我正在构建一个深度神经网络，我发现当在完全连接层中没有激活函数(softmax)时，我的网络收敛得更快。但是当我添加这个softmax函数时，收敛性真的很差，甚至在很高的损失中停止。顺便说一句。我使用交叉熵损失作为损失函数，使用rmsprop作为优化器。Ne
浏览 84提问于2020-06-26得票数 0
我已经训练了支持向量机，细胞神经网络和神经网络上的UCF-101数据集，支持向量机和神经网络使用CSV文件的色调和LBP的特征，而CNN使用的分类图像和我想结合{支持向量机和CNN}和{ANN和CNN我已经提取了数据集中的每个视频的第一个关键帧，然后计算它的LBP histogram.Used它作为图像的特征，
浏览 87提问于2019-05-15得票数 0
1回答
CNN的反向传播训练
、、、、
我以前在浅层(一层或两层)神经网络中工作，所以我对它们的工作原理有一定的了解，在训练过程中很容易直观地看到向前和向后传递的导子，目前我正在研究深层神经网络(更确切地说，是CNN)，我读过很多关于它们的训练的文章，但我仍然无法理解CNN训练的总体情况，因为在某
浏览 4提问于2016-07-11得票数 2
2回答
我所看到的所有样本和文章都有1或更少的输出。有没有一个隐藏的原因，为什么没有人使用NN来产生更高的值整数？我的情况是，我想要NN来预测确切的结果值，而不是a -1。如果我有一个神经网络，有4个输入，1个输出，第一轮输入: 51,22,35,43输出: 847第二轮输入: 25,31,46,29
浏览 0提问于2017-11-17得票数 2
来自PyTorch's official tutorial的示例具有以下ConvNet。我的理解是，输出层使用softmax来估计图像对应的数字。为什么代码没有softmax层或全连接层？
浏览 93提问于2020-04-11得票数 1
1回答
嗨，我正在做一个简单的卷积神经网络(图片附在下面)。输入映像为5x5，内核为2x2，它经历了一个ReLU激活函数。在ReLU获得最大的2x2池池后，这些池就会被平化，并连接到完全连接的层中。一旦通过完全连接层，输出被转换为Softmax概率。我已经通过网络进行了传播，现在正在执行反向传播步骤。取交叉熵和softmax的<
浏览 0提问于2020-07-22得票数 2
回答已采纳
我正在使用VGG16训练神经网络来识别3个类别，但我没有任何固定的图像大小(对于m x n，m，n<300的图像，我所知道的就是这些)。所以我将输入层的input_shape设置为(None, None, 3)。问题是如何从3个维度(行、列、通道)下降到一个维度
浏览 5提问于2018-06-06得票数 0
我正在研究matlab，并尝试使用上面引用的预训练模型作为特征提取器。在Alexnet和vggnet中，完全连接层很清楚是哪个名字叫'fc7‘，但在googlenet/resnet50/resnet101/inception v2 v3中就不清楚了，有人能给我指点一下吗？另外，这些模型中的特征大小是多少，例如在alexnet中是4096？
浏览 34提问于2019-05-22得票数 1
1回答
我正在用keras做一个语言模型。基本上，我的词汇量N是30.000，我已经在它上训练了一个word2vec，所以我使用嵌入，然后是LSTM，然后我用一个完全连接的层来预测下一个单词，然后是softmax。'))
model.compile(loss="categorical_crossentropy", optimizer="rmsprop")
浏览 3提问于2016-08-25得票数 5
我正在为一个类项目实现一个神经网络，我想知道是否有可能在不使用softmax的情况下使用神经网络进行多类分类？当我问助教关于这一点时，他说拥有多个输出层在数学上是不合理的，但后来我看到Andrew Ng在他的UFLDL自动编码器教程中包含了一张具有多个输出的神经网络的图片，然后我</e
浏览 1提问于2012-11-27得票数 2
在测量CNN的准确性时，我明白我应该使用softmax层(预测标签)的输出来标记目标。但是，即使我将逻辑(根据我的理解，这是最后一个完全连接层的输出)与目标标签进行比较，我也获得了几乎相同的准确性。,tf.float32))
而y_pred是最终正常全连通层
浏览 0提问于2018-05-24得票数 1
回答已采纳
我在图像分类和张量流方面相当新手，并一直在从事一个自我教育的小玩具项目。这是一个图像分类项目，将汽车照片分类为16个不同的类别。我正在尝试做的是找出我是否能分辨出汽车的图像是直接对准摄像头拍摄的，还是在车辆周围16个辐射点中的任何一个处拍摄的。这应该是一个相当简单的图像分类问题。本质上，我所做的是将图像输入神经网络，该神
浏览 1提问于2018-10-06得票数 0
1回答
我正在使用LSTM模型进行多类分类。一个样本是20帧数据，每个帧有64个红外信号，因此每个20×64维矩阵信号被转换成一个1×1280维向量(一个样本)。LSTM的输入层有1280个节点。然后，我需要构建以下LSTM模型：
隐藏层中的节点数为640，每个隐藏层节点连接到具有100个反向节点的全连接层，并且在全<
浏览 3提问于2022-05-20得票数 0
1回答
你们有没有试过用浅层神经网络分类器来比较TF-下手特征*的性能，而不是像RNN这样的深层次神经网络模型，它的输入层旁边有一个嵌入层作为权值？我在几个tweet数据集上尝试了这一点，得到了令人惊讶的结果: tried和RNN的f1评分分别为65%和45%。我尝试了安装嵌入层+浅全</em
浏览 0提问于2018-10-31得票数 6
回答已采纳
1回答
在MLP和CNN中的不同模型性能
、、、、
我正在尝试几何形状分类。我的数据集是100x100px阈值的正方形、圆圈和三角形的黑白图像，每个形状分别为3000和1000张。它们看起来像这样：
但我将它们作为csv文件获得，其中每一行是图像的一维表示，最后一列是标签。
print('acc
浏览 0提问于2018-02-27得票数 0
回答已采纳
针对中的MNIST数据集，对2层隐层的全连通深神经网络进行了分类。
我想在两个隐藏层中使用tanh作为激活，但最后，我应该使用softmax。为此，我选择了nn.CrossEntropyLoss() in PyTOrch，它(正如我所发现的)不想使用一个热编码的标签作为真正的
浏览 0提问于2019-04-14得票数 30
回答已采纳
1回答
我是使用Pytorch进行深度学习的新手。我对Tensorflow更有经验，因此我应该说我对深度学习本身并不陌生。
目前，我正在做一个简单的ANN分类。只有2个类，所以我很自然地使用Softmax BCELoss组合。，在应用此zero_grad之后，所有批处理的每次迭代后，硬权重都是非零的。我得到的F1分数只有50%左右！当我
浏览 0提问于2021-02-27得票数 0
1回答
在Andrew的深度学习课程中，我看到了一种在图像上定位单个对象的方法：。据我所知，例如，你可以将一个点绑定到物体的特定部分，以坐标: x，y作为标签y，并训练CNN。我想训练一个CNN神经网络来定位我的眼睛(而不是鼓掌)。我拍了200张我的照片:60×60像素的灰度。我标出
浏览 0提问于2019-01-03得票数 3
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
