我想使用一个经过训练的模型来改变输入，这样它就像Tensorflow 2.0中的深度梦想一样将损失最小化(而不是改变可训练变量)，但我没有成功。假设我有一个与文档中相同的基本神经网络 class MyModel(Model): super(MyModel, s
浏览 21提问于2019-04-30得票数 0
回答已采纳
我试图计算我的模型的损失相对于它的输入的梯度，以便创建一个对抗性的例子。由于模型的输入是不可训练的，所以我需要计算关于张量的梯度，而不是变量。但是，如果张量不是可训练变量，则TensorFlow的
浏览 1提问于2018-11-19得票数 0
回答已采纳
1回答
我已经建立了一个强化学习DQN，将可变长度的序列作为输入，并计算出行动的积极和消极奖励。我在Keras中的DQN模型存在一些问题，这意味着尽管该模型运行，但在epsilon的单个和多个周期中，平均回报会随着时间的推移而减少。即使经过长时间的训练，这一点也不会改变。 ? ? 我的想法是，这是由于在Keras中使用MeanSquareErr
浏览 47提问于2020-11-23得票数 0
回答已采纳
我正在阅读tensorflow模型的faster-rcnn代码。我对tf.stop_gradient的使用感到困惑。if self.我的问题是:如果tf.stop_gradient没有设置为proposal_boxes，会发生什么？
浏览 2提问于2019-05-09得票数 7
回答已采纳
2回答
有这样的主张：
更新：，自从写这篇文章以来，我发现这在“深度学习”6.5.9节中有介绍。见。我还发现，这篇论文对Haber和Ruthotto的“深度神经网络<em
浏览 4提问于2014-05-06得票数 14
回答已采纳
我正在学习关于Logistic回归的ML课程，以及Manning的机器学习实践。我正在尝试通过用Python实现所有的东西来学习。这两者之间的区别是什么？
浏览 1提问于2012-11-29得票数 56
回答已采纳
1回答
我想要检测哪个是真正的图像，哪个是恶搞图像。我有+- 8000个数据集图像(组合)。所以我用LR = 1e-4 BS = 32 EPOCHS = 100训练了这个模型。这就是结果。有时，我的val损失是峰值，但在那之后它又回到列车损失线以下。我的模型怎么了？任何答案都将不胜感激。提前感谢！ ?
浏览 31提问于2020-04-18得票数 0
回答已采纳
6回答
在最小二乘模型中，成本函数被定义为预测值与实际值之差的平方，作为输入的函数。当我们进行逻辑回归时，我们将成本函数更改为对数函数，而不是将其定义为sigmoid函数(输出值)与实际输出之间的差值的平方。
是否可以更改和定义我们自己的成本函数来确定参数？
浏览 2提问于2012-08-28得票数 22
回答已采纳
如果要在应用之前处理梯度，请显式调用compute_gradients()和apply_gradients()，而不是使用此函数。损失:包含要最小化的值的张量。global_step:可选变量，在变量更新后增加1。var_list:要更新的变量对象的可选列表或元组，以最大限度地减少损失。默认为在GraphKeys.
浏览 0提问于2018-05-25得票数 1
回答已采纳
我正在编写以下格式的tensorflow图： return some_operation(label.eval())
这个模型的问题是，我需要输出的值，以便按照我想要的方式处理我的标签，这样我就可以计算损失。
浏览 22提问于2016-07-26得票数 0
回答已采纳
3回答
我有一个概念上的问题，因为术语困扰着我。反向传播算法是一种神经网络训练算法，还是仅仅是一种递归算法来计算神经网络的雅可比？那么这个Jacobian将作为主要训练算法的一部分，例如最陡峭的下降？因此，计算雅可比矩阵(神经网络输出到网络参数的偏导数)是一种训练算法还是一种数值方法？
浏览 0提问于2021-09-08得票数 4
回答已采纳
我有点搞不懂在神经网络训练中损失函数是如何计算的。有人说，在理论上，当使用网格搜索或蒙特卡罗方法时，我们可以计算所有可能的损失函数值。但显然，这需要太多的资源，并不是神经网络训练的好方法。或者，在使用梯度下降时，我们有可能评估单个值，以知道我们应该往哪个方向去测试下一个值。然后我们可以一步一步地爬下梯子，直到我们达到最优值。📷
但是另一方面，在下面的PyTorch
浏览 0提问于2019-09-23得票数 1
我正在为我的tensorflow工作区工作在一个单元测试系统中，我想知道是否有任何方法或属性，给出了一个带有优化器操作的图(在调用.minimize()之后)，以获得它正在优化的最终损失张量及其控制的变量例如，如果我调用train_op = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)，我希望只检索只有访问train_op的cross_entropy我可以访
浏览 0提问于2018-01-23得票数 6
回答已采纳
为什么优化器被使用在不是神经网络的东西上？在样式编码器(在潜在空间中查找图像)中，隐空间被更新，而不是神经网络的权值。为什么它在这些情况下有效，因为更新的不是神经网络的权重？
浏览 0提问于2020-11-20得票数 1
我一直在阅读最新和最伟大的LLM是如何拥有数十亿个参数的。作为一个更熟悉标准神经网络，但试图更好地理解LLM的人，我很好奇LLM参数是否与NN的权重相同，即它基本上是一个从随机系数开始的数字，并且随着模型的学习以减少损失的方式进行调整吗？如果是这样的话，为什么那么多在LLM空间中工作的研究将这些称为参数，而不是仅仅调用它们的权重？
浏览 0提问于2023-04-06得票数 5
回答已采纳
我对机器学习和Python比较陌生。
我有一个系统，它由一个神经网络组成，它的输出被输入到一个未知的非线性函数F中，例如一些硬件。其思想是将神经网络训练为未知非线性函数F的逆F^(-1)，这意味着损失L是在F的输出处计算的，但是由于F的梯度不知道，反传播不能直接用于计算梯度和更新NN权值。在计算TensorFlow或PyTorch中</e
浏览 2提问于2020-01-16得票数 1
1回答
我正试图在python中训练一个神经网络(backprop +梯度下降)，我在google图书2克(英文)的基础上构建了它的功能，它最终将是大约10亿行数据，每行有20个功能。这将很容易超过我的内存，因此使用内存中的数组(如numpy )将不是一个选项，因为它需要加载完整的训练集。我研究了numpy中的内存映射，它可以解决输入层的</em
浏览 0提问于2016-02-07得票数 0
回答已采纳
2回答
关于LSTM神经网络，我无法理解批次大小、输入层中的神经元数量与输入中的“变量”或“列”数之间的关系。(假设有一种关系，尽管看到了相反的例子，我还是不明白为什么没有关系)让我们假设数据集包含三列输入和一列输出。因此，它将类似于输入变量1输入变量
浏览 0提问于2018-08-08得票数 5
另一位研究人员给我提供了一个完全训练的模型，该模型将输入作为占位符。将其视为函数损失，我希望找到x来最小化我的距离度量(损失函数) dist(x, f(x))。这可能是两个点之间的欧几里德距离。我尝试使用TensorFlow的内置优化器函数。问题是tf.train.AdamOptimizer(1e-4).minimize(loss, var_list[input_placeholder])失败了，它抱怨input_placeholde
浏览 0提问于2017-10-01得票数 0
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
