Keras的损失在模型之间存在数量级的差异，这意味着什么？
Keras的损失在模型之间存在数量级的差异，意味着不同模型在训练过程中对于损失的计算结果可能会有很大的差异。
这种差异可能是由于不同模型的架构、参数设置、数据集等因素导致的。具体来说，当使用不同的模型进行训练时，由于模型的结构和参数不同，每个模型对于输入数据的处理方式也会有所不同，从而导致损失的计算结果存在数量级的差异。
这种差异可能会对模型的训练和评估产生影响。首先，损失的数量级差异可能会导致模型在训练过程中收敛速度的差异，某些模型可能会更快地收敛到较低的损失值，而其他模型可能需要更长的时间才能达到相同的损失值。其次，损失的数量级差异也可能会影响模型的泛化能力，即模型在未见过的数据上的表现。如果某个模型的损失数量级较小，可能意味着该模型在训练数据上过拟合，对于新的数据可能无法很好地进行预测。
针对这个问题，可以考虑以下几点解决方案：
- 调整模型的架构和参数，尝试不同的配置，以找到更合适的模型设置，从而减小不同模型之间损失的数量级差异。
- 对于损失数量级差异较大的模型，可以考虑增加正则化项或者使用其他的优化算法来调整模型的训练过程，以提高模型的泛化能力。
- 在模型训练和评估过程中，除了关注损失值，还应该综合考虑其他指标，如准确率、召回率等，以全面评估模型的性能。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/ai）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链（https://cloud.tencent.com/product/baas）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iot）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpp）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云网络安全（https://cloud.tencent.com/product/ddos）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
- 腾讯云元宇宙（https://cloud.tencent.com/product/vr）
相关·内容
我现在使用Keras来训练我的LSTM模型来解决时间序列问题。我的激活函数是线性的，优化器是Rmsprop。然而，我观察到的趋势是，当训练损失缓慢减少时，在一个较小的值附近波动，验证损失在很大的方差上上下跳跃。
因此，我提出了两个问题: 1.验证性损失是否影响培训过程？2.如何使模型更稳定，从而使模型返回一个更稳定的验证损失值？
谢谢
浏览 6提问于2017-08-21得票数 0
1回答
我有一个神经网络，在Keras和scikit中都实现了一个隐藏层--学习来解决回归问题。在scikit- learning中，我使用了具有大多数默认参数的MLPregressor类，而在Keras中，我有一个隐藏的密集层，参数设置为与scikit相同的默认值--学习(它使用相同的学习速率和epsilon以及batch_size为200)。当我训练网络，科学学习模型有一个损失值约一半的角和它的准确性(测量的平均绝对误差)也更好。如果损失值不完全相同，那么损失值不应该是相似的，而且精确性也应该相似吗？有没有人经历过类似的事情，并能够使Keras模型更精确？
Scikit-学习模式：
clf = M
浏览 6提问于2021-06-30得票数 2
回答已采纳
我正在尝试使用带有imagenet权重的相关VGG19来预测图像类(0,1)。到目前为止，我的代码如下： batch_size_train=32
batch_size_test=32
num_train=1688
num_test=310
num_of_epochs=10
def create_generator(img_path, batch_size):
data_gen_args = dict(rescale=1./255,
rotation_range=90)
img_datagen = ImageDataGener
浏览 30提问于2020-10-23得票数 0
回答已采纳
2回答
我有一个np数组，类似于0-1的一热编码。对于每个样本，我总是有15个0和5个1。我怎么做才能让它只预测5个1和15个0呢？我正在使用keras库，有没有一个设置可以让我的模型准确预测15个0和5个1？
-
input =0 0 0 1 0 1 0 0 1 0 0 1 0 0 0 1 0 0 0 1 0 0 0
#Building RNN
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from keras.layers import Dropout
浏览 0提问于2019-08-29得票数 1
我见过一些帖子在一对一的样本上谈论Keras模型的训练.我也从这些帖子中了解到，Keras模型将更新模型权重，即使是在逐个训练的基础上。那么，在这种情况下，现在的问题是，我们如何提供验证拆分，以及我们如何绘制模型的验证图，因为我们不是将整个数据集提供给我们的模型，而是逐行提供数据集？
reduce_lr = tf.keras.callbacks.LearningRateScheduler(lambda x: 1e-3 * 0.90 ** x)
model.compile(optimizer=keras.optimizers.Adam(clipnorm=1.0, clipvalue=0.5),
浏览 1提问于2021-08-14得票数 1
回答已采纳
1回答
我正在尝试使用MLP进行二进制分类，方法是输出一个2神经元密集层，并将softmax作为其激活函数。但是我总是得到预测的类。
那么我到底做错了什么呢？
请注意，这是我的主神经网络的较短版本。
inp = tf.keras.layers.Input(shape = (len(feat_cols),))
x = tf.keras.layers.Dense(32, activation = "relu")(inp)
out = tf.keras.layers.Dense(2, activation= "softmax")(x)
model = tf.keras.mod
浏览 6提问于2021-02-27得票数 0
我一直在尝试用TensorFlow概率进行一些实验，我有几个问题。
KL损失系数的合适值是多少？
1. In the paper by Blundell (2015), the coefficient is set to `1/M` (where `M` is the number of mini-batches). In the example given by TFP, the coefficient is given as `1/mnist_data.train.num_examples`. Why?
2. As I go from 2d input to 3d images
浏览 1提问于2019-11-14得票数 1
回答已采纳
我正在用keras建立一个简单的机器学习模型。我希望建立模型来进行标量回归。我所建立的模型在经历了大约9个时代之后，在训练损失上达到了惊人的收敛速度。训练数据包括约84000个由6个特征组成的例子。
我运行的模型为100个时代，批量大小为250。我正在使用一个验证集，它是训练集的20%。
因为我在我的本地机器上运行这个(单CPU，没有GPU)，所以我希望它需要更长的时间才能收敛，这有什么原因吗？
下面是模型的定义：
def regression_model():
model = keras.Sequential()
model.add(layers.Dense(64, act
浏览 2提问于2019-04-03得票数 1
回答已采纳
1回答
我试图构建一个有两个输入和两个输出的模型。模型的结构如下所示。我想构建一个由两部分组成的客户损失函数：'d_flat‘和't_flat’之间的差异，以及'perdict‘层的分类交叉损失。模型是这样的：
initial_input_domain=tf.keras.Input(shape=(36,36,3))
initial_input_target=tf.keras.Input(shape=(36,36,3))
vgg_base=tf.keras.applications.VGG19(include_top=False,#weights='imagenet&#
浏览 0提问于2020-09-21得票数 2
大家好，我尝试使用以下代码将我的模型从.h5(keras)转换为.tflite
import tensorflow as tf
keras_model = tf.keras.models.load_model("model06.h5")
converter = tf.lite.TFLiteConverter.from_keras_model(keras_model)
tflite_model = converter.convert()
with open('model06.tflite', 'wb') as f:
f.write(tfl
浏览 34提问于2021-05-12得票数 0
我试图通过Tensorflow编写一个具有自定义丢失功能的Keras 2 LSTM：
model.compile(loss=in_top_k_loss, optimizer='rmsprop', metrics=[bin_crossent_true_only, 'binary_crossentropy', 'mean_squared_error', 'accuracy'])
我的培训集有不同大小的时间维度的示例，因此我使用train_on_batch，其中每个批只包含具有相同时间维度的实例。批次大小是256。以下代码在第一个时代(
浏览 0提问于2017-04-20得票数 2
回答已采纳
我有一个Keras模型，最后一行如下：
model.compile(loss='categorical_crossentropy', metrics=['accuracy'], optimizer='adam')
在培训过程之后，我希望在另一个代码中加载评估模型。我正在用以下方法生成一个预测和地面真相：
y_predict = model.predict_generator(generator = testing_generator, steps=steps,verbose=0)
y_true = np.asarray(feature_extra
浏览 5提问于2019-12-10得票数 2
我创建了一个自定义丢失函数，如下所示：
import tensorflow.keras.backend as K
def custom_loss(y_true, y_pred):
y_true = K.cast(y_true, tf.float32)
y_pred = K.cast(y_pred, tf.float32)
mask = K.sign(y_true) * K.sign(y_pred)
mask = ((mask * -1) + 1) / 2
losses = K.abs(y_true * mask)
return K.sum(l
浏览 3提问于2020-08-05得票数 1
回答已采纳
1回答
我在教一辆车在电子游戏里自动驾驶。我把它作为一个回归问题来处理，输出值在-1到1之间。
在做了一些研究之后，看起来resnet50模型可能是一个很好的起点.但是阅读keras文档，它显示了指定类的数量。
它能用于回归吗？
或者我应该把它作为一个分类问题来处理，并将转向范围分成几个类别？
浏览 0提问于2019-02-05得票数 0
回答已采纳
1回答
我目前正在研究数据科学，ML，特别是神经网络(来自“纯”软件工程背景/学位)。我在一些经典数据集上做了一些模型，比如MNIST和MNIST时尚，这些模型工作得很好，并且想把一个更困难的问题作为一个挑战来解决:体育/足球预测。我发现了一些论文，其中已经尝试了使用深度神经网络，其结果达到了0.65到0.7的准确度。这也是我想达到的水平。然而，我不能得到我的模型以上约0.507的准确性。我所做的是：
我有世界各地联赛(英超、德甲等)数千家俱乐部的数据集。从过去的10个季节。作为输入数据，我使用以下内容：
比赛的平日
季节(年份)
第二轮
联盟id (一个热编码)
夜间比赛(是/否)
场地id (一个
浏览 0提问于2022-08-15得票数 0
1回答
我有一堆小的神经网络(比如，5到50个前馈神经网络，每个网络只有两个隐层，每个层有10-100个神经元)，它们只是在权值初始化上有所不同。我想用相同的小数据集(例如10K行)对它们进行训练，批量大小为1，目的是通过对结果进行平均处理，将它们组合成一个集合。
现在，我当然可以在TensorFlow/Keras中将整个集成构建为一个神经网络，如下所示：
def bagging_ensemble(inputs: int, width: int, weak_learners: int):
r'''Return a generic dense network model
浏览 0提问于2019-08-30得票数 3
我正在尝试用Python语言训练一个非常简单的TensorFlow后端的Keras模型。
我知道在训练时在控制台中显示的时期损失是为了效率而‘即时’计算的，因此不一定是中间模型的真实损失。但据我所知，如果每个时期只有一批就是整个训练集，那么它们实际上应该是。这种期望的原因是，在这种情况下，模型的权重只在每个时期结束时更新一次，这意味着在计算时期的损失时模型不会改变。
不幸的是，即使我将批量大小设置为训练集的大小，最佳时期的损失也不同于根据ModelCheckpoint-callback的最佳模型的损失。
有人能给我解释一下这种行为吗？ModelCheckpoint-callback是否也只计算
浏览 0提问于2018-12-28得票数 0
我使用BinaryCrossentropy既是损失，也是度量之一：
model.compile(
optimizer=tf.keras.optimizers.Adam(learning_rate=1e-5),
loss=tf.keras.losses.BinaryCrossentropy(),
metrics=[tf.keras.metrics.BinaryCrossentropy(), tf.keras.metrics.AUC()])
既然它们是同一件事，我认为它们应该产生同样的结果。然而，在训练集和验证集上显示的值略有不同。为什么会这样呢？BinaryCross
浏览 2提问于2020-05-15得票数 1
回答已采纳
2回答
我读到了TensorwFlow (tf)用户文档中的最小平方错误(MSE)。
当我硬编码MSE并打印计算出的每个损失时，我观察到一个与tf报告的值不同的值。
import numpy as np
import random
import tensorflow as tf
from tensorflow import keras
m = 200
n = 5
my_input= np.random.random([m,n])
my_output = np.random.random([m,1])
def obj(y_true,y_pred):
loss = tf.keras.
浏览 1提问于2021-10-19得票数 4
回答已采纳
1回答
在评估为下面的回归问题合成的训练模型的过程中，我在绘制结果history时有些困惑。特别是当我不考虑任何metrics时 import pandas as pd
import matplotlib.pyplot as plt
import tensorflow as tf
from sklearn.datasets import fetch_california_housing
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
hou
浏览 32提问于2021-05-06得票数 0
回答已采纳
1回答
Keras:损失不断增加
、、、、
代码：
import keras
import numpy as np
x = []
y = []
for i in range(1000):
x.append((i/10.0))
y.append(2.71828 ** (i/10.0))
x = np.asarray(x)
y = np.asarray(y)
x = x.T
y = y.T
model = keras.models.Sequential()
model.add(keras.layers.Dense(1, input_dim=1, activation='relu'))
model.ad
浏览 0提问于2017-11-23得票数 1
添加dropout层使val损失保持在低于训练损失的水平，在这段时间内有一个恒定的泛化差距是例外的吗？ ? 架构如下： tf.keras.layers.CuDNNLSTM(1024,input_shape=(9,41),return_sequences=True) ,
tf.keras.layers.BatchNormalization(),
tf.keras.layers.Dropout(0.4),
tf.keras.layers.CuDNNLSTM(512, return_sequences=True),
tf.keras.layers.BatchNormalization(),
t
浏览 16提问于2019-06-19得票数 0
有时我在数据上遇到麻烦，当我重新启动fit (使用shuffle=true)时，我有时会得到一个很好的匹配。
见我先前的问题：
为什么我的模型有时不能很好地从相同的数据中学习？
作为一个工作周围，我想要自动重启的拟合过程，如果损失是高后x期。我怎样才能做到这一点？
以下是一个简化的结构：
def train_till_good():
# Some loop around train()
def train():
load_data()
model = VerySimpleNet2();
checkpoint = keras.callbacks.ModelC
浏览 0提问于2019-11-04得票数 0
最近我在玩Kaggle中的叶子分类问题。我见过笔记本电脑。但当我尝试使用Tensorflow构建相同的模型时，它产生的精度很低，损失变化很小。下面是我的代码：
import tensorflow as tf
import numpy as np
import pandas as pd
from sklearn.preprocessing import scale,StandardScaler
#preparing data
train=pd.read_csv('E:\\DataAnalysis\\Kaggle\\leaf\\train.csv',sep=','
浏览 16提问于2017-01-20得票数 1
回答已采纳
在我的keras中添加自定义丢失函数@tf.function后，keras模型停止加载(似乎保存模型，但不能重新加载模型)。文件显示这很简单但是..。
各种这样的答案表明，使用一个Keras版本训练的模型不能加载到其他Keras版本中。因此，我卸载了Keras 2.4.3 (从Anaconda env)，以避免任何混淆，并试图仅使用Tensorflow-keras建模和保存/加载。
所以，现在尝试保存一个Tensorflow-keras模型，然后再加载该模型，但是不会重新加载各种错误(如下)。环境是Anaconda3 python3.8 (带有Keras2.4.3，然后卸载它)和Tensorf
浏览 4提问于2020-11-26得票数 2
回答已采纳
对于一个特定的问题，我想对Keras模型中一个层的过度兴奋的激活进行正则化。因此，我创建了一个基于高于特定阈值的激活值的自定义丢失。
损失会出现，但不会被优化器减少。只有分类损失被最小化。
使用最新版本的tensorflow 2.0与Keras一起构建模型。我当前的尝试添加了第二个输出，其自定义丢失依赖于特定的层。我已经尝试提供损失作为第二个输入，并将它添加到密集损失，这给了我同样的结果，定制损失没有最小化。
我认为无法计算第二个损失的梯度，但我在PyTorch中有一个工作示例，其中这似乎是可行的。
import tensorflow as tf
import numpy as np
fro
浏览 9提问于2019-10-16得票数 2
回答已采纳
8回答
假设下面是一个用于解决回归问题的数据集：
H -9.118 5.488 5.166 4.852 5.164 4.943 8.103 -9.152 7.470 6.452 6.069 6.197 6.434 8.264 9.047 2.222
H 5.488 5.166 4.852 5.164 4.943 8.103 -9.152 -8.536 6.452 6.069 6.197 6.434 8.264 9.047 11.954 2.416
C 5.166 4.852
浏览 23提问于2022-02-19得票数 2
回答已采纳
我是机器学习的新手，我想我会从科拉斯开始。在这里，我将电影评论分类为三类(正为1，中性为0，负为-1)，使用二进制交叉熵。所以，当我试图用tensorflow估计来包装我的keras模型时，我得到了误差。
守则如下：
import tensorflow as tf
import numpy as np
import pandas as pd
import numpy as K
csvfilename_train = 'train(cleaned).csv'
csvfilename_test = 'test(cleaned).csv'
# Read .csv
浏览 3提问于2020-08-12得票数 2
回答已采纳
1回答
验证和测试的准确性差别很大
、、、、
我目前正在处理kaggle中的一个数据集。在训练了训练数据的模型后，我在验证数据上对其进行了测试，得到了0.49左右的准确率。
然而，相同的模型在测试数据上的准确率为0.05。
我使用神经网络作为我的模型
那么，发生这种情况的可能原因是什么，以及如何开始检查和纠正这些问题？
浏览 3提问于2018-02-10得票数 10
回答已采纳
1回答
我在tensorflow中有一个简单的模型，它被训练在MNIST数据集中的前1000幅图像上。根据我以前的经验，我使用的学习率约为0.001，但是为了使我的模型收敛，学习速度需要大大提高，至少要大于1。模型如下。
def gen_model():
return tf.keras.models.Sequential([
tf.keras.Input(shape=(28,28,)),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(128, activation='sigmoid
浏览 6提问于2022-08-23得票数 -1
回答已采纳
tf.keras.model.predict()生成超出给定数据范围的值是否正常？ 我从model.predict()得到了一个负值。模型中使用的目标预测列的数据仅由1或0组成。我原本期望model.predict()生成一个介于0和1之间的值。 当我将新的相似数据放入model.predict()中以尝试获得分类时，我通常会得到一个小于0或大于1的值。我是否应该认为这意味着所有大于0.5的值都更有可能是1，值越高，它就越有可能是1？ 下面是我的代码： epoch_count = 1
model = tf.keras.Sequential([
featur
浏览 56提问于2020-05-01得票数 1
回答已采纳
我有以下Keras/TensorFlow代码：
my_initializer = keras.initializers.RandomNormal(mean=0.0, stddev=0.05, seed=1)
my_model = keras.models.Sequential([
keras.layers.Dense(200, kernel_initializer=my_initializer, bias_initializer=my_initializer, activation="relu",input_shape=[len(features)]),
ke
浏览 0提问于2021-07-28得票数 0
回答已采纳
在keras的模型拟合函数中设置class_weights参数时，如下所示： model.fit(X_train, y_train, class_weight={0: 2.217857142857143, 1: 0.6455301455301455}) 我不确定用哪种方法将class_weight权重设置为正确的类： 是class_weight={0: 2.217857142857143, 1: 0.6455301455301455}还是class_weight={0: 0.6455301455301455, 1: 2.217857142857143 }？
浏览 328提问于2020-11-09得票数 1
回答已采纳
1回答
我正在使用Keras loss='binary_crossentropy'、optimizer=tf.keras.optimizers.Adam进行二进制分类，最后一层是keras.layers.Dense(1, activation=tf.nn.sigmoid)。
据我所知，loss值被用于评估训练阶段的模型。但是，当我将Keras模型评估用于测试数据集(例如，m_recall.evaluate(testData,testLabel) )时，也存在loss值，并伴随着类似下面的输出的accuracy值。
test size: (1889, 18525)
1889/1889
浏览 0提问于2018-11-27得票数 5
回答已采纳
我试图训练一个简单的神经网络，其中输入数据从matlab simulink仿真，然后输出反馈到一个不同的matlab simulink仿真。我的代码如下：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import random
def get_pid_values():
# call simulink mode
浏览 7提问于2022-09-28得票数 1
回答已采纳
我目前正在从事我的年级项目。该项目的主要目标是建立一个人工智能辅助库存系统。我目前的方法是使用神经网络来“教”系统如何根据其当前状态(当前库存)和伪随机需求来行为。网络的输入应该是当前的库存，网络应该输出公司应该订购多少特定的产品，以尽量减少由于库存和库存水平不足而造成的销售损失(模型不应该因为保持库存成本而输出疯狂的数量)。一次运行的输出应用于根据当前库存、当前需求和订单(输出本身)计算下一次运行的输入。我面临的问题是，我只需要一个初始状态(时间为0的库存)来训练模型，但是我不知道像这样设置Keras的任何方法。也许有人能为我指出一个有用的资源来解决这个问题。在我看来，我需要定义一个自定义丢
浏览 0提问于2019-07-31得票数 0
回答已采纳
我用metrics=['accuracy']编译了一个模型，得到的值总是高于验证精度val_acc。例如：
Epoch 19/20
53/53 [==============================] - 280s - loss: 0.3931 - acc: 0.8238 - val_loss: 0.5002 - val_acc: 0.7757
Epoch 20/20
53/53 [==============================] - 278s - loss: 0.3957 - acc: 0.8255 - val_loss: 0.5009 - val_ac
浏览 0提问于2018-07-14得票数 8
回答已采纳
1回答
这是同一个问题的扩展版本：
有人能向我解释为什么这些模型都得到了一个非常好的AUC，即使在第二个模型的损失应该是非常妥协，因为添加随机数？由于损失函数正确工作，我假设它与我如何通过重置种子来确保重复性有关，或者与一些我不明白的理论问题有关。
priv是我完整的自定义丢失函数所需要的额外输入，对于本例来说不是必需的。此外，我的全部损失功能不工作急于执行，所以我必须禁用它。
opt = tf.keras.optimizers.Adam(learning_rate=1e-04)
def binary_crossentropy1(y_true, y_pred):
bin_cross = tf
浏览 2提问于2022-01-21得票数 0
回答已采纳
我的Keras-Tensorflow模型的行为如下图所示。我可以看到训练和验证损失表现良好，但训练和验证的准确性相当不正常。我认为验证数据集可能比训练集更容易。因此，我得到了很高的验证准确率。我期待着你的善意的建议。
<code>B0</code>
浏览 16提问于2020-03-18得票数 0
回答已采纳
是否有一种方法可以在没有运行评估或适合的情况下，获得模型的损失，以及它当前的权重？
model = keras.Sequential([
keras.layers.Input(400),
keras.layers.Dense(25, activation=tf.nn.sigmoid, kernel_regularizer=regularizers.l2(lambd)),
keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
浏览 2提问于2019-09-17得票数 3
回答已采纳
就像这样：
x = keras.layers.Input(shape=(3,))
y = keras.layers.Dense(5)(x)
G = keras.models.Model(x, y,name='G')
G.compile(optimizer='rmsprop', loss='mse')
data_x = np.random.random((10, 3))
data_y = np.random.random((10, 5))
G.fit(data_x,data_y,shuffle=False,validation_data=[d
浏览 0提问于2018-03-08得票数 11
回答已采纳
我使用keras.preprocessing.image.array_to_img将数组数据(表示图像)转换为图像。然后，当我使用.save()时，我注意到数据被转换了。
我不知道为什么。
因此，我创建了一个简单的示例，结果证明array_to_img()确实做了一些意想不到的事情，或者我遗漏了一些东西：
from keras.preprocessing.image import image
import matplotlib.pyplot as plt
import numpy as np
array1=np.array([[[255,0,0],[100,0,0]],
浏览 397提问于2019-03-15得票数 1
回答已采纳
2回答
沃瑟斯坦损失可以是负的吗？
、、、、
我目前正在使用(大约) Wasserstein损失在keras中训练WGAN，如下所示：
def wasserstein_loss(y_true, y_pred):
return K.mean(y_true * y_pred)
然而，这种损失显然是负面的，这对我来说很奇怪。
我对WGAN进行了200个时期的训练，得到了下面的Wasserstein损失训练曲线。
上述损失按下式计算
d_loss_valid = critic.train_on_batch(real, np.ones((batch_size, 1)))
d_loss_fake = critic.train_on_ba
浏览 148提问于2019-07-19得票数 8
回答已采纳
5回答
我试图一步一步地理解Keras和LSTM。现在，我构建了一个LSTM，输入是一个句子，输出是一个由五个值组成的数组，每个值可以是0或1。
示例:输入句子：‘我讨厌cookie’输出示例: 0,0,1,0,1
为此，我使用了keras库。
现在我不确定我应该使用哪种丢失函数。现在，我只知道两个预定义的损失函数稍微好一点，这两个函数似乎都不适合我的例子：
二进制交叉熵:好的，如果我的输出只有0或1，分类交叉熵:好的，如果我有一个数组的输出，其中1和所有其他值为0。
对于我的例子来说，这两个函数都没有任何意义。你会用什么?为什么？
编辑
另一个问题:您会在Keras中使用哪种激活功能？
浏览 0提问于2019-02-23得票数 1
回答已采纳
1回答
我有一个Keras深度学习模型，输出6个变量。
model = Sequential()
model.add(Dense(32, input_dim=12, kernel_initializer='he_uniform', activation='relu'))
model.add(Dense(256, activation='relu'))
model.add(Dense(32, activation='relu'))
model.add(Dense(6, activation = 'linear'))
mode
浏览 6提问于2022-03-05得票数 0
1回答
我以Keras实现为例实现了一个变分自动编码器()。在绘制训练损失图时，我注意到这些内容与控制台中显示的不一样。我还看到，考虑到total_loss = reconstruction_loss + kl_loss，Keras示例中控制台中显示的丢失是不正确的。
控制台中显示的丢失不是total_loss吗？
我的VAE代码：
class Sampling(layers.Layer):
"""Uses (z_mean, z_log_var) to sample z, the vector encoding a digit."""
浏览 3提问于2021-01-06得票数 1
回答已采纳
我有一个TensorFlow回归模型。我不认为模型层的细节与这个问题有关，所以我跳过了。如果你觉得有用的话，我可以补充一下。
我使用以下代码进行编译。损失和度量是均方误差。
model.compile(
loss=tf.keras.losses.MeanSquaredError(), optimizer=tf.keras.optimizers.Adam(lr=0.001),
metrics=['mse']
)
现在，我运行以下代码来训练网络并对其进行评估。对模型进行了2个历次的训练，然后用evaluate方法对同一数据进行了评价，并用predict法和最小均方公
浏览 2提问于2021-04-05得票数 0
回答已采纳
简言之：
我已经训练过一个自动编码器，它的验证损失总是高于它的训练损失(见附图)。
我认为这是一个过度适应的信号。但是，我的自动编码器在测试数据集上表现良好。我在想，如果：
1)参照下文提供的网络体系结构，任何人都可以深入了解如何减少验证损失(以及验证损失如何可能大大高于培训损失，尽管自动编码器在测试数据集上的性能良好)；
2)如果培训和验证损失之间存在这样的差距实际上是一个问题(当测试数据集上的性能实际上很好时)。
详情：
我用Keras编码了我的深层自动编码器(下面的代码)。该体系结构为2001 (输入层)- 1000 - 500 - 200 - 50 - 200 - 500 - 100
浏览 1提问于2019-10-10得票数 0
2回答
如果我有类似这样的东西：
model = Model(inputs = input, outputs = [y1,y2])
l1 = 0.5
l2 = 0.3
model.compile(loss = [loss1,loss2], loss_weights = [l1,l2], ...)
Keras如何处理这些损失以获得最终的损失？是不是像这样：
final_loss = l1*loss1 + l2*loss2
另外，在培训过程中，这意味着什么？loss2是否仅用于更新y2所在层的权重？或者它用于模型的所有层？
浏览 1提问于2018-03-21得票数 63
回答已采纳
1回答
我试图用神经网络作为高维函数的插值器。
我们这样做是为了避免物理模型的需要，该模型精确地计算这个函数，但运行起来却很昂贵。我们有一个过去运行的这个物理模型的数据集，我们现在可以用它作为插值的基础。
输入是一个由28个参数值组成的集合。
我们试图估计的输出由432个周期函数的形状组成(即沿圆周的432个不同函数的值)。我们知道输出是由28个输入值唯一决定的，没有噪音。
例如，这里有一个周期函数。对于这个例子，它只采样了12个点(尽管在生产中，我们将对它进行更精细的采样，可能是一个圆周围的36个点)。
📷
我目前的神经网络Keras实现是：
输入层:28个单元(每个输入参数一个)
一个隐藏层:完全
浏览 0提问于2017-11-16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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
