXnet 时如何保存模型
我正在使用 MXnet 训练 CNN 在 R 中 并且可以使用以下代码训练模型 不会出现任何错误 model lt mx model FeedForward create symbol network X train iter ctx mx
r
deeplearning
mxnet
2 个 IndexedSlices 不支持高效 allreduce
我正在尝试在多个 GPU 上运行子类 Keras 模型 代码按预期运行 但是在代码执行过程中出现以下 警告 2 个 IndexedSlices 不支持高效 allreduce 这是什么意思 我遵循 Tensorflow 2 0 Beta 指
tensorflow
Keras
deeplearning
multigpu
tf.estimator.train_and_evaluate 出错了 评估精度和损失
I use tf estimator train and evaluate训练和评估我的模型 这是我的代码 import tensorflow as tf import numpy as np from tensorflow contrib
tensorflow
deeplearning
tensorflowestimator
在Python中结合reduce和map的最简洁的方法
我正在做一些深度学习 我想获取所有隐藏层的值 所以我最终编写了这样的函数 def forward pass x ws bs activations u x for w b in zip ws bs u np maximum 0 u dot
python
NumPy
deeplearning
reduce
Keras model.evaluate() 和 model.predict() 有什么区别?
我使用 Keras 生物医学图像分割来分割大脑神经元 我用了model evaluate 它给了我骰子系数 0 916 然而 当我使用model predict 然后通过计算Dice系数来循环预测图像 Dice系数为0 82 为什么这两个值
machinelearning
neuralnetwork
deeplearning
Keras
imagesegmentation
如何设计深度卷积神经网络? [关闭]
Closed 这个问题不符合堆栈溢出指南 help closed questions 目前不接受答案 据我了解 所有 CNN 都非常相似 它们都有一个卷积层 后面是池化层和 relu 层 有些具有专门的层 例如 FlowNet 和 Segn
neuralnetwork
deeplearning
caffe
Convolution
convneuralnetwork
如何使用CNN来训练不同大小的输入数据?
CNN 似乎主要针对固定大小的输入来实现 现在我想用CNN来训练一些不同大小的句子 有哪些常用的方法 以下建议主要与用于计算机视觉任务 特别是识别 的 CNN 相关 但也可能对您的领域有所帮助 我会看看He 等人的 用于视觉识别的深度卷积网
machinelearning
NLP
deeplearning
如何使 Keras 神经网络在鸢尾花数据上优于逻辑回归
我正在将 Keras 神经网络与简单的比较Scikit learn 的逻辑回归 http scikit learn org stable modules generated sklearn linear model LogisticRegr
python
scikitlearn
deeplearning
Keras
Keras 中的 5 层 DNN 使用 GPU 训练速度较慢
我在 Keras 1 2 中使用 tensorflow gpu 作为后端编写了一个 5 层密集网络 并在我的 MacBookPro CPU 和 AWS 中的 P2 xlarge 实例 K80 启用 cuda 中对其进行训练 令人惊讶的是 我
tensorflow
deeplearning
Keras
为什么测试时一定要用DataParallel?
在GPU上训练 num gpus设置为1 device ids list range num gpus model NestedUNet opt num channel 2 to device model nn DataParallel m
deeplearning
Pytorch
使用 SMOTE 对图像数据进行过采样
我正在使用 CNN 进行二元分类 数据不平衡 其中正医学图像 负医学图像 0 4 0 6 所以我想在训练前使用SMOTE对正医学图像数据进行过采样 但是 数据的维度是 4D 761 64 64 3 这会导致错误 Found array wi
在 Tensorflow 中检索 LSTM 序列的最后一个值
我有不同长度的序列 想在 Tensorflow 中使用 LSTM 进行分类 对于分类 我只需要每个序列最后一个时间步长的 LSTM 输出 max length 10 n dims 2 layer units 5 input tf place
python
tensorflow
deeplearning
LSTM
在caffe中定义新层时如何获取学习率或迭代次数
我想当迭代次数达到一定次数时改变损失层中的损失计算方法 为了实现它 我认为我需要获取当前的学习率或迭代次数 然后我使用if短语选择是否改变损失计算方法 您可以添加一个成员变量咖啡类保存当前的学习率或迭代次数并在您想要的层中访问它 例如 要获
machinelearning
neuralnetwork
deeplearning
caffe
如何在 pycaffe 中获取图层类型?
是否有可能在 pycaffe 中获取每一层的类型 例如 卷积 数据等 我搜索了提供的示例 但找不到任何内容 目前我正在使用图层名称来完成我的工作 这是非常糟糕和有限的 这很容易 import caffe net caffe Net path
neuralnetwork
deeplearning
caffe
pycaffe
查找张量中沿轴的非零元素的数量
我想找到沿特定轴的张量中非零元素的数量 有没有 PyTorch 函数可以做到这一点 我尝试使用非零 http pytorch org docs master torch html highlight nonzero torch nonzer
python
deeplearning
Pytorch
Pytorch:了解 nn.Module 类内部如何工作
一般来说 一个nn Module可以由子类继承 如下所示 def init weights m if type m nn Linear torch nn init xavier uniform m weight class LinearRe
python
deeplearning
Pytorch
未找到:操作类型未注册“CountExtremelyRandomStats”
在 docker 容器中运行 bazel 命令时出现以下错误 命令运行 bazel bin tensorflow serving model servers tensorflow model server port 9000 model n
tensorflow
deeplearning
序列到序列模型上的 Keras Attention Layer TypeError:无法迭代第一维未知的张量
我正在使用张量流2 1 1并尝试使用 Attention 构建序列到序列模型 latent dim 300 embedding dim 100 batch size 128 Encoder encoder inputs tf keras I
python
tensorflow
machinelearning
Keras
deeplearning
tensorflow.pad 是如何工作的?
有tensorflow pad 的例子 t is 1 2 3 4 5 6 paddings is 1 1 2 2 rank of t is 2 tf pad t paddings CONSTANT gt 0 0 0 0 0 0 0 0 0
python
tensorflow
deeplearning
«
1 ...
3
4
5
6
7
8
9
...30
»