我是神经网络的大一新生，我在每一批中构建了一个vgg16 network.But，所有的输入都通向相同的outputs.So，我检查了每一层的输出，最后发现x=x.view(batch_size，-1)给出了相同的输出！我不知道为什么会发生这种情况。(batch_size,-1)
浏览 239提问于2021-03-23得票数 0
1回答
我根据链接训练我的模型。当我训练它时，它几乎达到了90%的精度。我正在使用vgg_bn_drop.lua模型，您可以在链接中找到该模型。但问题是，我不知道如何测试它的单个图像。所以，我想做的是，拍一张照片。假设图像的维数为3x32x32。通
浏览 4提问于2016-03-30得票数 4
回答已采纳
我在为我的模型进行训练迭代时遇到了问题。代码如下： super(Net, self).F.relu(x) #x = self.dropout(x)
x = x.view(-1,512*5*5) x = self.dropout(x)
浏览 2提问于2019-06-27得票数 3
回答已采纳
我有一个lstm，我用它作为序列发生器，训练word2vec向量.以前的实现为所有不同的标签产生了概率分布。词汇中的每个单词都有一个标签。这个实现使用了Pytorch的CrossEntropyLoss。我现在想改变这一点，以便lstm输出一个向量，其维数与用于训练的向量相同。通过这种方式，我可以使用euclydian距离度量来匹配词汇表中的附近向量。问题是，为了做到这一点，我必须使用不同的损失函数，因为CrossEn
浏览 1提问于2019-09-25得票数 0
回答已采纳
model.add(Dense(60, input_dim=60, kernel_initializer='normal', activation='relu')) 1155 147
ValueError: Error when checking target: expected dense_8 to hav
浏览 25提问于2019-11-19得票数 1
回答已采纳
在处理与问答(MRC)相关的问题时，我实现了两种不同的架构，它们独立地给出了两个张量(令牌上的概率分布)。这两个张量都是维度(batch_size,512)。我希望获得表单(batch_size,512)的最终输出。如何使用可训练权重组合两个张量，然后根据最终预测训练模型？编辑(附加信息)：
因此，在我的NN模型的前向函数中，我使用BERT模型对512个令牌进行编码。这些编码是768维的</
浏览 5提问于2020-06-21得票数 0
我正在阅读给出的逻辑函数的代码。我对函数的inputs和givens变量之间的区别感到困惑。计算小型批处理模型所犯错误的函数是： outputs=classifier.errors(y), x: test_set_x[index * batch_size
浏览 1提问于2014-11-12得票数 21
回答已采纳
1回答
我是凯拉斯的新手。我在凯拉斯周围玩，以获得一些直觉，并被困在这里。outputs = np.random.normal(size = (16,16,32))我只是想看看model.summary说的输出形状一个是输出形状，另一个是我的代码不能工作的原因。我希望有人告诉我我错过了什么。谢谢~
浏览 1提问于2020-07-31得票数 4
回答已采纳
def get_batches(arr, batch_size, seq_length): Return arr data as batches of shape (batch_size)/ n_chars)) except IndexErr
浏览 3提问于2020-07-15得票数 1
回答已采纳
输出得到一个无维！我所指的行是代码中的第134行：在对输出进行整形之后，我添加了这些行：这给了我这个：Model batch_size: 1</e
浏览 1提问于2016-03-22得票数 4
回答已采纳
我试着写些函数来做混淆训练。在这个上，我找到了一些代码，并适应了前面的代码。但在原始代码中，只为批处理(64)生成一个随机变量。但我想要每一张成批的照片的随机值。= x.size()[0]
return mixed_x, m
浏览 4提问于2020-05-10得票数 0
回答已采纳
我已经建立了简单的模型，但还没有尝试过类似于多层LSTM的东西，所以任何反馈都会受到极大的赞赏:)class Model():
def __init__(self, batch_size, seq_length, lstm_size, num_layer
浏览 3提问于2016-11-12得票数 1
回答已采纳
1回答
我正在尝试使用以下教程来理解Bahdanaus的注意：self.attention_units = attention_units我有两个问题：
我不明白为什么tf.nn.tanh(self.W1(last_inp_dec) + self.W2(input_enc))的形状是(batch_size利用矩阵乘法的规则，我得到了以下结果：
浏览 3提问于2020-08-05得票数 1
回答已采纳
1回答
自定义CNN给出了错误的输出形状
、、、、
我正在尝试做一个自定义的CNN，它应该接受一个通道的图像和做二进制分类。1), dilation=(1, 1)) self.fc1 = nn.Linear(x) x = self.conv2(x) x = x.view</
浏览 16提问于2020-08-29得票数 0
这是我在运行下面的代码时所遇到的错误x = Dense(13, activation = 'relu')(inp)def imageLoader(files, batch_size = 16):
浏览 0提问于2019-02-08得票数 0
回答已采纳
，因此我使用了一个二进制交叉熵损失：但是，我得到了一个错误： x = self.wave_block6(x) return x.squeeze()
我试着去掉挤压，但没有用我的批量是64。看起来我在做一些简单错误的事情。我的模型是否提供了1个输出
浏览 885提问于2021-05-20得票数 0
6回答
Keras致密层输出形状
、、、、
我无法理解获得第一个隐藏层的输出形状背后的逻辑。我列举了一些武断的例子如下；model.add(Dense(units=4,activation='linear',input_shape=(784,))) Non-trainable params: 0model.add(Dense(units=4,activation='linear',input_shape=(784,1
浏览 0提问于2020-05-02得票数 6
回答已采纳
我发现model.predict和model.predict_proba都给出了一个相同的2D矩阵，表示每行每个类别的概率。
这两个函数的区别是什么？
浏览 6提问于2016-11-23得票数 26
这是培训的主要代码： x = x.view(-1, 18*16*16)
x = self.fc2(x)在列车功能中，误差
浏览 7提问于2022-04-06得票数 0
回答已采纳
训练准确率和验证准确率接近0.87，但在测试部分，根据batch_size参数值的不同，使用evaluate()函数给出的结果波动较大。测试精度在0.5到0.66之间变化。evaluate的最佳batch_size值必须与fit()中的值相同
浏览 0提问于2019-07-29得票数 1
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
