我已经在Python中构建了一个tensorflow模型来进行图像识别，但我想更好地理解我的模型是如何工作的。我想在我的模型的每一层之间打印值。我使用的是TensorFlow 1.13.1和Python3.6.8。
浏览 10提问于2019-04-12得票数 1
回答已采纳
我正在使用一个模型，其中tensorflow relu函数用于激活隐藏层。所以这个模型基本上做到了这一点其中zw是来自上一层的输出的所有元素乘以权重。根据tensorflow的relu定义，它将返回所以对于张量的每个元素，介于0和zw的每个元素的值之间的</e
浏览 17提问于2017-08-24得票数 1
回答已采纳
2回答
我在训练一个深度神经网络。直接训练整个网络是困难的，因此，我更喜欢逐层训练。首先，我训练一个只有一个隐藏层的网络。之后，我使用tf.train.Saver保存模型。下一次，我通过调用以下命令来恢复变量：当然，这一次，架构发生了变化，因为我在隐藏层和输出层之间插
浏览 2提问于2017-01-09得票数 3
3回答
在标准的神经网络中，我试图直观地理解模型中隐藏层的值意味着什么。
手写数字的图像将有784像素。由于有784个像素，
浏览 2提问于2019-08-06得票数 0
2回答
我已经使用tensorflow估计器API构建了一个分类模型。我试图让张量输出从隐藏层打印在日志中，而预测使用以下代码。every_n_iter=1)
predictions = model.predict(train_input_fn, hooks=[logging_hook]) 当我运行代码时，我能够将张量记录到输出中，但是由于值很长，它被截断了，并且我只能看到开始和结束中的几个数字。INFO:
浏览 43提问于2018-12-21得票数 3
回答已采纳
1回答
基于以下文献的具有随机权值的神经网络(NNRW)
本质上，其思想是，隐藏层是随机固定的，只对输出层进行优化。(导致一个简单的最小二乘解)。我很熟悉在keras中使用Sequential来创建模型，虽然我不确定我将如何“修复”隐藏层，并且只关注优化输出层。我的最后一次尝试是用NumPy手动编写网络代码，但我想问是否有人在Tensorflow
浏览 0提问于2022-04-06得票数 0
我有一个词汇量25K的分类预测任务。在其中一个(输入声10K，输出暗淡，即嵌入50)上，我想为输入嵌入(形状为1,50)和权重(形状(50,128))(无偏差)之间的矩阵相乘引入一个可训练的权重矩阵，所得到的向量得分与其他特征一起作为预测任务的输入关键是，如果我简单地把它加进去，我认为每个输入的可训练权重矩阵都是不同的。我希望这个权重矩阵在所有输入中都是通用的。
我应该澄清--这里的输入我指的是训练例子。因此，所有的
浏览 2提问于2019-06-25得票数 4
回答已采纳
2回答
给定一个网络，输入->隐藏层使用ReLU激活->输出层使用Sigmoid激活乙状结肠的激活移位了吗？因为我得到的输出介于0和1之间(正如手册中所说的)，但是为什么呢？这是在控制台中<em
浏览 2提问于2021-07-23得票数 0
2回答
我用Keras训练了不同的分类模型，每个层有不同的隐层数和相同的神经元数。我发现，随着隐藏层数的增加，模型的准确性降低了，但是，在隐藏层的数量更多的情况下，模型的精度下降更明显。下图显示了不同模型的准确性，在这些模型中，隐藏</em
浏览 0提问于2021-04-10得票数 2
1回答
我接受输入，使用Lambda层进行预处理，然后将预处理后的输入输入到MobileNetV2中，然后添加密集层并对其进行训练。训练、推理等实际上是按预期工作的。tensorflow.python.keras.engine.functional.Functional类型的一个层。如果我打印这个层的摘要，我得到模型的所有内部层。我有一个用于自动Grad
浏览 2提问于2022-02-10得票数 0
当我在tensorflow中使用tf.data.Dataset api时，我用tensorflow训练了我的模型。:在创建模型时，我将训练数据集图像作为模型的输入传递。另一方面，当涉及到从给定测试数据集的模型中提取某些特征时，tensorflow将要求我初始化训练迭代器，因为它假设我是在输入训练数据集(考虑到我是如何创建模型的“
浏览 1提问于2018-10-31得票数 0
回答已采纳
torch.nn.Linear(256, 256),)
对于LSTM层，我只想从批处理中检索最后一个隐藏状态，以通过其余的层。我需要以某种方式在nn.Sequential()模型上执行此操作，这样当我保存它时，它可以正确地转换为tensorflow.js模型。我不能在tensorflow.js中创建和训练这个模型的
浏览 5提问于2021-10-05得票数 0
1回答
import tensorflow as tf
from tensorflow.kerasimport models from tensorflow.keras.utilsdense hidden layer
network.add(l
浏览 2提问于2020-09-15得票数 0
回答已采纳
我正在使用tensorflow 2.1.0和Keras。利用随机梯度下降(SGD)训练神经网络模型。我想得到雅可比矩阵的输出与可训练参数的NN，(权值和偏差)，在训练过程中的每一个样本。例如，我有2输出，4输入，2隐藏层，1输出层。两个隐层都有3个神经元，输出层有2个神经元。雅可比矩阵是一个2乘- 35矩阵(2个输出和35个可训练参数).
谢谢。
浏览 3提问于2021-07-21得票数 1
1回答
我试图了解的实现细节，它具有模型和数据并行。在他们的或他们的研究中，他们提到了他们是如何使用层内并行的，这类似于网格TensorFlow。我对一些细节感到困惑。如下图所示，我的理解是，四个红色圆圈内部的计算可以通过层内分裂并行化，但是MLP必须在自我关注之后发生，因此只能同时并行两个红色圈块。文中说，模型平行为8路.我的第一个问题是，是否表明它们将每个块分成4个<
浏览 2提问于2020-09-24得票数 2
1回答
我有几个关于反向传播的问题。我正在努力学习神经网络理论的基础知识，并希望从小到小开始，构建一个简单的异或分类器。我读过很多文章，还浏览过多本教科书--但我似乎不能教这件事--异或模式。首先，我不清楚反向传播的学习模式。这里有一些伪代码来表示我是如何训练网络的。让我们假设我的网络设置正确(即:多个输入连接到一个隐藏层，连接到一个输出层，所有连接都正确地连接起来)。我意识到这可能是不够的，我将很高兴地阐述我的</
浏览 4提问于2012-09-24得票数 2
2回答
背景：我编写了下面的代码来创建一个word2vec模型(跳过图)：
model = Sequenti
浏览 0提问于2018-07-31得票数 1
回答已采纳
我对如何在TensorFlow中重构以下Pytorch代码感到困惑。它同时使用输入大小x和隐藏大小h来创建GRU层 import torchtf.keras.layers.GRU(64, return_state=True) 然而，我意识到它并没有真正考虑到h或隐藏的</e
浏览 10提问于2020-10-17得票数 4
我在Ubuntu16.04中使用了带有Tensorflow 1.3.0的Keras2.0.8和cuDNN 6。我在我的模型中使用两个BatchNormalization层( keras层)，并使用tensorflow管道进行培训。我现在面临两个问题-
即使在将K.learning_phase设置为True之后，层的总体参数(均值和方差)也是在
浏览 1提问于2017-10-06得票数 2
云服务器
ICP备案
腾讯会议
云直播
对象存储
腾讯云开发者
