autodiff

    1熱度

    1回答

    我試圖編譯從Numeric.AD以下小例子: import Numeric.AD timeAndGrad f l = grad f l main = putStrLn "hi" ,我碰到這個錯誤: test.hs:3:24: Couldn't match expected type ‘f (Numeric.AD.Internal.Reverse.Reverse

    1熱度

    1回答

    給定一個向量長度的v說30,可以自動分化工具中說theano或tensorflow能夠採取的是這樣的梯度: x = np.random.rand(5, 1) v = f(x, z) w = v[0:25].reshape(5, 5) y = g(np.matmul(w, x) + v[25:30]) minimize (|| y - x ||) 請問這甚至有意義嗎?我想象它在我心中的方

    0熱度

    2回答

    我喜歡用Optim.jl自動區分(autodiff=true)來優化(最小化)下列給定函數(quad_function)。 我的目標函數輪Real值整數,因此是步驟。 當我使用autodiff選項時,我的Real值得到dual numbers(ForwardDiff.Dual s)。但不幸的是沒有round函數爲ForwardDiff.Dual類型實施。因此我寫了一個roundtoint64函數,

    0熱度

    1回答

    我的任務要求我從VGG-19網的pool5層提取特徵。以前我是用Caffe做的,然後使用Tensorflow處理提取的特徵進行進一步的訓練。但現在,我想在頂部添加一個deconv層並微調整個網絡進行端到端培訓。現在正在使用tensroflow得到我的梯度,而我一直在使用朱古力獲得從VGG-19的功能,所以我想這將是困難的這些梯度backpropagate以朱古力。所以這就是我要尋找的tensorf

    1熱度

    1回答

    我一直在使用Eigen的AutoDiffScalar,並取得了很大的成功,現在希望轉到AutoDiffJacobian而不是自己做這個。因此,在研究了AutoDiffJacobian.h之後,我創建了一個學習示例,但出現了一些問題。 函子: template <typename Scalar> struct adFunctor { typedef Eigen::Matrix<Scal