1回答
我正在使用pytorch RNN模型训练一个模型，并且有多个csv文件可供训练和推断。如果我训练文件#1并对文件#1进行推断，我会得到大约100%的准确预测。如果我在文件#1上进行训练，并根据文件#4或文件#2进行推断，那么准确率会下降到~80%。下面是我正在做的事情： 1.Instantiate model.train() and run train data through the rnn mo
浏览 22提问于2021-06-30得票数 0
回答已采纳
2回答
弄清楚损失和精确曲线
、、、、
这是我一次又一次遇到的问题。损失(在这种情况下是交叉熵)和不合理的精确图。下面是一个示例：在这里，我正在CIFAR10上训练一个CIFAR10。最初，这些曲线都很好，很好；这意味着训练和验证损失在减少，准确性也在增加。现在有两件事对我来说没有意义：
在120 (其中LR减少)之后，val。损失和<em
浏览 0提问于2020-08-19得票数 3
1回答
提高CNN图像分类精度的方法
、、、、
我目前正在做一项图像分类任务，涉及到大量的动画灰度图像数据集，我的CNN需要对它们进行分类。Atm模型的测试精度约为88%，但我知道较高的精度是可能的。我试过：
我也
浏览 2提问于2021-08-01得票数 0
我有大量的数学，我需要努力来评估我的神经网络的损失和准确性，其中大部分我不知道如何在tensorflow中执行，因为复杂的索引挑战。我的神经网络由一个RNN组成；由于RNNs的性质，如果我选择通过在tensorflow之外计算的上一次迭代的损失/准确性，并使用它作为损失指示符而不是当前的迭代，那么性能
浏览 0提问于2018-02-12得票数 0
回答已采纳
2回答
我给小批量数据建模，我只想知道如何处理损失。我能不能累积损失，然后召唤落后的人，比如： loss.backward()或者，使用平均损失，就像tensorflow中的reduce_meanloss.backward()
浏览 0提问于2019-03-27得票数 5
我打算在网站上提供pytorch模型(Resnet18)。我不认为服务器(Heroku)可以处理这种计算。
浏览 7提问于2021-09-19得票数 0
1回答
评估ML生成模型(文本)的优劣
、、、、
以一个RNN网络为例，它以莎士比亚为素材，生成类似莎士比亚的文本。问:哪种系统方法可以用来改进生成模型(文本)？
浏览 0提问于2021-09-25得票数 0
回答已采纳
我一直在尝试更好地理解RNN，并且正在使用numpy从头开始创建一个RNN。我在计算损失的时候，有人建议我不要用梯度下降和权重矩阵来更新自己，而是使用pytorch .backward函数。我开始阅读这里的一些文档和帖子，介绍它是如何工作的，似乎它将计算火炬张量在函数调用中包含requires_grad=True的梯度。
因此，除非创建火炬张量，否则我无法使用.backward。当我试图在损
浏览 9提问于2022-07-20得票数 0
2回答
我的训练损失平稳地减少了，这是预期的行为。然而，我的验证损失显示出很大的波动。这是我应该担心的事情，还是我应该选择在我的业绩衡量(准确性)上得分最好的模型？附加信息:我正在微调一个Resnet-18的最后一层，它是在ImageNet数据上接受过PyTorch预培训的。我必须指出，我在训练阶段使用了一个加权损失</e
浏览 0提问于2018-05-02得票数 10
回答已采纳
我刚开始使用Pytorch DstributedDataParallel()，但我发现大多数教程都在培训期间保存了本地排名为0的模型。例如，在第252行的pytorch 教程中：
if not args.multiprocessing_distributed or (args.multiprocessing_distributed据我所知，DistributedDataParallel()将自动将所有的损失减少到后端，而无需做任何进一步的工作，每个进程
浏览 4提问于2020-04-05得票数 7
回答已采纳
1回答
我正在Tensorfow 2.0.0-α0上运行一个文本生成模型(RNN)，即使在拟合该模型时得到了损失度量，但在插入精度时会出现以下错误：
def loss(labelsexample_batch_
浏览 0提问于2019-04-27得票数 0
回答已采纳
虽然这是一个典型的用例，但在通过RNN发送时，我找不到一个简单而明确的指南来说明在pytorch中计算填充小批量的损失的规范方法是什么。我认为一个规范的管道可能是： 1) pytorch RNN需要形状的填充批量张量：(max_seq_len，batch_size，emb_size) 2)所以我们给出一个嵌入层，例如这个张量： tensor批次中的序列是降序<em
浏览 18提问于2019-12-12得票数 2
回答已采纳
我正在尝试自己使用循环而不是nn.rnn模块来创建一个RNN。但我仍然想使用pytorch的backward进行反向传播。我们能不能只创建一个正态列表，并将其附加到每个预测中？或者这将不允许反向传播？
浏览 18提问于2020-03-10得票数 1
回答已采纳
1回答
我已经构建了一个模型类，我可以在其中适合各种模型，一个简单的RNN，一个LSTM RNN，目标是添加更多的模型。历史记录存储在self.<model>_history中。我希望能够绘制训练和验证准确性的图表： self.<model>_history.history['accuracy']和self.<model>_history.history['val_accura
浏览 21提问于2021-07-01得票数 0
回答已采纳
1回答
Pytorch LSTM与交叉熵
、、、、
我的工作是情绪分析，我想把输出分为4类。对于loss，我使用的是我的批次大小为12，序列大小为32。import torch.nn as nn
def __init__(self, hidden_dim = 256, input_size = 32
浏览 2提问于2021-05-14得票数 1
Out标签数据严重倾向于0类，这大约占数据的95%，而我们的类1仅占5%。在这种情况下，我们应该如何构建我们的损失函数？loss = loss_fn(targets, cell_outputs, weights=2.0, label_smoothing=0)
然而，不仅损失没有下降，还增加了数据集的最终准确性。好吧，也许我误解了，应该是< 1.0，我尝试了一个较小的数字。这并没有改变什么，我得到了几乎相同的损失
浏览 1提问于2018-04-13得票数 3
回答已采纳
我的目标是建立一个预测下一个角色的模型。我已经建立了一个模型，下面是我的训练循环： loss.backward()如您所见，我只返回模型的预测因此，替代方案是：pred,cell_s
浏览 3提问于2020-12-28得票数 0
回答已采纳
1回答
令我惊讶的是，当使用完全相同的图像进行训练时，损失如预期的那样接近于0，但当评估相同的图像时，损失要高得多，并且随着训练的继续，损失会不断增加。因此，当使用training=False时，分割输出是垃圾，但是当使用training=True运行时，分割输出是完美的。正如你所看到的，loss和eval_loss确实是不同的
浏览 37提问于2020-11-05得票数 2
回答已采纳
1回答
目标:使用这两个数据集，在发生了任意数量的事件后，可以触发警报，我想预测下一次警报何时会出现。方法:不过，我对这个方法有点困惑。这就像时间序列数据。使用RNN是最好的方法还是有其他方法？
谢谢
浏览 0提问于2022-04-11得票数 1
回答已采纳
假设我试图在PyTorch中训练一个RNN语言模型。假设我迭代一批单词序列，并且每个训练批次张量具有以下形状：我的问题是，在每个序列中只使用最后一个单词作为目标标签有什么区别：y = data[:,-1]vs将目标设置为整个序列向右移动：
X
浏览 6提问于2020-06-08得票数 0
回答已采纳
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
