我正在训练NN以解决回归问题。因此，输出层具有线性激活函数。NN输出应该在-20到30之间。我的神经网络大部分时间都表现良好。然而，有时它会给出超过30的输出，这对我的系统来说是不可取的。那么，有谁知道任何激活函数可以提供对输出的<
浏览 107提问于2019-05-31得票数 1
回答已采纳
我试图为这个数据集(年龄预测)构建模型：我想要建立模型，并使用MSE和R2度量来训练它。我建立了以下模型： oModel = torchvision.models.resnet50(pretrained=True), 128), nn.ReLU(),
浏览 0提问于2022-05-31得票数 0
1回答
我们试图用人工神经网络取代现有的物理模型(8输入/7输出)。现有模型背后的物理主要是空调用潮湿空气的热力学，涉及到一些透平机械，这很可能在输入和输出之间产生复杂的函数。已经完成了一种方法:单输出神经网络(10 NN具有相同的隐层，但具有不同的参数，如批大小、时间、优化器等)。然后使用某种堆叠组合:每个预测都被用作单个NN的</e
浏览 0提问于2020-01-17得票数 3
1回答
我试着玩简单的时间序列预测。给定输入数(1分钟滴答)，网应尝试预测下一个。我用不同的设置训练了3张网来说明我的问题：在右边你可以看到3教练员MLP的-随机命名和颜色编码，与一些训练统计。在左边的预测图上，这些网和实际验证数据都是白色的。这个地块是通过遍历每一个验证数据的滴答(白色)，将30\4\60
浏览 0提问于2016-10-06得票数 7
回答已采纳
我想弄清楚如何解决一个非常简单的问题，那就是，一幅图像中有多少像素是白色的。 nn.ReLU(),这里，我的输出是一个大小为20<
浏览 3提问于2022-03-31得票数 1
2回答
没有汇合的Py手电连网
、、、
然而，网络并不收敛，问题似乎是网络中的fres对每对都是相同的(不管它是正对还是负对)，并且self.linear2(fres)的输出总是大致等于[0.0531, 0.0770]。这与我所期望的形成了对比，即当网络学习时，[0.0531, 0.0770]的第一个值将接近于一个正对，而第二个值将接近于一个负对。这两个值也需要加到1。我还测试了与传统
浏览 2提问于2020-05-14得票数 4
回答已采纳
1回答
在Tensorflow中，我正在用完全连接的多层神经网络进行多元回归。该网络在给定输入向量(y1,y2)的情况下，预测2个连续浮动变量(x1,x2,...xN)，即网络有2个输出节点。对于两个输出，网络似乎没有收敛。我的损失函数实质上是预测向量和真理向量(每个包含两个标量)之间的L2距离：
loss = tf.nn.l2_loss(tf.sub(
浏览 3提问于2016-07-17得票数 12
回答已采纳
我想在BERT中添加一个输出层，以预测多个二进制特性。是肯定的吗?1如果是，0否则。是关于体育的吗?1如果是，0如果不是。是关于商业的吗?1如果是，0如果不是。我的第一个想法是把它作为一个回归任务，增加一个输出层，包含3个神经元:每个问题一个。(nn.Linear(dim_in, 3))
def forward(self, in
浏览 4提问于2022-03-30得票数 0
我知道当使用nn.Softmax()作为损失函数时，不需要在神经网络的输出层使用nn.CrossEntropyLoss函数。但是我需要这样做，是否有一种方法可以抑制在nn.CrossEntropyLoss中使用softmax，而在神经网络本身的输出层上使用nn.Softmax()呢？动机：我使用shap软件包来分析特性之后的影响，在这里我只能将经
浏览 0提问于2019-09-26得票数 2
回答已采纳
我试图理解限制Boltzmann机器(RBM)和前馈神经网络(NN)之间的区别。我知道，RBM是一个生成模型，它的思想是重建输入，而NN是一个判别模型，其中的思想是预测标签。但是我不清楚的是，为什么你不能仅仅用神经网络来建立一个生成模型呢？特别是，我想到的是深层信仰网络和多层感知器。
假设我对NN的</
浏览 11提问于2015-08-07得票数 16
1回答
我目前正在研究一个问题，我提供了一个输入变量的神经网络，一个，以及另一个输入的x，它是一个单调增长的N个数序列。"adam")
我在输入空间上执行回归(对于每个a，序列x是唯一的)，我希望网络为每组输入输出一个单调增加的(非负)N个序列( a和x )。现在，我已经注意到，到目前为止，我<em
浏览 0提问于2018-06-12得票数 4
回答已采纳
我正在尝试创建一个Tensorflow量化模型，以便使用Coral加速器进行推理。下面是我的问题的一个最小的独立例子：TFLITE = "a/out.tflite"= tf.nn.relu6(tf.matmul(nn_in, W) + B, name="output&q
浏览 0提问于2019-05-14得票数 1
回答已采纳
例如，假设输入是表示音频片段的数字数组，输出是对其进行转换/过滤的版本。编辑:更具体地说，我想训练音频源分离。输入是一个混合的声音(谱图)和输出的声音与一些能量去除在一定的频率。函数需要识别输入中的某些模式，并决定要删除什么。
浏览 0提问于2015-01-15得票数 0
回答已采纳
我在理解激活函数和代价函数的作用方面有一些困难。让我们看一个简单的例子。假设我正在构建一个神经网络(人工神经网络)。我有5个“x”变量和一个“y”变量。如果我进行通常的特征缩放，然后应用，例如，隐藏层中的Relu激活函数，则此激活函数进行转换，结果是我们得到0到M之间的预测输出值(y hat)。然后，下一步是计算成本函数。然而，在计算成本函数时，
浏览 35提问于2019-01-10得票数 0
回答已采纳
因此，我从Pytorch开始，并尝试从一个简单的线性回归示例开始。实际上，我用Pytorch实现了一个简单的线性回归来计算方程2*x+1，但是损失停留在120，梯度下降有一个问题，因为它不会收敛到一个小的损失值。我不知道为什么会发生这样的事情，这让我发疯，因为我看不出有什么问题。实际上，这个例子应该很容易解决。()
浏览 20提问于2019-09-05得票数 0
回答已采纳
1回答
我使用过去7天的数据来预测今天的价值(价格)。假设我有1000行数据。因此，在LSTM Pytorch中使用的数据的形状应该是什么？
是(1000，7，6)吗？
浏览 14提问于2020-05-18得票数 0
3回答
电流型神经网络损失值NaN
、、、、
我试图在一个大数据集上建立一个简单的多层感知器模型，但我得到的损失值是nan。奇怪的是:在第一步训练之后，损失值不是nan，而是46 (这是奇怪的低)。当我运行一个logistic回归模型时，第一个损失值约为3600)。但在那之后，损失的价值就一直在南。我也使用tf.print来调试它。
该模型的目标是预测4500个不同的类，因此这是一个分类<e
浏览 2提问于2017-05-19得票数 2
回答已采纳
2回答
我想用Python和Numpy建立回归神经网络。我做了一个分类，其中我使用了sigmoid函数，但我不知道如何将我的函数转换为回归。我知道线性函数应该类似于y=k*x + n，但我不知道如何在python中表示它。我的n和k值是什么，如何将它们传递给我的函数？
Ofc，我把简单的线性函数，但我的目标是创建类似于RBF函数。这是我
浏览 5提问于2019-12-15得票数 1
回答已采纳
2回答
我正在使用Scikit的MLPRegressor进行时间序列预测任务。我的数据使用MinMaxScaler在0到1之间缩放，我的模型使用以下参数初始化：
MLPRegressor(solver='lbfgs', hidden_layer_sizes=50,0到1之间，但得到界外的值(都是负值，也是> 1)。非标准化数据也有同样的<
浏览 0提问于2018-05-21得票数 2
回答已采纳
3回答
我正在用神经网络做回归。对于神经网络来说，这应该是一个简单的任务，我有10个特征和1个输出，我想预测。我正在为我的项目使用pytorch，但我的模型学习得不好。损失从一个非常高的值(40000)开始，然后在最初的5-10个时代之后，损失迅速减少到6,000-7,000，然后它停留在那里，无论我做什么。我
浏览 0提问于2019-12-03得票数 5
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
