整形神经网络分类输出维度？
整形神经网络分类输出维度是指神经网络在进行分类任务时，输出层的维度或节点数量。输出维度的确定取决于分类问题的类别数量。
在深度学习中，常用的分类任务是多类别分类，其中包括二分类（两个类别）、多分类（多个类别）和多标签分类（每个样本可以属于多个类别）。对于多类别分类问题，输出维度通常等于类别的数量。
例如，对于一个图像分类任务，如果有10个不同的类别（如猫、狗、汽车等），则整形神经网络分类输出维度应为10。每个输出节点对应一个类别，输出节点的值表示该样本属于该类别的概率。
在腾讯云的产品中，推荐使用的云计算服务是腾讯云AI智能图像服务。该服务提供了丰富的图像识别和处理能力，包括图像分类、图像标签、人脸识别等功能，可用于实现整形神经网络分类输出维度相关的应用场景。
腾讯云AI智能图像服务产品介绍链接：https://cloud.tencent.com/product/aiimage
相关·内容
1回答
作为神经网络输出的三维坐标
、、、、
神经网络主要用于分类。因此，输出层中神经元的激活指示了你要分类的任何类。
是否有可能(并正确)设计一个神经网络来获得三维坐标？这是三个输出神经元的范围，例如-1000.0,1000.0，每一个。
浏览 2提问于2015-12-28得票数 2
回答已采纳
我试着用神经网络来进行二元分类。它由三层组成。第一层有三个输入神经元，隐藏层有两个神经元，输出层有三个输出二进制值为1或0的神经元。实际上，输出通常是一个浮点数，但通常是整数。
如果网络只输出3的向量，那么我的输入向量不应该是相同的大小吗？否则，对于分类，如何将输出映射到输入？
我使用VBA在Excel中编写了基于以下文章的神经网络：到目前为止，它的工作原理与本文所描述的完全一样。目前我还没有进入机器学习库的权限，所以我选择尝试一下。
例如：
如果网络的输出是n，这是否意味着我的输入数据也必须是n，n，n？
从我在这里读到的：
看来应该是这样的。不过我不太确定。
浏览 0提问于2019-01-17得票数 0
1回答
我有一些数据为每个记录都有一个维度 of 8x128。我想为这些数据训练一个神经网络。
有人有用Multi-Dimensional数据作为输入的例子吗？我已经搜索了这些文档，并且只找到了一维输入示例。
浏览 4提问于2013-01-18得票数 1
回答已采纳
1回答
不知何故，我在Keras库里发现了一个非常奇怪的bug。
我的学习方法包括一个三层神经网络:输入层130,517个单元(输入大小)，隐藏层10000，输出层2个单元。
在代码期间，我运行了一个批处理学习(我使用了partial_fit函数)，但是代码反复抛出相同的错误：
{ValueError}在检查输入时出错:期望dense_1_input具有形状(130517 )，但得到具有形状(1，)的数组
我再次检查了输入维度，发现它确实和我想的一样，有130,517维。
下面是调试变量的图片，如您所见，np.array(X[0])的形状为130,517：
对于任何情况，我都附加了神
浏览 0提问于2018-08-22得票数 0
回答已采纳
1回答
我尝试实现一个神经网络来对不同的缺陷进行分类，以便进行质量检查。我想使用单类分类。为了实现这一点，我想训练一个生成性对抗网络，并使用鉴别器进行分类。
我使用了向日葵示例来实现我的第一个GAN。()
在此示例中，有一行代码在鉴别器网络的帮助下对生成的输出进行“分类”：
dlYPredGenerated = forward(dlnetDiscriminator, dlXGenerated);
现在，我期望输出包含两个标签："Original“或"Fake”。取而代之的是，我得到了一长串数字：
(:,:,1,1) =
5.9427
(:,:,1,2) =
7.593
浏览 1提问于2020-02-04得票数 2
1回答
我最初是使用一个包字(2克)模型来处理一个分类问题。将2克输出的热编码发送到logistic回归或神经网络建立分类模型。
现在，我正在实验gensim word2vec方法，每个单词现在都是来自word2vec的向量。也就是说，如果我的句子有10个单词，它就会变成一个10x30数组(假设word2vec嵌入维数是30)。我不清楚如何像以前那样把这样的输出发送给逻辑回归或神经网络模型。
在gensim word2vec输出之后，我应该使用哪种类型的模型来解决分类问题？谢谢!
浏览 0提问于2019-09-02得票数 0
1回答
我试着用一个神经网络张量来处理一个分类问题。我有一些连续的变量特征和一些分类特征。连续的特征是使用sklearn的StandardScaler进行规范化的。对于分类特性，我使用了一系列嵌入特性，这些特性与我的连续特性连接在一起。
嵌入特性如下所示：
airline = tf.feature_column.categorical_column_with_hash_bucket(
'AIRLINE', hash_bucket_size=10)
然后：
tf.feature_column.embedding_column(airline, 8)
但是，我在选择
浏览 0提问于2018-01-17得票数 3
回答已采纳
我正在使用Keras的Functional (使用TensorFlow后端)中的多个输出层来训练文本情感分类模型。该模型接受由Keras预处理API的hashing_trick()函数生成的哈希值的Numpy数组作为输入，并按照Keras规范使用二进制热标签的Numpy数组列表来训练具有多个输出的模型(参见fit()的文档：)。
下面是模型，其中包含了大部分预处理步骤：
textual_features = hashing_utility(filtered_words) # Numpy array of hashed values(training data)
label_l
浏览 0提问于2018-08-08得票数 8
回答已采纳
2回答
我对神经网络非常陌生，最近我建立了用于车牌号码分类的神经网络。它有3层:1输入层，16*24(382神经元)数字图像，150 dpi；1隐层(199神经元)，乙状结肠激活函数；1 softmax输出层(10神经元)，每个数字0到9。
我想把我的神经网络扩展到车牌上的字母分类。但我担心，如果我只是简单地在输出中添加更多的类，例如在分类中添加10个字母，总共20个类，神经网络将很难将特征从每个类中分离出来。而且，当输入是数字的输入，神经网络错误地将其归类为概率最大的字母时，即使所有数字输出的概率之和超过了这一概率之和，也会引起问题。
因此，我想知道是否有可能以下列方式建立分层神经网络：
有三个神经
浏览 17提问于2018-01-13得票数 0
回答已采纳
1回答
我对二元和多类神经网络分类之间的区别感到困惑。如果我编写的算法有两个输出类(奥巴马或罗姆尼)，但不是是或否(所以不像奥巴马或奥巴马)，那么它是二元神经网络还是多类(2类)神经网络分类？
我所知道的是:二元神经网络分类输出一个单元。如果一个多类分类神经网络有k类，那么它就有k个输出。
我的想法是：
我认为这是一种二元神经网络分类，因为我实际上只想输出一件事，无论是一个县投票给罗姆尼还是奥巴马。我很困惑，因为我认为二进制更像是罗姆尼，而不是罗姆尼的分类，我不确定这是否和罗姆尼或奥巴马一样。只是想再查一遍，澄清我的理解。
浏览 0提问于2015-12-24得票数 1
回答已采纳
神经网络学习逼近期望的输出，因此可以使用未知的测试集，并根据其各自的类别对每个测试示例进行分类。例如，神经网络可以学习对手写数字进行分类，并将手写的' 9‘识别为值9。
神经网络如何将训练样本的输出与期望的输出进行比较？在神经网络的结构中，期望输出的编码是什么？
浏览 0提问于2014-10-21得票数 1
回答已采纳
1回答
如何处理Keras中的大图像？
、、、、
我正在研究Keras上的机器学习问题。我的目标是训练输入为(4214, 22311)矩阵，输出为(22311,)向量的模型。
这样的二维数据可以作为图像输入来处理，但大多数图像分类器只对形状(200, 200)的小图像进行分类。
我尝试了几种在Keras上建立模型的方法，例如CNN、双向LSTM或简单的神经网络(平坦和密集)。但它们都不起作用。
我没有完成一个时代就接受了killed。所以我想知道什么样的结构能处理这么大的输入。
浏览 3提问于2017-09-21得票数 0
回答已采纳
2回答
神经网络层输入形状错误
、、、
我试图使用MNIST数据集对手写数字进行分类，以训练我的模型。我的模型训练成功，准确率达98.9%。但是，当我尝试输入自定义图像时，它会显示以下错误：
Error when checking : expected conv2d_4_input to have shape (None, 28, 28, 1) but got array with shape (1, 1, 28, 28)
这是第一卷积层，即输入层。我怎样才能解决这个问题？这是我的卷积神经网络：
conv_model = Sequential()
conv_model.add(Conv2D(filters, kernel_size[
浏览 4提问于2017-07-02得票数 0
回答已采纳
我使用一个ImageDataGenerator将成批的图像输入到一个神经网络中，但是无法找到正确的方法来给它喂食。运行以下命令：
train_datagen = ImageDataGenerator(rescale=1./255, shear_range=0.2, zoom_range=0.2, horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1./255)
training_set = train_datagen.flow_from_directory('/home/Training', targ
浏览 0提问于2019-11-22得票数 0
我创建了一个具有两个二进制输出类的py手电神经网络分类模型。A类要么是0，要么是1，B类要么是0，要么是1。我通过修改具有单个二进制输出类的前一个模型的代码来实现这一点。模型训练得很好。
当我试图添加一个混淆矩阵时，我的问题就出现了。它会引发ValueError:发现输入变量的样本数不一致: 482,964。
我已经把问题的根源隔离出来了。
y_pred = model(X_test)
print (y_pred.shape) # torch.Size([482, 2])
print (len(y_pred)) # 482
y_pred = y_pred.ge(.5).view(-
浏览 12提问于2022-06-14得票数 0
2回答
我正在阅读关于人工神经网络的文章，据说人工神经网络用于训练数据训练后的预测。并给出了神经网络在分类中的应用。
假设我的数据包括输入as (\theta，sin(\theta))和输出as -1 (如果它位于正弦波的上半部分，则为+1 )。这里是否保证经过训练的神经网络总是产生输出为+1或-1 (即分类为+1或-1)？如果没有，那么ANN是如何用于分类的？
浏览 0提问于2017-04-09得票数 -1
回答已采纳
我想在tensorflow中训练一个双向LSTM来执行序列分类问题(情感分类)。
由于序列的长度是可变的，所以批量通常会填充零的向量。通常，我在单向神经网络中使用sequence_length参数来避免在填充向量上进行训练。
如何使用双向LSTM来管理这个问题？"sequence_length“参数是否自动从后向序列中的高级位置开始工作？
谢谢
浏览 4提问于2017-03-21得票数 7
我使用keras sequential模型进行二进制分类。但是我的数据是不平衡的。我有2个特征列和1个输出列(1/0)。我有10000的数据。在输出1中只有20个结果中，所有其他结果都是0。然后我将数据大小扩展到40000。现在，输出1中也只有20个结果，其他所有结果都是0。由于数据是不平衡的(0支配1)，哪个神经网络更适合进行正确的预测？
浏览 0提问于2018-11-01得票数 0
1回答
多类分类器
、、、
我正在使用MFCC功能处理一个音频多类分类问题(噪声，血管，2种动物)。我用不同的分类器得到了不同的结果。我尝试了贝叶斯类型，人工神经网络，MSVM和决策树。
谁能告诉我这4个分类器的优缺点是什么？
非常感谢
浏览 1提问于2015-05-10得票数 0
2回答
我正在尝试使用卷积神经网络对DNA序列执行分类任务。DNA序列正被转换为一个输入数组，编码为一个热载体。例如，"ACTG“编码为[1, 0,0, 0，1，0,0，0，0，1，0，0，0，1，0，0,0,1,0]。我已经对每个样本进行了这样的编码。输入的维数应该是number_of_samples * length_of_samples*4。我现在正在尝试理解一维卷积是如何在这样的输入数组上工作的，但我无法计算出一维卷积的输出是什么样子。会非常感谢你的帮助。作为参考，我使用标准大学昆达杰实验室的代码。我不能理解一维卷积对于三维输入是如何工作的。
浏览 0提问于2018-10-30得票数 2
1回答
我正在使用tensorflow处理图像分类问题，但我在与重塑输入相关的部分感到迷失，在这种情况下，这是一幅图像。
我使用misc来拍摄图像并调整大小。
image = misc.imread("actor.jpg")
resize_image = misc.imresize(image,[224, 224], interp='nearest')
图像形状是
(224、224、3)
我得到一个与图像不兼容相关的错误
ValueError: Cannot feed value of shape (224, 224, 3) for Tensor u'
浏览 2提问于2017-11-21得票数 5
回答已采纳
假设我们有一个具有二进制输出(0或1)的神经网络。我要做的是删除神经网络中的神经元或层，同时对所有在原始神经网络中被分类为1的实例保持正确的分类，对于输出0也是如此。不同的是，是否有任何方法可以识别对特定类实例的正确分类至关重要的神经元？目的是去除所有不必要的神经元有关的输出。目前，我正试图使用反向传播阶段来尝试将每个神经元对某个类的贡献归因于适合性。在二进制神经网络(二进制权值和激活)的情况下，研究轨迹可以是将神经网络编译成布尔公式，并在其上进行推理，找出对所选输出没有贡献的神经元，但执行此编译并不总是显而易见的。
浏览 0提问于2020-06-03得票数 1
2回答
我的数据集大小是800个音频文件，现在我想构建一个用于音频分类的人工神经网络。我在第一层给了64个神经元，在第二层给了36个神经元。在一个神经网络中会有特定数量的神经元通过吗？输入形状为(826，12)，模型的输出为二进制输出。
浏览 0提问于2020-01-08得票数 0
2回答
使用NN进行聚类识别
、、、
我有一个数据帧，其中包含数百万个粒子的坐标，我想用它来训练神经网络。这些粒子构建单独的集群，这些集群已经被识别和标记；这意味着每个粒子已经被分配到它的正确集群(这种分配是通过密度估计完成的，但对我来说并不重要)。现在的挑战是建立一个网络，在从海量数据中学习后进行这种聚类。在数据帧中还有一些更多的特征，如集群大小，集群中粒子的数量等。
由于这不是一个分类问题，而更多的是一个识别集群的问题-挑战我应该使用哪种神经网络？我在构建这个网络时也遇到了问题:例如，CNN对图片中的狗或猫进行分类，输出显然是二进制的。最后一层只由两个输出组成，这两个输出表示为1或0的概率。但是当我想要识别集群时，我如何实现最
浏览 0提问于2019-11-05得票数 0
我正在尝试在keras R中构建一个用于时间序列分类的1D卷积神经网络。我的训练数据由1169个向量组成。其中每个向量包含30个时间点，并具有分类标签(类别总数为7，我使用一个热编码对它们进行了编码)。我的代码如下所示
model<-keras::keras_model_sequential() %>%
layer_conv_1d(filters = 30, kernel_size = 2 , activation = "relu",
input_shape = c(1169, 30), strides = 1L)%>%
layer_max_pooli
浏览 8提问于2018-08-16得票数 2
回答已采纳
1回答
假设我有一个输入x的神经网络输出向量{ y1，y2，…，i }，其中输出的第一元素表示x被分类为I类的概率，并且我知道x的正确分类，它是用向量y={ 0，0，…，1，…，0}表示的，它由零填充，在j-位置包含1，代表x应该被分类为j类。
如何衡量神经网络是否有正确的分类输入？我是否从输出向量中选择最高的概率，并确定这种分类是否与正确的分类相同？或者，我是否将所有输出概率转换为最接近的整数值，并将新向量与向量y进行比较(如果存在一些不匹配，我会假设网络无法正确地分类输入)？我应该如何计算网络的准确性？准确性=正确的分类/所有分类？
浏览 0提问于2017-04-05得票数 1
回答已采纳
1回答
我应该按什么顺序训练我的CNN
、、、、
我目前正在训练一个卷积神经网络，根据苹果的外观对烂苹果和正常苹果进行分类。我有所有必要的数据，但是我对以下代码行有一个问题。
epoch_x, epoch_y = tf.train.batch([resized_image, "Normal"], batch_size=batch_size)
这为神经网络提供了图像和标签。我的问题是，我是否应该用所有批次的正常橙子训练网络，然后用腐烂的橙子训练神经网络？我应该交替训练一批腐烂的和正常的橙子吗？这些图像是否有特定的训练顺序？
浏览 6提问于2017-02-05得票数 4
回答已采纳
1回答
我刚开始学习机器，正在探索不同的算法。我从互联网上提取了一个二进制分类问题，并尝试应用各种机器学习技术。
首先，我尝试在它上运行一个朴素的刺刀分类器，我发现它的成功率约为75%。我尝试了logistic回归，发现90%的成功率是惊人的。我尝试将正则化应用于我的分类器，这是当我将Lambda(正则化参数)改变到超过30个值时所发现的曲线。
。红色图是训练集，蓝色图是验证集。正如你所看到的，这两条曲线的误差在Lambda上都在增加。我认为这意味着我的假设一开始是不合适的，而且随着λ的增加，不合适的情况正在变得更糟。这是正确的解释方法吗？
无论哪种方法，为了解决不合适的问题，尝试一个更复杂的模型是
浏览 5提问于2017-05-11得票数 4
回答已采纳
1回答
我想把两个不同等级的张量相乘，例如：
tensor A -> (i x j x k x l)
tensor B -> (l x m)
来得到另一个具有这个维度的张量。
tensor C -> (i x j x k x m) = (i x j x k x l)*(l x m)
在tensorflow中，我必须一直进行整形，以获得如下输出
(A.reshape(-1,l)*B).reshape(i,j,k,m)
还有没有其他直接做这个的操作？
浏览 2提问于2017-05-31得票数 4
我正面临着一些问题:如何将数组设置为正确的形状，以便将其用作卷积神经网络的输入：
我的数组的形状是(100,64,64)，但我需要它是(100,64,64,1)。我意识到它看起来有点奇怪，但我基本上想要将每个条目打包到一个单独的数组中。
一个简化的例子，使用一个2D数组，其中类似的将是从(3,3)到(3,3,1)
[[0,1,0], [[[0],[1],[0]],
[1,1,1], [[1],[1],[1]],
[0,0,1]] [[0],[0],[1]]]
有什么方便的方法可以用numpy来做吗？
我尝试使用函数numpy.reshape：我
浏览 16提问于2021-12-30得票数 2
回答已采纳
2回答
我想将MLP应用于一些商业卖家的数据。我发现这些数据是分类和连续特性的混合体。对于我所读到的内容，向神经网络提供这两种类型的数据(引用未知/不可用)是不可取的，我记得我读到的神经网络可以使用以下模型：
Categorical variables-->NN model 1
----->NN model 3---->Output
Continuous variables--->NN model 2
因此，在这个模型中，我们有两个神经网络，每个神经网络只提供分类变量或连续变量，然后将输出(来自这
浏览 0提问于2020-09-14得票数 1
1回答
我有点困惑于使用encog来创建一个神经网络。
我正在尝试一个基本的前馈网络文本分类。对于输入数据，我有200个独特的单词(特征/输入)输入到网络和100个不同的文本。所以我有一个100x230的矩阵，基本上是100个不同的训练项目，每个训练项目的频率为230个单词。然后，我有一个输出，它将数据分类为A、B、C、D或E，所以一列和5个不同的输出，因此这是一个序数列，是我读取的CSV数据集的一部分，因此我实际上有一个100X231的矩阵，其中231列是我希望分类的输出。
我可以训练和运行这个神经网络没有问题，但我对输出神经元的数量感到困惑。我原以为有5种不同的分类，所以我应该有5种不同的神经元，
浏览 0提问于2018-03-15得票数 0
回答已采纳
3回答
卷积神经网络Conv1d输入形状
、、、、
我正在尝试创建一个CNN来对数据进行分类。我的数据是XN_data，我想创建一个能够对其进行分类的神经网络。我的问题是关于keras后端的Conv1D的输入形状。
我想重复一遍过滤器..假设有10个特征，然后对接下来的10个特征保持相同的权重。对于每个数据，我的卷积层将创建N_features/10个新神经元。我如何做到这一点呢？我应该在input_shape中放入什么？
def cnn_model():
model = Sequential()
model.add(Conv1D(filters=1,
浏览 5提问于2017-04-05得票数 19
回答已采纳
我正在为一个类项目实现一个神经网络，我想知道是否有可能在不使用softmax的情况下使用神经网络进行多类分类？当我问助教关于这一点时，他说拥有多个输出层在数学上是不合理的，但后来我看到Andrew Ng在他的UFLDL自动编码器教程中包含了一张具有多个输出的神经网络的图片，然后我看到很多人都在谈论神经网络的多类分类，而没有提到softmax。因此，我想知道的是，使用多个输出层而不使用softmax是否合适，如果是这样，您将如何做到这一点，以及如何解释结果。
UFLDL链接：
浏览 1提问于2012-11-27得票数 2
0回答
我有一个关于NLP的问题。例如，在自然语言处理中，我们使用word2vec将单词转换为向量，然后将向量馈送到神经网络以输出情感分类。我认为我们可以输入单词的像素，这些像素将是向量，这与我们处理图像的过程相同，然后将其输入神经网络以输出情感分类。
你们觉得这样行得通吗？我想应该是这样的。
浏览 12提问于2016-06-30得票数 0
访问此链接可以在p5 web编辑器中运行代码。
function setup() {
createCanvas(280, 280);
background(0);
}
function draw() {
strokeWeight(25);
if (mouseIsPressed) {
stroke(255);
line(mouseX, mouseY, pmouseX, pmouseY);
}
}
function predict() {
resizeCanvas(28, 28);
}
试图实现一个数字分类器，用户将画数字，神经网络将分类，但神经网络期
浏览 1提问于2020-06-10得票数 1
回答已采纳
1回答
我有3个文件夹与彩色图像。文件夹的名称是内部图像的标签。
cls1
|____img_0.png
|____ ...
|____img_n.png
cls2
|____img_0.png
|____ ...
|____img_n.png
cls3
|____img_0.png
|____ ...
|____img_n.png
我想使用Keras库来创建卷积神经网络进行分类，但是我找不到如何从彩色图像创建数据集。你能帮帮我吗?
浏览 1提问于2016-05-07得票数 12
回答已采纳
1回答
我们能用卷积神经网络对非图像数据集进行预测吗？
数据集是学生学术细节的记录
我知道CNN主要用于计算机视觉和图像处理，用于分析视觉图像。并将其应用于文本分类的自然语言处理中。
我是新来的，请带我过去
谢谢你！！
浏览 0提问于2019-10-23得票数 1
回答已采纳
2回答
有人能解释一下，如何用MLBP神经网络对像MNIST这样的数据进行分类，如果我做了多个输出(例如8)，我的意思是，如果我只使用一个输出，我可以很容易地对数据进行分类，但是如果我使用多个输出，我应该选择哪个输出？
浏览 0提问于2014-05-22得票数 8
回答已采纳
我有几个机会写一篇论文，或者写一些我做过的神经网络的论文。
我在想，是否有什么办法可以弄清楚，为什么神经网络会用它的方式对数据进行分类。例如，神经网络用于对数据进行分类的数据的特征。我使用的神经网络主要由ltsm层组成。
我已经考虑过在所有输出上绘制神经网络，但这并没有多大帮助。仅仅是因为一个层中的每个节点都有这么多的权重，所以很难确定发生了什么。我可以画出偏见，但我不知道他们对体重有多大的影响。
我考虑的另一件事是一次稍微调整输入数据的值，看看分类发生了什么变化。这在某种程度上是可行的，但我不能完全了解神经网络在做什么。
对如何做到这一点有什么建议吗？
浏览 4提问于2022-06-27得票数 -2
回答已采纳
1回答
其目标是实现具有1D对象(例如，时间序列)的多通道(即输入层)的神经网络体系结构。其思想是在组合任何通道的特征映射以输出概率预测之前，在任何通道中应用独立操作。
一个潜在的解决方案可能是使用。千层面是Theano的轻量级包装器。如果一个人需要Theano的灵活性，但又不想总是从头开始编写神经网络层，那么通常建议使用它。
Lasagne是否提供了为python中的1D对象实现多通道神经网络的工具？可以使用lasagne.layers实现多个输入层吗?还是应该使用theano创建自定义层？
浏览 6提问于2017-03-08得票数 2
1回答
我非常困惑于一个热点编码和字嵌入从网络的结构和它如何降低维数。
我目前正在c#中使用encog，它有一些文档，但没有很多不同的示例。
如果我以一个神经网络文本分类为例，它有:1000个不同的文本，10个不同的单词。
我以前所做的就是把每一篇课文都取下来，然后算出独特的单词并把它们列在一张单子上。然后，我将计算出每一个独特的单词出现在文本中的次数，最后我将得到一个矩阵：
1000 x 10,000，即对每一文本计算每个唯一单词出现的次数(文本作为行，唯一的单词(特性)作为列)。
然后，我将对此进行规范化，并使用等边编码 (类似于一个热)。
然后，我的网络将由10,000个输入神经元组成(每个单词
浏览 0提问于2018-03-20得票数 4
我的问题是从LSTM获取所有隐藏的输出，并将它们用作单个密集层的训练示例。压平隐藏层的输出，并将它们喂给一个密集的层不是我想要做的。我尝试了以下几点：
我已经考虑了密集层()的Timedistributed包装器。但是，这似乎适用于每个时间切片相同的层，这不是我想要的。换句话说，Timedistributed包装器具有三维张量(样本数、时间步骤数、特征数)的input_shape，并生成另一个相同类型的3D张量：(样本数、时间步骤数、特征数)。相反，我想要的是一个2D张量作为输出，它看起来像(样本数*时间步骤数，特性数)
有一个关于AdvancedReshapeLayer： on Gi
浏览 1提问于2016-12-22得票数 6
2回答
为什么输出层有两个神经元？
每个神经元意味着什么？
如果我们的分类器是二进制分类器，那么输出层中就只有一个神经元了吗？
以下是神经网络的图片：
📷
浏览 0提问于2018-03-08得票数 3
2回答
我正在尝试使用Keras将神经网络用于二进制分类问题。我对整个神经网络领域都是新手。我喜欢做的是有一个网络，其中有一些功能的嵌入层，但其他功能的常规输入层。例如，假设我想要使用user ID作为输入，该输入进入嵌入层，而其他所有内容都进入常规输入层。我知道我的问题更多的是概念性的，而不是技术性的，所以我想问的是，这是否可以在Keras或任何其他实现神经网络的框架或工具中实现。
浏览 1提问于2018-07-04得票数 0
1回答
我正在尝试使用前馈神经网络对时间序列数据的一部分进行分类，该网络使用单个隐藏层中的20个神经元，以及与我希望能够识别的3个事件相对应的3个输出。我可以在数据中对许多其他东西进行分类(显然)，但我暂时并不真正关心它们。已经使用Matlab的模式识别神经网络工具箱执行了神经网络创建和训练，因为这是一个分类问题。
为了做到这一点，我依次填充一个移动窗口，然后将该窗口输入到神经网络中。我的问题是，我显然不能对时间序列采取的每一种可能的形状进行分类和训练。由于这个原因，我通常会得到充满数据的窗口，这些窗口看起来与我用来训练神经网络的窗口非常不同，但仍然得到接近1的输出。
本质上，我训练ANN的三件事是2
浏览 5提问于2014-08-16得票数 1
1回答
我对神经网络都很陌生。我有一个三维关节位置数据集(6400*23*3)和四元数方向数据集(6400*23*4)，我想预测所有22个关节和3个运动平面(6400* 22 *3)的关节角度。我试图建立一个模型，但是它不会运行，因为输入数据与输出形状不匹配，我也想不出如何更改它。
我的代码
import scipy
import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv1D, MaxPooling2D, Dense, Flatten
from
浏览 1提问于2019-11-01得票数 0
回答已采纳
1回答
我是机器学习的新手，我正致力于创建一个人工神经网络( ANN )，该神经网络可以将每一个观察结果分类到一定的值。到目前为止，我主要使用sigmoid函数来获得观察的概率(真/假或二进制输出)。
在这种情况下，我希望将每个观察结果分类为5个值中的一个: 0、1、2、3、4。我使用sklearn库的StandardScalar函数来缩放输入数据。建议在以下方面采取哪些措施：
扩展输出数据的最佳方法，以及
适当的激活函数用于输出层。
谢谢!
浏览 0提问于2017-04-22得票数 1
回答已采纳
1回答
我正在尝试创建一个人工神经网络来计算/分类一个/任何公式。
我最初试图复制斐波纳契序列。I利用投入：
1,2产出3
2,3产出5
3、5产出8
等等。
我想要克服的问题是，如何将可能是无限或成倍扩展的数据规范化？然后，我尝试创建一个人工神经网络来计算带有输入的斜率截距公式y= mx+b (2x+2)。
1产出4
2产出6
等等。
再说一遍，我不知道如何使数据正常化。如果我只对培训数据进行规范化，那么网络如何能够使用用于规范化的输入来计算或分类呢？
那么，是否有可能创建一个人工神经网络来计算/分类公式(( a +2b+ c ^2+3d-5e)模2)，其
浏览 2提问于2014-09-15得票数 1
回答已采纳
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
实时音视频活动推荐
腾讯云开发者
