1回答
我在Tensorflow中有一个net，我正在尝试在Keras中重新实现它。目前，与Tensorflow模型相比，Keras模型的表现完全不佳。与原始模型相比，损失要高得多，并且下降得更慢。我最好的猜测是我用错了优化器。在Tensorflow代码中，优化器如下所示：<em
浏览 17提问于2018-09-04得票数 5
(learning_rate=0.1, decay=decay), # in caso def __init__(self, initAlpha=0.1, factor=0.25, dropEvery=30):，我得到了&
浏览 44提问于2021-01-28得票数 0
回答已采纳
6回答
在我的模型以不同的学习速度训练后，我正在尝试改变它的学习速度。model.optimizer.learning_rate.set_value(0.1)model.optimizer.learning_rate= 0.1
K.set_value(model.optimize
浏览 9提问于2020-01-14得票数 41
回答已采纳
我在用这个.config文件训练CNN
rms_prop_optimizer：{ learning_rate：{ exponential_decay_learning_rate { initial_learning_rate: 0.004 decay_steps: 800720 decay_factor: 0.95 } momentum_optimizer_value: 0.9衰变: 0.9 ep
浏览 0提问于2018-08-19得票数 6
回答已采纳
我必须使用学习率预热，您可以使用学习率预热开始训练CIFAR-10的VGG-19 CNN，在前10000次迭代(或大约13个时期)中从0.00001到0.1%的学习率。然后对于剩余的训练，您使用学习率0.01，其中学习率衰减用于在80和120个时期将学习率降低10倍。该模型必须训练总共144个时期。如何在代码中同时使用学习率预热和学习率衰减？目前，我使用学习率衰减：
boundaries = [10
浏览 62提问于2020-08-02得票数 3
1回答
我正在学习示例，但我不确定调度器函数是如何同时接收时代和学习速率(lr)的。它们是怎么通过的？我怎样才能传递更多的论据呢？我试着遵循这个例子，并收到了一个错误，上面说调度程序收到了额外的参数"lr"，所以我不知道如何解决这个问题。
浏览 8提问于2021-12-14得票数 1
回答已采纳
我尝试使用optimizers.schedules.ExponentialDecay作为learning_rate到Adm的优化器，但我不知道如何在GradientTape中训练模型时传递“步骤”给它我使用tensorflow-gpu-2.0-alpha0和python3.6。initial_learning_rate = 0.1
lr_schedule = tf.keras.optimizers.schedules
浏览 22提问于2019-05-15得票数 3
= 0.001(2) optimizer = tf.keras.optimizers.Adam(lr=learning_rate, decay=1e-6)
model.compile(loss='mean_squared_error', optimizer=optimizer</
浏览 0提问于2019-02-20得票数 3
回答已采纳
2回答
如何更改配置的优化器train_config: { optimizer { learning_rate: { initial_lear
浏览 0提问于2019-05-16得票数 1
2回答
我希望有一个基于时间步长的自适应学习速度，而不是基于时间的学习速度，不像大多数调度程序是基于时间的。= CustomSchedule() opt = tf.keras.optimizers.Adam(self.learning_rate)
model = Model，如果我说的是step%100==0，那么学习率就会以learning_rate&
浏览 7提问于2020-12-31得票数 1
回答已采纳
在TensorFlow训练中，当使用配置文件中的动量优化器时，我可以设置步数。manual_step_learning_rate { schedule {没有这个选项 batch_size: 1 adam
浏览 15提问于2018-02-07得票数 1
2回答
由于保留了一对运行平均值，比如梯度的均值/方差，我想知道它应该如何正确地处理重量衰减。我看到了两种实施方法。
根据目标损失+正则化损失从梯度中更新均值/方差，并像往常一样更新权重。param.wd)*权重；//物料分配(out，req，权重-标量(param.l
浏览 8提问于2017-06-09得票数 24
回答已采纳
1回答
我在Keras中的DQN模型存在一些问题，这意味着尽管该模型运行，但在epsilon的单个和多个周期中，平均回报会随着时间的推移而减少。即使经过长时间的训练，这一点也不会改变。 ? ? 我的想法是，这是由于在Keras中使用MeanSquareError作为损失函数(最小化误差)。所以我正在尝试实现梯度上升(以最大化回报)。如何在Keras中</
浏览 47提问于2020-11-23得票数 0
回答已采纳
name="preds")([p1, p2])
#model.compile(loss=qloss, optimizer="adam", metrics=[score]) optimizer=tf.keras.optimizers.Adam(lr=tf.keras
浏览 86提问于2020-08-31得票数 0
我想打印出我的神经网络的每个训练步骤的学习率。
我知道Adam有一个自适应的学习率，但是有没有一种方法可以让我看到这一点(在tensorboard中可视化)
浏览 102提问于2016-05-03得票数 35
回答已采纳
我正在尝试通过修改Keras中的model.fit()来实现我自己的重量训练算法。我读过来自Keras的文章，它基于GANs很好地解释了这一点。不过，我现在面对的问题是：TypeError: compile() got an unexpected keywor
浏览 0提问于2020-06-30得票数 2
我很难理解当模型从磁盘加载时，当使用像下面这样的调度器时，训练将如何恢复。learning_rate_scheduler = tensorflow.keras.optimizers.schedules.ExponentialDecay(decay_steps=1000, staircase=True) 考虑这个假设的情况，我训练了一个时期
浏览 98提问于2021-03-01得票数 1
回答已采纳
我正在尝试导入Keras，但是我得到了以下错误：在这里调用导入：
from tensorflow import keras
浏览 3提问于2020-07-03得票数 66
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。有什么解决方案可以简单地保存模型，然后在tf 2.2.0中重新加载模型(使用Keras2.3.0
浏览 4提问于2020-11-26得票数 2
回答已采纳
1回答
我使用MLP进行分类。这是我的模型 keras.layers.Flatten(input_shape=(X.shape[1], X.shape[2])),decay_rate=0.96, staircase=True)
model.c
浏览 0提问于2020-10-29得票数 1
回答已采纳
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
