1回答
我的数据X有一个keras模型。使用的代码是：t=np.array(data.read.valuest_test), 它显示<e
浏览 0提问于2020-06-11得票数 1
1回答
我正在为虹膜数据集实现一个4-5-3神经网络，该网络具有sigmoid激活和交叉熵损失函数。但是损失与时代数量的关系图是振荡的，我不知道为什么。任何帮助都将不胜感激！
浏览 0提问于2017-07-13得票数 1
我想知道Word2Vec是如何构建的。📷1) CBOW模型和Skip图模型都有一定的输入。3)将跳过图的输出作为中间神经网络的输出。CBOW的输出是对给定上下文的</
浏览 0提问于2017-06-12得票数 6
回答已采纳
我有几个相同的神经网络的实现，但每个实现都有不同的起始参数。这是我将基础实验的训练损失与另一个实验的训练损失进行比较的图之一。我还有其他的例子：
谁可以给我一些关于如何理解keras fit()的输出的说明？请注意，我没有任何验证集。
谢谢
浏览 2提问于2019-06-28得票数 0
1回答
我制作了一个神经网络，并绘制了训练集和验证集的损失图。对于验证，我得到了阶跃函数类型的损失，而对于训练，我得到了这些奇怪的尖峰。现在我知道我的模型没有学到任何东西，因为我的损失很高，但我仍然想知道这些峰值到底意味着什么。我的意思是为什么我会有这些尖峰。我一直在寻找文学作品，但找不到一个解释。可能是在梯度下降期间，我的模型移动到接近局部最优的位置，然后迈出了巨大<e
浏览 17提问于2020-06-04得票数 1
回答已采纳
tensorflow中的计算图具有一些节点input和一些节点output。input表示神经网络的输入张量，output其预测。一些其他子图馈送到input，一些损失(和其他计算)跟随在output上。训练完成后，我只想保留input和output之间的(正向)子图。是否可以删除所有其他操作？表示本身这是不可能的。也许可以绕过使用tf.train.export_meta_graph导出内容的弯路
浏览 4提问于2017-01-18得票数 1
回答已采纳
利用matlab训练二值分类神经网络模型，给出了在隐层中使用20个神经元得到的图。交叉熵与年代之间的混淆矩阵和图。WHy，这是正在发生的，我在理解这些曲线时做错了什么？
浏览 0提问于2018-05-19得票数 3
1回答
在神经网络的大多数文献中，权重、偏差和损失函数的3D图如下所示，
这里有更多细节，这里是数据集的概要，有15,000个训练示例，
下面是所使用的成本函数的公式，
带有代码和可视化的。出于演示目的，我希望获得与第一张图像中显示的曲线类似的曲线。
浏览 5提问于2018-01-23得票数 6
我开始使用GCP ml-engine来训练神经网络。当我通过tensorboard检查某个特定的工作时，它显示了以下损失图(绘制与墙时间的对比图)：
检查stackdriver中的日志，查找发生"raise“的时间段，我发现了以下内容：
在我看来附加信息:我观察到此行为的特定作业与其他作业并行运行。其他作业按预期终止。两个作业之间的唯一区别是神经网络中
浏览 1提问于2018-01-31得票数 0
如本文所述，我想用nsl.keras.GraphRegularization训练二元目标深度神经网络模型。我的模型在中间稠密层中有一个，不应该是“图正则化”。来自吉顿的nsl.keras.GraphRegularization ：
图正则化是在逻辑层上进行的，只有在训练过程中才能进行。这意味着中间三重态半硬损失不会受到这种正则化的影响。
浏览 8提问于2019-12-04得票数 0
回答已采纳
1回答
我在最初的米什论文(https://arxiv.org/abs/1908.08681)中找到了以下数字。据我所知，这个数字描述的是如何改变损失，如果变化是平稳的或不顺利的。但是论文没有描述它是如何产生的，图形上的颜色意味着什么(没有色条)，以及沿着x和y轴绘制的是什么。有人能在这方面提供帮助吗？
浏览 0提问于2020-09-08得票数 3
1回答
我做了一个神经网络，它的架构如下： 它有两个合并的分支。一个分支将矩阵作为卷积网络的输入，另一个分支是将向量作为输入的完全连接层。这两个分支被合并并发送到完全连接层，然后发送到输出层。我的网络运行，但是，我得到以下图表： 为了保证准确性： ? 对于损失： ? 我认为我的损失图是正确的。但是精确度乐趣是波动很大的。我的总体准确率是60%。你认为这些图
浏览 274提问于2019-05-29得票数 0
回答已采纳
1回答
AlphaGo零损失函数
、、、、
就我所理解的AlphaGo零系统而言：
l = (z - v)^2 - \pi^T log(p) + c ||\theta||
浏览 0提问于2019-11-17得票数 1
回答已采纳
假设我们有一个NN，我们想要训练它来预测输入中的3个值。我们有一组训练数据：目标呢？如果pytorch只计算一个标量作为损失函数，它如何进行训练？为什么它无法计算与每个输出神经元相关的损失？例如，如果x_train的答案是(20，32，0.12)，我们不想更新与答案(25，37，0.12)相同的权重，对吗？但在这种情况下，使用pytorch计算的<e
浏览 15提问于2021-02-28得票数 0
回答已采纳
1回答
我对神经网络非常陌生，我想知道为什么所有的rnns例子，特别是char- RNNs，都使用交叉熵损失函数作为它们的损失函数。我已经在谷歌上搜索过，但似乎无法在这个上下文中看到任何关于该功能的讨论。我被要求激励它的使用，看看它的优点和缺点，所以我能读到的任何论文或资料都会很感激。
浏览 2提问于2017-06-14得票数 2
我正在阅读人们对DCGAN的实现，特别是tensorflow中的。
鉴别器和生成器的损失似乎都不遵循任何模式。与一般神经网络不同，一般神经网络的损失随着训练迭代的增加而减少。如何解释GAN训练时的损失？
浏览 4提问于2017-03-09得票数 23
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
云直播活动推荐
腾讯云开发者
