1回答
我构建了一个MLP类型的网络来执行回归类型的分析。预测图如下所示。可以观察到，存在大量的噪声尖峰(或小值尖峰)。这是否有可能加强学习网络，以减少这些噪声(小)尖峰的数目，即相应点的输出值趋于为零。模型结构以及培训数据的大小如下所示
浏览 1提问于2018-05-13得票数 0
回答已采纳
1回答
卷积神经网络用于监督学习意味着模型在训练后总是“固定在一起”(体系结构和参数)，所以这可能是不可能的，但是在运行时对数据路径、模型大小(层数)和体系结构是否做过任何研究，例如在完成训练之后，创建一个可以在线修改以使用较少或更多资源最近在创建灵活的培训和网络设计框架方面做了一些工作，但这总是“离线”的。还有一篇有趣的论文，介绍了为同一应用程序培训两种模式，即“大”和“小”，并使用精确/电力交换策略来部署这两种模式中的一种。
浏览 0提问于2018-07-10得票数 4
我试图用NNTool在MATLAB上建立一个神经网络。我有一个庞大的数据集，有20多个样本。它有3个输入参数和1个输出。
浏览 1提问于2017-09-05得票数 0
回答已采纳
如果输入是一个n位整数，输出是k个类别之一，那么是否有关于网络需要多大的文献来学习一个任意的分类问题？我对当前训练和初始化技术在实践中所需要的理论界限和规模都感兴趣。具体来说，神经网络可以看到所有可能的输入和它们各自的输出，所以我不会对训练集隐藏任何东西，因为函数不被假定有任何结构。
浏览 0提问于2016-09-02得票数 5
1回答
我们希望定期测试我们的网络应用程序是否存在漏洞--我们有一个BurpSuite许可证，但是我们想研究使用在线解决方案的可能性。正如我们所看到的那样：以前有人用过这样的解决方案吗？使用本地应用程序(如BurpSuite )进行手工测试的经验如何？
浏览 6提问于2011-05-23得票数 1
回答已采纳
1回答
我从一个简单的线性回归风格的网络开始，它是用Tensorflow编写的，很大程度上是基于初学者教程的MNIST。有7个输入变量和1个输出变量，这些变量都是连续的。
浏览 0提问于2017-10-19得票数 1
回答已采纳
2回答
我的理解是，模型定义(比如给定的神经网络体系结构)必须包含在'.prototxt'文件中。当使用'.prototxt'对数据进行模型训练时，将权重/模型参数保存到'.caffemodel'文件中
此外，用于培训的'.prototxt'文件(包括学习速率和正则化参数)与用于测试/部署的文件(不包括它们有一个用于训练和一个用于测试的'.prototxt'是正确的，并且只有细微的差异(学习率和训练中的正则化因素)，但是nn结构(假设您使用了神经<
浏览 4提问于2016-01-24得票数 8
回答已采纳
1回答
我试图使用AlexeyAB darknet.But来检测图像中的对象，它只检测到2或3个object.It无法检测小对象(例如，hat)，.I正在使用以下命令：
.
浏览 0提问于2019-10-10得票数 0
回答已采纳
我正在使用多个cNNs在移动设备上运行。如果我从头开始创建这些cNNs (黑色n白色，256x256)，我能够生成一个大约10 on的二进制分类模型，这是一个在模型设备上工作的很好的大小。对于我仍然可以利用Keras传输学习并生成一个更小的模型(比如传递学习模式，即B&W)，有什么建议吗？def baseline_
浏览 0提问于2018-07-30得票数 0
1回答
使用带有Tensorflow后端的Keras，我正在尝试训练LSTM网络，在GPU上运行它比在CPU上运行要花费更长的时间。tensorflow-gpu 1.13.1 pypi_0 pypi
我的Cuda编译工具是9.1.85版本，我的CUDA和驱动程序版本是
浏览 0提问于2019-06-25得票数 4
回答已采纳
1回答
下面的代码是在Matlab中实现的。我想用分批算法训练感知器来分离这个可分离点。因此，为了做到这一点，我使用了adapt()函数，但它似乎不起作用。我的意思是，我的感知器无法将这些点按其应有的方式分类。它有一些根本没用的权数。另一方面，当我使用train()函数时，一切按照plan.The感知器能够准确地对点进行分类。有人能向我解释我的代码出了什么问题吗？提前感谢！for i = 1 : length(p)
if 2 * p(1,i) - p(2,i) + p(3,i) &
浏览 2提问于2015-04-21得票数 0
回答已采纳
4回答
我正在使用TensorFlow和Python构建一个神经网络，并使用Kaggle‘第一步与朱莉娅’数据集来训练和测试它。培训图像基本上是一组从谷歌街道视图中挑选出来的不同数字和字母的图像，来自街道标志、商店名称等。该网络有两个完全连接的隐藏层。然后，我尝试从我的输入数据中删除所有的‘A’，这时网络更改为只返回下一个最常见的输入类型(一个'E')。
那么，是否有办法阻止我的网络在局部最小值停止(不确定这是否是实际术语)？这是一个普通的神经网络问题，还是只是我的网
浏览 5提问于2016-06-15得票数 0
回答已采纳
给出了一个经过预先训练的ResNet152，尝试使用一些常用的数据集(使用PyTorch)来计算预测结果，而第一个想到的RGB数据集是CIFAR10。问题是，CIFAR10数据是3x32x32，ResNet期望3x224x224。我使用已知的transforms方法调整了数据的大小 transforms.Resize(256), transforms.ToTensor(),
t
浏览 7提问于2022-04-21得票数 0
回答已采纳
我的神经网络中所有神经元的值都被初始化为0，神经元之间的连接强度被设置为在0到1之间随机产生的浮动。然而，我看到其他人将它们的范围设置为0到.5。一个比另一个有什么好处吗？
浏览 0提问于2015-08-11得票数 2
我正在使用Python的Doc2Vec包中的gensim技术构建一个NLP问答应用程序。我的培训问题非常小，只有20个文档和我变得非常不准确和不同的相似之处，即使是同一文档运行在多个实例。我所提到的几乎所有的资料来源都是经过培训的数据集，里面有数千份文件。因此，我推断我的模型不准确的原因是我的数据集的大小。
是否有任何方法来改善文档之间的相似性，可能通过改变参数或特征工程？如果不是，有什么其他的方法或者其他的神经网络模型来解决这个问题？
浏览 0提问于2017-06-27得票数 0
1回答
我们使用Tensorflow来使用700 images来训练二值分类图像集，其中每个图像都是256*256*1，并且数据集被平分为两个类。我们在Cifar10上稍微修改了Tensorflow模型，模型的代码如下所示。with tf.variable_scope('conv1') as scope: shape=[5, 5, 1, 256],
浏览 11提问于2017-04-21得票数 2
回答已采纳
1回答
为非分类问题导入成批图像
、、、、
我试图做一个超分辨率的网络，但我在导入我自己的数据时遇到了困难。我有两种类型的图像:调整大小的图像(较小的)，原始图像。第一个将用作网络的输入，第二个将用于网络的培训。123, batch_size=batch_size)正常尺寸列车正常尺寸试验注意:当我为调整
浏览 3提问于2021-12-09得票数 0
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
