多任务学习:训练神经网络，使其具有两个类的不同损失函数？

文章/答案/技术大牛

发布

1回答

什么是神经网络的联合训练？

neural-network、training

我很难找到关于神经网络联合训练过程的一个很好的解释。我已经理解了微调和特征提取的概念，我知道这与采取已经为给定任务训练过的网络模型并使其执行第二个类似任务的实践有关。

浏览 0提问于2020-08-06得票数 2

回答已采纳

1回答

python、tensorflow、keras

我有一个具有两个损失函数的神经网络，一个是两个类别的二进制交叉熵，另一个是回归。现在，我希望只评估class_2的回归损失，并为class_1返回0，因为回归的功能对class_1没有意义。我如何在Keras中实现这样的算法？仅在class_1数据上单独训练它是不起作用的，因为我得到了nan损失。有更优雅的方法可以将损

浏览 1提问于2018-01-23得票数 0

回答已采纳

3回答

将logistic回归和连续回归与scikit-learn相结合

python、machine-learning、scikit-learn、regression

在我的数据集X中，我有两个连续变量a, b和两个布尔变量c, d，总共有4列。我有一个由两个连续变量A, B和一个布尔变量C组成的多维目标y。我想训练一个关于X列的模型来预测y的列。然而，在X上尝试了LinearRegression后，它的性能并不是很好(我的变量变化了几个数量级，我必须应用适当的转换来获得对数，在这里我不会深入讨论太多细节)。我真正想做的是将连续变量上的

浏览 18提问于2019-12-06得票数 2

1回答

情绪分析，而不是正负中性，我想按产品类别进行情感分析。

python、neural-network、nlp

我正在做一个明确的产品情感分析。但我不太知道要搜索什么关键字，我应该使用什么方法。我正在为这个使用这个数据集，它是一个神经搜索项目，我的模型将是评论文本和产品类别。

浏览 2提问于2022-07-08得票数 0

1回答

多任务学习，寻找“忽略”某些样本的丢失函数。

neural-network

我用一个输入和三个输出训练一个卷积神经网络:一个分类和两个回归输出。我的挑战是，只有当第一个分类器识别一个正样本时，第三个损失<

浏览 0提问于2016-11-17得票数 5

回答已采纳

1回答

卷积神经网络(tensorflow)损失函数的周期性

python、tensorflow、loss-function、cross-entropy、dropout

我正在使用在Tensorflow中实现的卷积神经网络(cnn)进行图像分割。我有两个类，我使用交叉熵作为损失函数和Adam优化器。我正在用大约150张图片训练这个网络。在训练过程中，我看到了这种周期性的模式，训练损失一直下降到有一对高的值，然后迅速下降到以前的水平。在验证损失中也可以观察到类似的模式，验证损失会周期性地

浏览 0提问于2018-06-05得票数 0

1回答

什么是训练的准确性和训练的损失，为什么我们需要计算它们？

python、lstm

我是Lstm和机器学习的新手，我正在努力理解它的一些概念。下面是我的Lstm模型的代码。accuracy'])下面是我输出的一个示例：以及列车/测试精度和列车/测试损耗图：我的不足(如果我错了，请纠正我)是val_loss和val_accuracy

浏览 0提问于2021-01-14得票数 0

回答已采纳

1回答

如何更新权重和偏差

python-3.x、numpy、neural-network、deep-learning

我正试图从零开始编写一个numpy神经网络来识别hand_written_digits.but，我在更新权重和偏差方面有点困惑。这是我的密码 ephochs = 10000有人能解释一下这个神经网络的权重和偏差逐步更新的过程吗？

浏览 0提问于2019-08-24得票数 0

回答已采纳

2回答

具有大量类别的多标签分类的神经网络仅输出零

machine-learning、neural-network、classification、keras

我正在训练一个用于多标签分类的神经网络，具有大量的类(1000)。这意味着每个输入可以有多个输出处于活动状态。平均而言，我每个输出帧有两个活动的类。在具有交叉熵损失的训练中，神经网络求助于仅输出零，因为它使用此输出获得的损失最小，因为99.8%的标签是零。有什么建议我可以推动网络给积极

浏览 2提问于2017-02-10得票数 12

1回答

如何在我的项目中实现三重损失？

python、tensorflow、neural-network、speech-recognition、loss-function

我正在做一个关于说话人识别的项目，我有音频文件的数据集，其中我将声音特征( 1x13的数组)作为输入，作为输出，我为每个说话者(假设扬声器1-输出=1扬声器2输出=2)选择一个随机整数。为了达到更好的精度，我被提议使用三重损失，但我不明白我们如何在张量流中实现它(根本没有示例)。据我所知，我为每个扬声器取了2个正值和一个负值(例如，同一个扬声器的2个音频文件的2个特征，以及我将使用wavenet创建的另一个扬声器的合成音频文件的一个特

浏览 0提问于2019-12-17得票数 1

1回答

如何解释神经网络中的损失？

machine-learning、neural-network、cnn、interpretation

我正在研究如何评估卷积神经网络的性能，特别是我已经看到，我们必须同时考虑准确性和损失。我不明白为什么我们也要看损失，老实说，我还没有真正明白损失是什么。我知道，这是我们希望尽量减少，损失越低，性能越好。但我也看到，如果损失太低，我们就太合适了，而且损失和准确性之间也有某种关系，但我不清楚这到底意味着什么。对我来说，这个失去的概念，以及如何解释它，无论是单独的，还是关于准确性的，在目前看来都是一个抽

浏览 0提问于2019-12-06得票数 5

回答已采纳

2回答

为什么在卷积神经网络中有可能具有低损耗，但精度也很低？

python、machine-learning、tensorflow、deep-learning

我是机器学习的新手，目前正在尝试训练一个具有3个卷积层和1个完全连接层的卷积神经网络。我使用的辍学概率为25%，学习率为0.0001。我有6000个150x200的训练图像和13个输出类。我注意到了一种趋势，我的损失稳步减少，但我的准确率只略有增加，然后又下降了。我的训练图像是蓝色线条，我的验

浏览 1提问于2016-08-03得票数 8

回答已采纳

3回答

如何利用神经网络学习陡峭函数？

machine-learning、deep-learning、neural-network、loss-function

我正在尝试使用神经网络来学习以下功能。📷📷 我试过但没用

浏览 0提问于2022-09-22得票数 1

1回答

在神经网络中，批次中的单个梯度是求和还是求平均值？

python、tensorflow、math、neural-network

我正在从头开始构建一个神经网络。目前有一批32个训练示例，对于每个单独的示例，我计算导数(梯度)并对它们求和。在对32个训练示例的梯度求和后，我应用：weight += d_weight * -learning rate; 问题是:我应该对这32个梯度求和(到目前为止)还是平均？或替代解决方案：我应该为每个损失输出计算每个32个梯度(到目前为止)，还是对交叉熵损失输出进行平均，然后计算单个梯度？我已经查看了多个来源，但并不清楚答案是什么。此外，对于Mnist

浏览 131提问于2021-05-11得票数 0

回答已采纳

2回答

非平衡数据集的加权交叉熵-多类分类

deep-learning、multiclass-classification、class-imbalance

我正在尝试将图像分类到超过100个类别，不同大小的范围从300到4000 (平均大小1500与std 600)。我使用的是一个相当标准的CNN，其中最后一层输出一个类的长度的向量，并使用py手电的丢失函数CrossEntropyLoss。我尝试使用$weights =\frac{max(尺码)}{size}$来表示交叉熵损失，这改进了未加权版本，但没有增加多少。我还考虑过复制图像，这样所有类最终都

浏览 0提问于2018-05-15得票数 10

1回答

具有许多权重的大型数据集导致Tensorflow的训练过程极其缓慢

python、tensorflow、large-data、large-files

我有生物学背景，目前正在进行实验和学习机器学习，以训练我的微阵列数据集，该数据集由140个细胞系组成，每个细胞系有54871个基因表达。基本上，我有140行，每行由54871列组成，代表该细胞系的基因表达水平的值。基本上，一个140*54871的矩阵。在140个单元行中，我已经将每一行(单元行)标记为组1或组2，以便我的代码学习识别和预测是否输入1*54871矩阵，它将属于哪个组。我已经将数据集分成两部分进行训练和

浏览 0提问于2018-01-25得票数 0

1回答

使用keras或tensorflow训练具有一个输出的cnn，每个数据集具有两个对应的损失函数

python、tensorflow、keras、neural-network、conv-neural-network

我正在尝试训练一个具有两个数据集的cnn。我希望能够在每个批次中提供来自第一个数据集的一些数据和来自第二个数据集的一些数据，并且每个数据集具有不同的相应损失函数。我读过一些文章，如果神经网络有两个头，这是可能的，但我不确定如何在同一个神经网络上用一个输出做两个损失的两

浏览 1提问于2019-06-26得票数 0

3回答

具有相同标签的批处理的每个成员有多大的问题？

classification、class-imbalance、mini-batch-gradient-descent

我有128个批次大小和大约1000万个数据大小，我将在4个不同的标签值之间进行分类。例如，批处理0都有第三个标签。第一批都有第一批。第二批。等。

浏览 0提问于2020-07-01得票数 2

回答已采纳

2回答

放电筒中多重损失函数的优化

python、optimization、pytorch、loss-function、loss

我在PyTorch中训练一个具有不同输出的模型，对于位置(米)、旋转(度)和速度，以及模型必须预测的布尔值为0或1，有四个不同的损失。AFAIK，这里有两种方法来定义最终损失函数：第二，确定每个损失的定义系数，以优化最终损失。那么，我的问题是，如何更好地权衡这些损失，

浏览 8提问于2022-03-02得票数 2

2回答

是否可以通过训练小数据子集来验证深度学习模型？

python、tensorflow、keras、resnet、vgg-net

我希望培训一个大型模型(resnet或vgg)的面部识别。换句话说--如果一个模型能很好地学习一张脸--它能证明模型对完成任务有好处吗？这里的要点是，我不想花一个星期昂贵的时间去发现我的模型不好，数据有错误，或者TF编码有错误。

浏览 0提问于2019-09-14得票数 2

回答已采纳

点击加载更多

什么是神经网络的联合训练？