1回答
我为一个具有一个隐藏层和sigmoid激活函数的神经网络实现了一个基于批处理的反向传播算法。输出层是单热Sigmoid层。第一层的网络是z1。在应用sigmoid之后，它变成了a1。parameters to the model完整的代码文件：
上述算法的损失在减少，但分类精度是随机选择的。
浏览 37提问于2017-12-31得票数 1
回答已采纳
1回答
神经网络的验证精度
、、、
在训练神经网络时，我通常把在验证数据上获得的精度(验证精度)作为网络性能的中间度量--最终的度量是测试精度。根据训练数据的大小，在一个时期内测量此验证精度一次或多次。通常，我停止训练时，验证准确性开始下降 -一个迹象的过度拟合。📷
从技术上讲，我不知道该模型是否能进一步改进，但假设它不会改进是否合理呢？
浏览 0提问于2018-03-24得票数 1
2回答
我可以从批量梯度下降(批量大小为37000)获得相当好的结果，但当我尝试小批量梯度下降时，我得到了非常差的结果(即使使用adam和dropout)。在批处理gd中，我能够获得100%的训练和97%的dev/cv准确率。然而，在128号的小批量中，我在这两种情况下的准确率都只有88%左右。训练损失似乎在1.6%左右，并且不会随着任何进一步的迭代而减少，但当我增加批量大小(从而提高精度).And时，它会慢慢减少
浏览 31提问于2020-07-11得票数 1
2回答
良好的训练，测试和验证的准确性，但奇怪的历史准确性的模型行为:这是我的模型的总结： ? 我执行了执行和预测任务，得到了下一个混淆矩阵： ? 而准确率行为紧随其后： ? 添加损失图以在下一篇文章中阐明更多内容 ? 提前感谢您的任何有用的信息和帮助！
浏览 90提问于2020-08-11得票数 1
回答已采纳
1回答
解释验证损失
、、、
我是神经网络的新手，我不知道如何准确地解释我得到的验证损失的结果。我正在尝试使用tensorflow对图像进行分类。如果我绘制每个时期之后得到的结果，我会得到以下结果：enter image description here 我的训练精度和验证精度提高了，我的训练损失减少了，但验证损失虽然下降了一些，但并不是非常接近训练损失我不理解验证损失的变化。验证损失没有像训练损失</
浏览 53提问于2020-08-11得票数 1
回答已采纳
当我使用yolov3训练我的数据集时，一张图片中有60多个对象，这些对象非常密集，最终的训练损失是16.4，我需要修改yolov3.cfg或其他参数吗?或者我可以做些什么来减少训练损失？
浏览 0提问于2020-04-18得票数 0
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例子中，据说损失函数是根据所有的预测值和实数来计算的。
浏览 0提问于2019-09-23得票数 1
谁能解释一下，为什么在Scikit-learn中使用交叉验证进行递归特征消除时，分类的准确性会随着特征的增加而下降？从Scikit-learn documentation here：中报告的示例来看，当使用7个特征时，似乎产生了最好的分类结果。然而，当使用17个特征时，准确率下降了25%。这怎麽可能？我希望随着功能的增加，准确率会不断提高。
浏览 3提问于2015-03-30得票数 0
我一直在训练神经网络并使用Tensorflow。我的成本函数是：训练我的神经网络已经导致交叉熵损失从~170k下降到大约50，这是一个戏剧性的改进。与此同时，我的准确率实际上略有下降:从3%下降到2.9%。这些测试是在训练集上进行的，因此不存在过度拟合的问题。我知道在StackOverf
浏览 1提问于2017-07-19得票数 2
我正在训练一个具有自定义损失函数和两个指标的Tensorflow/Keras神经网络，MSE和准确性。在对训练数据进行评估时，损失和准确率返回数字，但均方误差为NaN。
浏览 25提问于2021-05-09得票数 0
1回答
当传感器处于空闲状态时，初始数据会出现意外的逐渐下降。然而，当传感器处于活动状态时，这种下降就不那么明显了，因为实际的测量掩盖了这个下降。我要把这个输入神经网络。
如何得到未知影响X的近似(从初始数据)？我的目标是:在训练神经网络之前，将(-X)应用于
浏览 0提问于2016-06-05得票数 4
回答已采纳
在训练我的神经网络时，我遇到了一些我不理解的不熟悉的行为。首先:高度不稳定的验证损失，而培训损失稳步下降。第二:训练损失下降非常缓慢(不是通常的指数衰减曲线)。验证集:与培训相同，但样本数量较小。损失= MAPE培训内容如下(绿色验证损失，红色培训损失)：训练集中的示例序列：📷📷请帮助向我解释这一点，以及我如何提高培训。
浏览 0提问于2022-06-12得票数 0
我正在使用keras构建一个简单的神经网络，如下所示：from keras.models import Sequentialclassifier.fit(X_train,y_train,batch_size=10,epochs=100)
当我第一次在jupyter笔记本上运行它时，代码运行得很好，准确率达到了90%。但是当我重新运行它时，它的准确率急剧下降<
浏览 0提问于2019-01-05得票数 0
1回答
我的目标是提供一个简单的神经网络拟合，提供一个特定图的2个顶点，如果有链接则为1，如果没有链接则为0。
我对我的模型进行了拟合，拟合过程中损失约为0.40，准确率约为83%。我的模型对正样本损失约0.35和1.0精度，对负样本损失约0.46和0.68精度。我对神经网络的理解非常有限，但据我所知，上面的理解意味着，当没有链接时，它在理论上总是正确的，但有时即使没有链接，它也可以输出1
浏览 1提问于2018-05-14得票数 2
在几百个历次之后，我对验证集的准确率最高达到92.73 %。验证损失略有上升，因为我训练更多。一个时代给了我0.295的损失，验证的准确率为90.5%。我的最佳验证时间精度为92.73%，验证损失为0.33。为什么我的验证精度提高，而我的验证损失却在上升？我应该使用与cross_entropy不同的损失度量吗？
浏览 0提问于2020-01-23得票数 3
回答已采纳
2回答
我使用的是深度神经网络，它正在使用mxnet进行训练。训练准确率正在提高，达到80%以上，但验证准确率在54-57%之间，而且没有增加。这里会有什么问题呢？我应该增加图片的数量吗？
浏览 1提问于2016-05-04得票数 13
回答已采纳
1回答
我试图在STL-10数据集上训练一个VGG-19神经网络，其中包含5000幅图像(每个类500幅)。输出类的数量是10。我没有改变架构，只是将完全连接层的大小从4096减小到2048，保持辍学(0.5)不变。我观察到，虽然成本下降很小，但训练精度却在下降。在第二个时代之后，成本: 2.303365，训练准确率：：11.249%。在第三个时代之后，成本: 2.301936，训练准确率：：
浏览 0提问于2018-03-27得票数 0
1回答
当考察神经网络的大部分损失函数，如mse、mae、L1、L2时，损失总是被记录为一个正值。我不明白的是为什么？损失函数不应该有正或负值，以便根据需要提高或降低网络的权重？
浏览 0提问于2019-02-04得票数 3
我正在尝试用Keras编写一个加权的二进制交叉熵的自定义损失函数。然而，当我使用自定义损失函数编译我的模型时，损失和准确性都下降了。通常，当我使用普通的BCE训练模型时，准确率约为90%，但当我使用自定义损失函数时，准确率下降到3-10%。下面是我的自定义损失函数： def weighted_crossentropy_core(y_true, y_pred, po
浏览 27提问于2019-09-17得票数 1
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
腾讯会议
云直播活动推荐
腾讯云开发者
