我注意到的唯一一件事是scikit learn使用lbfgs、adam和sgd来优化其连接权重，而WEKA使用反向传播。但这可能是唯一的原因吗？还是有其他原因呢？
诚挚的问候
浏览 1提问于2018-09-04得票数 1
1回答
我试图不使用“in”算法来触摸神经网络。因此，我发现，在ADAM优化器中，没有任何地方可以计算隐藏层的梯度平方。我从原始文章中得到描述，问题是Vt是某种归一化系数，所以它应该是标量。
浏览 0提问于2020-02-15得票数 1
回答已采纳
2回答
我试图建立一个基于虹膜数据集的神经网络。我有一个四维的输入。X = dataset[:,0:4].astype(float)。然后，我创建了一个四个节点的神经网络。(3, init='normal', activation='sigmoid'))
model.compile(loss='categorical_crossentropy', optimizer='adam当我创建一个有8个输入节点的神经网络时，它是如何工作的？性能仍然与4个节点相同。(3,
浏览 0提问于2018-08-20得票数 2
回答已采纳
对于一个学校项目，我需要评估一个不同学习率的神经网络。我选择了sklearn来实现神经网络(使用MLPRegressor类)。由于训练数据非常小(20个实例、2个输入和1个输出)，所以我决定使用lbfgs求解器，因为像sgd和adam这样的随机求解器对这种大小的数据没有意义。
有什么方法可以让我以某种方式访问lbfgs解算器的学习速度并对其进行修改，或者这个问题甚至没有意义？
浏览 4提问于2020-03-28得票数 1
回答已采纳
我正在使用来训练神经网络，并且在将函数中的参数与Adam的论文中报告的参数相关联时遇到了问题。更具体地说，在Adam的CNTK实现中，参数alpha、beta1、beta2和epsilon与学习率和动量有何关系？
浏览 2提问于2016-12-24得票数 0
我正在尝试进入神经网络，我正在制作一个最简单的模型，在大学里展示它。但现在我真的很不在行，只会学习。, activation='relu'))model.add(Activation('linear'))
model.compile(optimizer='adam
浏览 0提问于2018-10-07得票数 2
为了适当地收敛到最优，人们发明了各种使用自适应学习速率的算法，如AdaGrad、Adam和RMSProp。另一方面，有一个学习速率调度器，如功率调度和指数调度。我认为使用自适应学习速率优化算法(如Adam )比使用学习速率调度器更简单、更容易实现。
那么，你如何才能正确地使用它，这取决于什么样的问题？
浏览 0提问于2017-08-15得票数 8
1回答
有谁能解释一下这段代码的功能吗？
、、、、
0.2)) model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy',optimizer='adam
浏览 4提问于2022-05-20得票数 0
我用tensorflow训练神经网络。在每个优化步骤之后，我希望在更新之前保持权重。因此，如果优化步骤不好，我可以回到优化步骤之前的权重。目前，我正试图做以下工作：
你有什么想法如何在坦索弗洛做这件事？
谢谢!
浏览 0提问于2018-09-16得票数 2
1回答
Q学习的神经网络体系结构
、、、
问题：，获得正确的体系结构和超参数的正确方法是为简单的网格游戏获得合适的神经网络吗？它如何被缩放，使它在一个更大的网格游戏版本中工作呢？上下文：大多数关于在Q学习中使用神经网络的教程和论文都使用卷积神经网络来处理来自不同游戏的屏幕输入。但我正在尝试一种简单得多的原始数据游戏：所有测试的神经网络都没有比随机移动取得更好的效果。在大约1000集之后，奖励上升到平均8.5分(满分30分)，然后开始下降。大多数情况下，每一次行动都是垃圾邮件。relu&#
浏览 1提问于2017-08-09得票数 1
1回答
我正在使用Tensorflow Adam方法来优化一个随机函数，它(几乎)与神经网络无关，而是与概率推理有关。Adam能很好地找到代价函数的全局最优解，但是我的变量是有界的，Adam无法实现边界，因为它是一种无约束的优化方法。在我的例子中，我想保持所有变量都是正数。
浏览 0提问于2019-01-21得票数 1
1回答
如何去除信号中的噪声？
、、、
我正在使用神经网络对这些数据进行训练(代码如下)。贝娄有一个信号，我想保留，和一个有噪音的信号，我想删除它(第二个)。有什么方法可以做到吗？tf.keras.layers.Dense(units = Y.shape[1], activation = 'softmax')) # Adding Output Layer
ann.compile(optimizer = "adam
浏览 0提问于2022-09-14得票数 1
布尔函数描述事实上，这就是我如何在毕道尔建立神经网络的方法。然而，尽管神经网络的预测通常是正确的，但参数(我指的是权重和偏差)并不像预期的那样。: return logits
optimizer = torch.optim.Adamlinear_relu_stack.2.weight tensor([[-1.3418, -1.7255, -1
浏览 10提问于2021-12-14得票数 0
在过去的几个月里，我通过Python和Tensorflow构建了一个神经网络。该网络在大量数据上表现得相当好(在对120000条记录的数据集进行训练后，我的预测精度为85% )。我的神经网络利用了批量归一化，学习率衰减，丢弃..它使用Adam-Optimizer来最小化损失。
浏览 15提问于2020-02-25得票数 0
1回答
在我的最后一个问题中，我设法把一本字典打印出来如下所示：但我也希望字典按字母顺序显示最后4个结果，如下所示：Adam:140Adam:50Dave:110Dave:60Jack:90
Jack
浏览 4提问于2015-02-14得票数 1
回答已采纳
2回答
Keras中递归层与稠密层的合并
、、、、
我想要建立一个神经网络，其中第一层是前馈，最后一层是递归的。relu'))model.add(SimpleRNN(2,init='normal')) model.compile(loss="mean_squared_error&
浏览 4提问于2016-06-22得票数 7
回答已采纳
当我处理强化学习问题时，我试图想出自己的损失函数。(打开Ai的“Cartpole-V0”游戏。)x = keras.layers.Dense(64, activation='relu')(inputs)
x = keras.layers.Dense(64, activation='relu')(x)
浏览 0提问于2018-08-13得票数 0
据我所知，它们都支持反向传播、激活函数(包括relu)、optmizer (sgd/adam)。MLPClassifier还可以通过指定隐藏层和节点的#来建立深度神经网络。为什么要使用Tensorflow的DNNClassifier进行基本的深层神经网络训练(我这里说的是基本的神经网络，而不是CNN、RNN、LSTM等)。
浏览 0提问于2017-11-01得票数 2
1回答
我在凯拉斯有一个训练有素的分类器神经网络。设神经网络为f(x)。我希望找到向量x，使得当||x||^2 =1时，f(x)是最大化的。我目前已经用Keras训练了我的神经网络 model = Sequential()model.add(Dense0.5))
model.compile(loss='binary_cross
浏览 20提问于2019-09-16得票数 2
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
