momentum

    0熱度

    2回答

    我想通過使用get_slot_names獲得張量流中Momentum優化器的插槽名稱,因爲它在tensorflow網頁中解釋爲here。我使用下面一行在我的代碼,讓他們: slots=tf.train.MomentumOptimizer(learning_rate=1e-3, momentum=0.9,).get_slot_names() 我跑我的圖,然後當我打印插槽還給我只是一個空列表。任何

    9熱度

    2回答

    我想在整個屏幕上移動一個子視圖,但是我也想給對象添加慣性或動量。 我已經擁有的UIPanGestureRecognizer代碼如下。 在此先感謝。 UIPanGestureRecognizer *panGesture = [[UIPanGestureRecognizer alloc] initWithTarget:self action:@selector(handlePan:)]; [sel

    1熱度

    1回答

    方向我在現場的SKPhysicsBody,我申請的衝動,只要用戶按下一個按鈕,使其向前移動。由於它的特性,它不會隨着一個水龍頭移動太多,而且速度也會很快下降,但是如同預期的那樣,通過多次水龍頭,它可以提高速度。 我還有一個按鈕,供用戶挖掘使人體可以改變它的方向。我目前的實施方式將角度衝動應用於身體以旋轉它 - 同樣,身體的屬性意味着如果用戶多次輕敲旋轉按鈕多次,則身體停止旋轉需要更長的時間。目前,

    1熱度

    1回答

    我爲我的角色移動使用第一人稱控制器。在左箭頭按鍵中,我希望角色立即旋轉90度並繼續前進。目前,當我按下箭頭鍵時,角色會進行90度的銳角轉動,但角色以前的動力需要一秒鐘纔會消失,所以角色最終向前滑動一小段。 我能想到的最接近的例子是直觀地解釋我想要做的是在Temple Run中角色變得如何銳利。我的遊戲目前是如何工作的,如果我把角色放在一個突出的左轉彎處,他很可能保持原有的動力,並在轉彎後滑下邊緣。

    3熱度

    1回答

    我正在使用Python代碼network3.py(http://neuralnetworksanddeeplearning.com/chap6.html)開發卷積神經網絡。現在我想通過增加勢頭學習規則如下修改代碼一點點: velocity = momentum_constant * velocity - learning_rate * gradient params = params + vel

    0熱度

    1回答

    我寫了一個腳本來拖動div容器。它適用於觸摸和鼠標事件。 爲了讓我的容器在touchend後移動,我有一些困難來編寫動量腳本。 我知道如何計算的勢頭,但我不知道是什麼來實現它的正確方法... 這裏我的腳本: var divToDrag = $('.container'); var divOnDrag = $(document); var dragging = false; var swip

    1熱度

    1回答

    是否應該將動量也添加到網絡中每個節點的偏置項,或者最好只添加到權重上?

    0熱度

    1回答

    當我運行下面簡單的代碼,我得到這個錯誤: tensorflow.python.framework.errors.FailedPreconditionError: Attempting to use uninitialized value Variable_5/Momentum 該代碼可以使用GradientDescentOptimizer,但我有錯誤與MomentumOptimizer。請指導

    0熱度

    2回答

    好的,我現在對我的遊戲有一個非常簡單的轉向行爲。一個對象追逐另一個對象。問題在於追逐物體無限期地繞着另一個物體旋轉。在box2d中有解決這個問題的方法嗎?現在我所得到的全部是線性阻尼,它在接近時會減慢它的速度,但我真的想要消除動量,因此它可以立即改變方向,就像本教程的第7步:http://code.tutsplus.com/tutorials/hit-the-target-with-a-deadl

    6熱度

    1回答

    我正在嘗試在我的深度學習項目中使用TensorFlow。 在這裏我需要實現我的梯度更新此公式中: 我也實現這部分Theano,它走出了預期的答案。但是當我嘗試使用TensorFlow的MomentumOptimizer時,結果非常糟糕。我不知道他們之間有什麼不同。 Theano: def gradient_updates_momentum_L2(cost, params, learning_rat