neural-network

    -1熱度

    1回答

    我實現了一個簡單的神經網絡,用於python中的圖像分類(一類)。圖層很簡單(image_matrix,5,1)。對隱藏層使用relu和sigmoid。 我正在迭代5000次。起初看起來成本是以合理的方式逐漸下降的。 但是,無論有多少訓練示例使用,或者我learning_rate是什麼,成本開始每次大約3000次迭代後運行不穩定... cost(點擊看原圖) 有人可以幫助我瞭解什麼是繼續? 謝謝

    0熱度

    1回答

    我正在關注本教程鏈接https://www.tensorflow.org/tutorials/layers中的Tensorflow的「圖層模塊」。您可能能夠幫助我如何獲得預測結果及其各自的概率。 我需要查看它以進一步瞭解模型。如果有辦法,我可以將結果 - 預測和概率保存到csv。 非常感謝你的時間。

    3熱度

    1回答

    直到現在才瞭解 - 激活函數應用於神經元。函數內部的內容是每個(連通神經元值*連接權重)的和。單個值進入函數,單值從它返回。以上的理解與tanh和sigmoid正常工作。 現在我知道softmax是如何工作的,它總結了與其相關的所有值和值。令我困惑的是,我需要一個數組數組,我開始質疑這些數組的來源是什麼形成數組? 下圖給出了更深入地瞭解問題

    4熱度

    1回答

    我想解決時間序列預測問題。我嘗試過使用ANN和LSTM,在各種參數上玩了很多,但我所能得到的結果比持久性預測好8%。 所以我想知道:既然你可以在keras中保存模型;對於時間序列預測,是否有預先訓練的模型(LSTM,RNN或任何其他ANN)?如果是這樣,我如何得到它們? Keras有沒有? 我的意思是這將是,如果有包含預先訓練的模型,使人們就不必speent太多時間訓練他們網站.. 同樣,另一個問

    0熱度

    1回答

    運行張量流程TFRecord示例程序導致以下錯誤。如何解決它?

    0熱度

    2回答

    我有一個神經網絡問題 假設我有60個培訓,20個驗證和20個測試集。對於每個時期,我通過60個訓練集樣本運行,同時調整每個樣本的權重,並計算每個驗證樣本的誤差。 所以我所知,發生在訓練集(未驗證集) 重量更新,但我聽說分離驗證從訓練集設置是爲了避免過度擬合。 然後我的問題是 如果驗證並不能使神經網絡中的任何權重更新,如何驗證設置幫助神經網絡避免過度擬合?

    1熱度

    1回答

    我一直在努力,因爲我實現卷積神經網絡來獲得卷積運算更深入的瞭解。但是我在試圖計算反向通過或反捲積時卡住了。 可以說輸入是尺寸爲3x7x7的三維RGB圖像過濾器的尺寸爲3x3x3。在將步長設置爲2的卷積中,我們將得到尺寸爲3x3的輸出。 現在,這是我的問題。我已經讀過,反捲積是輸出與翻轉內核的卷積。但是在翻轉內核時,它仍然是尺寸爲3x3x3,輸出尺寸爲3x3。輸入是尺寸3x7x7。那麼,解卷積是如何

    4熱度

    4回答

    我很抱歉,我的天真,但我不明白爲什麼字符嵌入是神經網絡訓練過程(word2vec)的結果實際上是矢量。 嵌入是降維的過程,在訓練過程中,NN將字的1/0數組減少爲更小的數組,該過程沒有采用任何適用矢量算術的處理。 因此,我們得到的只是數組而不是矢量。爲什麼我應該將這些數組看作向量?儘管我們得到了矢量,爲什麼每個人都將它們描述爲來自原點(0,0)的矢量? 再次,如果我的問題看起來很愚蠢,我很抱歉。

    0熱度

    1回答

    我想知道怎樣才能將合併爲兩層不同的空間空間Tensorflow。 例如:: batch_size = 3 input1 = tf.ones([batch_size, 32, 32, 3], tf.float32) input2 = tf.ones([batch_size, 16, 16, 3], tf.float32) filt1 = tf.constant(0.1, shape = [

    -1熱度

    1回答

    我已經在Tensorflow中訓練了一個神經網絡模型並將訓練結果保存在目錄trainlogs中。 在trainlogs之內,有一個文件checkpoints。 我認爲這是我必須使用的文件來恢復訓練的參數,但我不知道如何使用tf.train.Saver()來完成此操作。