Als «neural-network» getaggte Fragen

Netzwerkstruktur inspiriert von vereinfachten Modellen biologischer Neuronen (Gehirnzellen). Neuronale Netze werden durch "überwachte und unbeaufsichtigte Techniken" zum "Lernen" trainiert und können verwendet werden, um Optimierungsprobleme, Approximationsprobleme, Klassifizierungsmuster und Kombinationen davon zu lösen.

6
PyTorch - zusammenhängend ()
Ich habe dieses Beispiel eines LSTM-Sprachmodells auf Github (Link) durchgearbeitet . Was es im Allgemeinen macht, ist mir ziemlich klar. Aber ich habe immer noch Schwierigkeiten zu verstehen, was das Aufrufen contiguous()bewirkt, was im Code mehrmals vorkommt. Beispielsweise werden in Zeile 74/75 der Codeeingabe und Zielsequenzen des LSTM erstellt. Daten …

5
Häufige Ursachen für Nans während des Trainings
Ich habe festgestellt, dass ein häufiges Auftreten während des Trainings NANeingeführt wird. Oft scheint es durch Gewichte in inneren Produkt- / vollständig verbundenen oder Faltungsschichten, die explodieren, eingeführt zu werden. Tritt dies auf, weil die Gradientenberechnung explodiert? Oder liegt es an der Gewichtsinitialisierung (wenn ja, warum hat die Gewichtsinitialisierung diesen …

2
Wie wählt man den Kreuzentropieverlust in TensorFlow?
Klassifizierungsprobleme wie die logistische Regression oder die multinomiale logistische Regression optimieren einen entropieübergreifenden Verlust. Normalerweise folgt die Kreuzentropieschicht der Softmax- Schicht, die eine Wahrscheinlichkeitsverteilung erzeugt. Im Tensorflow gibt es mindestens ein Dutzend verschiedener Kreuzentropieverlustfunktionen : tf.losses.softmax_cross_entropy tf.losses.sparse_softmax_cross_entropy tf.losses.sigmoid_cross_entropy tf.contrib.losses.softmax_cross_entropy tf.contrib.losses.sigmoid_cross_entropy tf.nn.softmax_cross_entropy_with_logits tf.nn.sigmoid_cross_entropy_with_logits ... Welches funktioniert nur für die binäre Klassifizierung …

7
Wie kann man Keras sagen, dass sie das Training basierend auf dem Verlustwert beenden sollen?
Derzeit verwende ich den folgenden Code: callbacks = [ EarlyStopping(monitor='val_loss', patience=2, verbose=0), ModelCheckpoint(kfold_weights_path, monitor='val_loss', save_best_only=True, verbose=0), ] model.fit(X_train.astype('float32'), Y_train, batch_size=batch_size, nb_epoch=nb_epoch, shuffle=True, verbose=1, validation_data=(X_valid, Y_valid), callbacks=callbacks) Es fordert Keras auf, das Training abzubrechen, wenn sich der Verlust in zwei Epochen nicht verbessert hat. Aber ich möchte das Training beenden, nachdem …

1
Welche Rolle spielt die TimeDistributed-Ebene in Keras?
Ich versuche zu verstehen, was der TimeDistributed-Wrapper in Keras macht. Ich verstehe, dass TimeDistributed "eine Ebene auf jede zeitliche Schicht einer Eingabe anwendet". Aber ich habe einige Experimente durchgeführt und die Ergebnisse erhalten, die ich nicht verstehen kann. Kurz gesagt, in Verbindung mit der LSTM-Schicht erzielen TimeDistributed und Just Dense …

9
Wie ordne ich einer TensorFlow-Variablen einen Wert zu?
Ich versuche, einer Tensorflow-Variablen in Python einen neuen Wert zuzuweisen. import tensorflow as tf import numpy as np x = tf.Variable(0) init = tf.initialize_all_variables() sess = tf.InteractiveSession() sess.run(init) print(x.eval()) x.assign(1) print(x.eval()) Aber die Ausgabe, die ich bekomme, ist 0 0 Der Wert hat sich also nicht geändert. Was vermisse ich?

3
Schätzung der Anzahl der Neuronen und der Anzahl der Schichten eines künstlichen neuronalen Netzwerks [geschlossen]
Geschlossen. Diese Frage entspricht nicht den Richtlinien für Stapelüberlauf . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage so dass es beim Thema für Stack - Überlauf. Geschlossen vor 2 Jahren . Verbessere diese Frage Ich suche nach einer Methode zur Berechnung der Anzahl …




2
Maximieren Sie die MSE eines Keras-Modells
Ich habe ein generatives gegnerisches Netzwerk, in dem der Diskriminator mit der MSE minimiert wird und der Generator maximiert werden sollte. Weil beide Gegner sind, die das entgegengesetzte Ziel verfolgen. generator = Sequential() generator.add(Dense(units=50, activation='sigmoid', input_shape=(15,))) generator.add(Dense(units=1, activation='sigmoid')) generator.compile(loss='mse', optimizer='adam') generator.train_on_batch(x_data, y_data) Was muss ich anpassen, um ein Generatormodell zu …

2
Wie kann man Parameter in einem Pytorch-Modell nicht als Blätter und im Berechnungsgraphen haben?
Ich versuche, die Parameter eines neuronalen Netzmodells zu aktualisieren / zu ändern und dann den Vorwärtsdurchlauf des aktualisierten neuronalen Netzes im Berechnungsdiagramm zu haben (unabhängig davon, wie viele Änderungen / Aktualisierungen wir vornehmen). Ich habe diese Idee ausprobiert, aber wann immer ich es tue, setzt pytorch meine aktualisierten Tensoren (innerhalb …

3
Objekt ist aufzählbar aber nicht indizierbar?
Problemzusammenfassung und Frage Ich versuche, einige der Daten in einem Objekt zu betrachten, die aufgelistet, aber nicht indiziert werden können. Ich bin noch neu in Python, aber ich verstehe nicht, wie das möglich ist. Wenn Sie es aufzählen können, warum können Sie dann nicht auf die gleiche Weise wie beim …

6
Keras, die TensorFlow 2.0 nicht unterstützen. Wir empfehlen die Verwendung von "tf.keras" oder alternativ ein Downgrade auf TensorFlow 1.14
Ich habe einen Fehler bezüglich (Keras, das TensorFlow 2.0 nicht unterstützt. Wir empfehlen die Verwendung tf.kerasoder alternativ ein Downgrade auf TensorFlow 1.14.) Empfehlungen. Vielen Dank import keras #For building the Neural Network layer by layer from keras.models import Sequential #To randomly initialize the weights to small numbers close to 0(But …

2
Wie bestimme ich mithilfe des Gehirnmoduls von Gekko, wie viele Ebenen und welche Art von Ebene zur Lösung eines Deep-Learning-Problems verwendet werden sollen?
Ich lerne, Gekkos Gehirnmodul für Deep-Learning-Anwendungen zu verwenden. Ich habe ein neuronales Netzwerk eingerichtet, um die Funktion numpy.cos () zu lernen und dann ähnliche Ergebnisse zu erzielen. Ich bekomme eine gute Passform, wenn die Grenzen meines Trainings sind: x = np.linspace(0,2*np.pi,100) Aber das Modell fällt auseinander, wenn ich versuche, die …

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.