1回答
如何在Pytorch中将dropout应用于以下完全连接的网络： class NetworkRelu(nn.Module): super
浏览 29提问于2019-03-14得票数 5
我试着学习PyTorch，并遇到了一个教程，其中CNN的定义如下， def __init__(self):我不明白为什么线性特性的数量是4*7*7。我知道4是最后一个Conv2d层的输出维。
7*7是怎么进来想象的？
浏览 1提问于2021-01-31得票数 1
回答已采纳
我在caffenet中使用微调，它工作得很好，但是我在Keras 关于微调的博客中读到了这篇文章(他们使用经过训练的VGG16模型)：
“为了进行微调，所有层都应该从经过适当训练的权重开始:例如，你不应该把一个随机初始化的完全连接的网络放在一个预先训练过的卷积基础上这是因为随机初始化的权值引发的大梯度更新会破坏卷积基中的学习权重。在我们的情况下，这就是为什么我们首先训练顶级分类器，然后才开始与它并排微调卷积权。”因此，作为微调的另一步，它们在全
浏览 0提问于2017-03-20得票数 2
1回答
卷积网络:全连接层中的丢包
、、、、
我在tensorflow.What中构建了一个小的卷积网络，我注意到如果我向完全连接的层添加一个丢弃概率，那么我必须使用较低的学习率，否则我会得到梯度超调。有没有什么可以解释为什么这种情况一直发生？
浏览 13提问于2017-03-09得票数 1
1回答
我想在我的网络中添加单词丢失，这样我就可以有足够的训练示例来训练嵌入“灌篮”令牌。据我所知，这是标准做法。让我们假设灌篮令牌的索引是0，填充的索引是1(如果更方便的话，我们可以切换它们)。这是一个简单的CNN网络，它实现了我期望它工作的方式： def __init__(self, params): logit = self.fc(pooled)不要介意填充物-火把没有
浏览 0提问于2018-05-04得票数 5
回答已采纳
在的“3.1截断SVD快速检测”一节中，作者提出了利用技巧来减少全连通层的大小和计算时间。给定一个经过训练的模型(deploy.prototxt和weights.caffemodel)，我如何使用这个技巧将一个完全连接的层替换为一个截断的层？
浏览 0提问于2016-11-08得票数 7
回答已采纳
1回答
接收UDP数据包
、、
为了发送UDP数据包，在FPGA上实现了一个自定义以太网程序。在接收端，有一个简单的UDP服务器接收这些数据包.我怎样才能找到丢包的地方？工作和"FPGA“U
浏览 1提问于2022-03-31得票数 0
回答已采纳
1回答
原作者采用了预先训练的网络，在全连通层和卷积层之间添加了“超像素池层”。在这一层中，对卷积特征映射进行上采样，并对每个超像素的特征进行平均。我的问题是，为了成功地实现这一点，我需要计算每幅图像的超像素。如何访问批处理过程中由keras/tensorflow使用的数据来执行SLIC过度分割？分别处理输出，然后将它们送入一个完全连接的层。然而，这使得不可能对网络进行进一步的培训。
浏览 3提问于2017-06-16得票数 0
回答已采纳
针对中的MNIST数据集，对2层隐层的全连通深神经网络进行了分类。
我想在两个隐藏层中使用tanh作为激活，但最后，我应该使用softmax。为此，我选择了nn.CrossEntropyLoss() in PyTOrch，它(正如我所发现的)不想使用一个热编码的标签作为真正的标签，而是使用类的LongTensor。
浏览 0提问于2019-04-14得票数 30
回答已采纳
我正在用torch7(LUA5.3)，实现一个神经网络来训练mnist数据集，但是我在torch中发现了两个奇怪的问题：我做了一些简单的实验来证明：(1)当批处理尺寸为500，特征尺寸为784(28 * 28)时，对于完全连通的线性层，输入大小为(2)<
浏览 7提问于2017-12-22得票数 1
1回答
我们在北奥斯汀的戴尔校园部署了一个自动咖啡师，通过时代华纳有线公司提供互联网服务。OSX Yosemite膝上型计算机A通过电缆调制解调器20% - 30%的丢包冲击我们的美东EC2实例。iPhone B通过LTE包<
浏览 0提问于2015-09-22得票数 0
1回答
在FaceNet纸中，他们这样描述泽勒&费格斯模型：交错是什么意思？这与起始层相比如何？特别是，正如泽勒和费格斯纸业所说的
我们在整个论文中使用标准的完全监督的convnet模型(LeCun等人，1989年)和(Krizhevsky等人，2012年)。...网络的前几层是传统的全连通网络，最后一层是softmax分类器。
浏览 0提问于2016-11-18得票数 1
回答已采纳
我正在做一个使用keras深度学习模型的项目，我需要将其转移到PyTorch中。该项目的目标是在图像上本地化一些元素。为了训练它，我首先使用从图像中提取的补丁，然后在完整图像上进行推断。我读到可以使用(None，None,1)作为keras输入层的输入形状，目前它正在工作。然而，相同的训练系统在pytorch中似乎不起作用。因此，我想知道当我开始对全图进行推断时，(None，None,1)输入层是否做了一些特定的事情
浏览 2提问于2019-10-03得票数 1
我们有两个阿尔卡特9600核心开关的冗余配置和两个分配开关(阿尔卡特6850's)在另一层连接的光纤到核心开关。见下图。把10.46.1.5从10.46.1.6我得到丢包。从10.46.1.6到10.46.1.8，我没有丢包。
浏览 0提问于2014-04-16得票数 1
我想知道在TensorFlow、PyTorch或其他库中是否有一种方法可以选择性地连接神经元。我想要在每一层中建立一个具有非常多神经元的网络，但层之间的连接很少。我实现了一个自定义keras层，使用的方法基本上与问题中的方法相同-本质上是通过创建一个密集层，其中除了指定的权重之外，所有的权重在训练和评估中都被忽略。
浏览 3提问于2018-10-18得票数 0
3回答
在keras中，我知道要创建这样一种LSTM层，我应该编写以下代码。但我不知道该如何添加致密层，从LSTM细胞中获取所有信息，并输出多个神经元。我甚至不知道这是否可能。我很感谢你的帮助。
浏览 1提问于2019-03-31得票数 0
回答已采纳
2回答
TCP可以接受无序段吗？
、、、、
TCP是面向连接的协议，IP不是面向连接的协议.在发送到传输层排序操作之前，任何数据包都必须在网络层中完成。这就是为什么我们通过TCP在传输层中获取有序数据包的原因。在TCP流控制中，无论何时，一些数据包都可能丢失，并且有可能出现订单错误传递。但我们总是能得到有序的确认。我的问题是丢包是TCP无连接的唯一原因吗？我很难理解这个概念。
浏览 0提问于2021-09-08得票数 0
回答已采纳
1回答
我同意第一部分关于TCP如何处理丢包的问题，但不确定在物理层中响应不正确的第二部分。
( a) TCP协议固有的一个假设是，丢失确认(ACK)是由网络中的拥塞引起的。解释TCP如何响应丢失的确认，并讨论当物理层作为无线载波实现时，为什么此响应不正确。简要讨论这种情况的后果。
浏览 4提问于2018-01-02得票数 0
回答已采纳
1回答
在Keras中是否可以将丢包应用到LSTM网络的输入层？(LSTM(10, input_shape=(look_back, input_length), return_sequences=False))我们的目标是实现以下效果
浏览 11提问于2018-07-27得票数 1
回答已采纳
1回答
udp丢包
、、、、
该程序是在Delphi7 (TldUDPClient和TldUDPServer组件用于发送和增强数据)中编写的。我需要测试这个程序在30%的数据包丢失。这是我的网络组件和丢包模拟之间的能力问题吗？或者在实际情况下，当我遭受包丢失时，我也会看到这一点吗？我可以使用哪一个防火墙或其他软件来模拟丢包？
浏览 3提问于2011-11-23得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
