loss

    1熱度

    1回答

    定義自己的損失和cntk

    分類錯誤 我理解人們通常使用的損失及以下的錯誤培養 ce = cross_entropy_with_softmax(z, label_var) pe = classification_error(z, label_var) trainer = Trainer(z, (ce, pe), ...) 我們可以覆蓋或定義自己的損失和錯誤的方法呢？我們真正需要的是在計算損失和錯誤時添加權重。例如，我
    classification customization cntk loss 2017-08-28

    2熱度

    1回答

    R mxnet 1 pass返回NAN作爲損失值

    這是預期的行爲嗎？ library(mxnet) hidden_u_1 <- 100 activ_hidden_1 <- 'tanh' hidden_u_2 <- 1 learn_rate <- 0.001 initializer <- mx.init.uniform(1) optimizer <- 'rmsprop' #sgd loss <- mx.metric.mse
    r mxnet loss 2017-09-13

    0熱度

    2回答

    CNN在Tensorflow - 損失保持不變

    我剛剛在我的機器學習生涯的開始，並想創建簡單的CNN來分類2種不同的樹葉（屬於2種不同樹種）。在收集大量的樹葉圖片之前，我決定在Tensorflow中創建非常小巧，簡單的CNN，並僅在一幅圖像上進行訓練，以檢查代碼是否正常。我將大小爲256x256（x 3通道）的照片標準化爲< 0,1>，並創建了4層（2 conv和2 dense）網絡。不幸的是，從一開始，損失幾乎總是趨向於一些常數值（通常是一些
    python numpy tensorflow conv-neural-network loss 2017-08-08

    1熱度

    1回答

    caffe中同一圖層的輸出精度和損失

    我寫了一個自定義圖層，並且想同時輸出accuracy和loss。這可以通過以下方式使用caffe來完成嗎？ 類似的東西來： layer { name: "" bottom: "" top: loss1 top: loss2 top: accuracy }
    neural-network deep-learning caffe loss 2017-08-09

    0熱度

    1回答

    python svm函數與huber損失

    我需要一個具有huber損失函數的python svm分類器。但其默認損失函數是鉸鏈損失。你知道我怎樣才能把損失函數分配給python svm？ svc = svm.SVC(kernel='linear', C=1, gamma=1).fit(data, label)
    python classification svm loss 2017-08-15

    1熱度

    1回答

    RNN（keras）的歐幾里德距離損失函數

    我想將歐幾里得距離設置爲LSTM或RNN的損失函數。 這樣的函數應該有什麼輸出：float，（batch_size）或（batch_size，timesteps）？ 模型輸入X_train是（n_samples，timesteps，data_dim）。 Y_train具有相同的尺寸。 示例代碼： def euc_dist_keras(x, y): return K.sqrt(K.sum(
    keras loss rnn 2017-10-05

    1熱度

    1回答

    哪一個更有效率：tf.where還是element-wise乘法？

    我正在實施一個損失函數，該函數將使用由0s and 1s組成的掩模張量(M)來消除一些損失值，給出預測(P)和地面實況(G)張量。 所以，我有2種可能的方式： 逐元素乘法： loss = K.sum(M * K.binary_crossentropy(G, P)) 條件選擇： bin_ce = K.binary_crossentropy(G, P) loss = K.sum(tf.where(t
    python tensorflow deep-learning keras loss 2017-10-09

    2熱度

    1回答

    在Keras寫一個自定義的MSE丟失函數

    我想在Keras中創建一個圖像去噪ConvNet，我想創建自己的丟失函數。我希望它將噪聲圖像作爲輸入，並將噪聲作爲輸出。這種丟失功能與MSE丟失非常相似，但這會使我的網絡學會去除乾淨的圖像，而不是來自輸入噪聲圖像的噪聲。 損失函數我想和y以實現嘈雜的圖像，X乾淨的形象和R（Y）的預測圖像： 我試着通過我自己，但我要使它不知道如何讓損失訪問我嘈雜的圖像，因爲它一直在變化。 def residual_
    python python-2.7 keras loss mse 2017-08-28

    1熱度

    1回答

    使用跳過連接時丟失不會發展

    我想在Keras中實現本文：https://arxiv.org/pdf/1603.09056.pdf使用Conv-Deconv跳過連接創建圖像去噪網絡。如果我在相應的Conv-Deconv層之間建立對稱的跳過連接，但是如果我在輸入和輸出之間添加連接（如在論文中），我的網絡工作得非常好，我的網絡無法訓練。難道我不懂紙嗎？ 「但是，我們的網絡學習用於從輸入所述添加劑腐敗由於在輸入和網絡輸出之間的跳躍連
    python-2.7 keras convolution loss deep-residual-networks 2017-08-31

    0熱度

    1回答

    Keras極高的損失

    我試圖預測價格的特點。 我選擇了一個非常簡單的模型，但它很奇怪。損失函數非常高，我看不出問題在哪裏。 這裏是我的模型： ​​ 這就是我準備的資料：（一熱，我分裂的所有數據進行訓練和測試） df = encode_onehot(dataframe, cols=['Shape', 'Cut', 'Color', 'Clarity', 'Polish', 'Symmetry', 'Culet', '\t
    keras prediction loss 2017-09-02
最新問題