我在Pytorch中定义了一个简单的神经网络，如下所示： nn.Linear(1, 5), nn.Linear(5, 1)) [parameter.shape for parameter in my_model.parameters()][torch.Size
浏览 10提问于2020-05-18得票数 3
回答已采纳
我想创建一个简单的PyTorch神经网络，它的权重之和等于1。为了理解我的问题，这里给出一个例子： ?
浏览 31提问于2021-09-07得票数 0
回答已采纳
1回答
加权均值和方差的更新
、、、、
我试着从论文神经网络中的权重不确定性的反推算法来理解贝叶斯，其思想是建立一个神经网络，其中每个权重都有它自己的概率分布。我明白这一理论，但我不明白如何更新学习部分的均值和方差。我在Pytorch中找到了一个代码，它简单地做到了：def __init__(self, in_features, out_features允许它的<
浏览 0提问于2021-04-14得票数 1
1回答
神经网络命名规则
、、
神经网络有什么标准的命名约定吗？我对神经网络的编程还很陌生，但我注意到很多教程和书籍之间的一致性，我想熟悉命名约定，但找不到任何来源。一个例子是'X‘通常是大写的，'y’是数据集的小写。
浏览 4提问于2018-01-27得票数 1
回答已采纳
我正在用Pytorch编写序列神经网络的序列。在official Pytorch seq2seq tutorial中，有一个注意力解码器的代码，我不能理解/认为可能包含错误。它通过连接输出和此时的隐藏状态来计算每个时间步的注意力权重，然后乘以一个矩阵，得到一个大小等于输出序列长度的向量。注意，这些注意力权重不依赖于编码器序列(在代码中命名为encoder
浏览 37提问于2019-05-03得票数 1
1回答
前馈网络的接受域
、、
我对人工智能和神经网络非常陌生。我已经在PyTorch中实现了一个前馈神经网络，用于对MNIST数据集进行分类。现在，我想要可视化隐藏神经元(子集)的感受野。但我在理解接受域的概念时遇到了一些问题，当我在谷歌上搜索时，所有的结果都是关于CNNs的。那么，有没有人可以帮助我在PyTorch中如何做到这一点，以及如何解释结果？
浏览 3提问于2019-12-02得票数 0
2回答
从已知物理中模拟不确定性
、、、、
我知道\lambda\left(s\right)的真正解决方案是\sin \left( s\right) \cos\left(s\right) df[f'{a}_{s0}'] = sol.y.T
在上面的代码中，df_true是一个包含系统实际动态的</
浏览 0提问于2023-05-25得票数 4
我在试着弄清楚火把是如何工作得更好。通常，在定义神经网络类时，在init()构造函数中，人们会编写self.sigmoid = nn.Sigmoid()，以便在前进()方法中，他们可以多次调用sigmoid函数，每次都必须恢复nn.Sigmoid另外，我很好奇在torch.nn中“nn”指的是什么(包)？图书馆？)。
谢谢!
浏览 0提问于2019-04-10得票数 3
回答已采纳
我正在尝试比较神经网络中SGD算法和GD算法的收敛速度。在PyTorch中，我们经常使用SGD优化器，如下所示。L.backward() optimizer.step() running_loss += L.item()
我在这里对优化器的理解是因此，如果我们将batch_size参数设置为所有数据的大小，代码实际上会对神经网络进行
浏览 3提问于2022-06-04得票数 3
回答已采纳
我正在编写从github下载的代码。当我打印经过预先训练的模型时，我会在控制台输出中得到跟踪。有人能用图形的形式解释一下，每个步骤如何以图形的形式显示吗？如何阅读此模型摘要并以图表的形式表示？
浏览 1提问于2022-10-17得票数 1
1回答
PyTorch对我指定的值做了很小的修改，这在我的神经网络中造成了非常不同的结果。例如：b = torch.tensor(a)产出如下：PyTorch对我的变量a所做的小小改变在我的神经网络中造成了一个完全不同的结果我的
浏览 5提问于2021-02-20得票数 0
回答已采纳
假设我们有一个NN，我们想要训练它来预测输入中的3个值。我们有一组训练数据：目标呢？如果pytorch只计算一个标量作为损失函数，它如何进行训练？为什么它无法计算与每个输出神经元相关的损失？例如，如果x_train的答案是(20，32，0.12)，我们不想更新与答案(25，37，0.12)相同的权重，对吗？但在这种情况下，使用pytorch计算的损失
浏览 15提问于2021-02-28得票数 0
回答已采纳
1回答
访问卷积神经网络参数
、、、
我尝试从pytorch切换到tensorflow，由于该模型现在似乎在tensorflow中是固定的，因此在使用卷积神经网络时，我偶然发现了一个问题。我有一个非常简单的模型，只有一个Conv1D层和一个大小为2的内核。我想在一个小的配置上训练它，比如16个输入大小，然后导出32个输入大小的训练结果。
我如何访问这个网络中的3个参数？(2个内核，1
浏览 14提问于2020-05-06得票数 0
回答已采纳
先决条件说明：
谢谢你的帮助！我
浏览 2提问于2021-11-18得票数 0
我想知道在某些机器学习模型类的构造函数中通常添加的属性**kwargs的含义。例如，考虑PyTorch中的神经网络：**kwargs是否与稍后定义的额外参数相关联？
浏览 8提问于2021-09-01得票数 0
回答已采纳
我是PyTorch的新手，正在尝试计算一个非常简单的前馈网络关于其权重的Hessian。我正在尝试让torch.autograd.functional.hessian正常工作。我一直在挖掘论坛，由于这是一个相对较新的功能添加到PyTorch中，我无法找到关于它的大量信息。这是我的简单网络架构，取自Kaggle on Mnist上的一些示例代码。optim.SGD(
浏览 58提问于2021-09-03得票数 1
我正在使用一个集群来训练一个使用PyTorch开发的递归神经网络。PyTorch自动线程，它允许并行使用机器的所有内核，而不必显式地为其编程。这太棒了！现在，当我尝试使用下面这样的脚本同时使用多个节点时：#$ -N comparison_of_architecture
#$ -pe mvapich2-rostam 32cnelias/Deep-Jazz/logs/err_comparison_traini
浏览 7提问于2019-09-05得票数 0
我需要调整隐藏层的数量和它们的隐藏大小的回归模型。
正如我之前测试过的，由于有大量的超参数，一般的超参数优化算法(网格搜索和随机搜索)是不够的。我可以使用PBT或贝叶斯优化来调整网络结构吗？一般来说，除了网格搜索和随机搜索之外，是否有优化方法来调整隐藏层的大小或隐藏层的数目？
浏览 13提问于2022-12-04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
