我有一个经过训练的Tensorflow 2.0模型(来自tf.keras.Sequential())，它采用一个输入层，有26列(X)，并生成一个带有1列(Y)的输出层。在Tf1.x中，我能够通过以下方法计算输出相对于输入的梯度：sess = K.get_session()
grad_func = tf.gradients(mod
浏览 19提问于2019-12-02得票数 8
回答已采纳
1回答
但让我们坚持n维点，即输入图像的概念。那么，假设我想把这个点转换成这样，最后的输出是一个有约束宽度和高度的图像(不同的输入图像的尺寸应该是相同的)，它输出与输入图像相同的点，我怎么做呢？我基本上是在询问用于这种任务的方法(主要是训练)，在这种任务中，必须根据CNN -I的输出点重建图像
浏览 1提问于2017-03-28得票数 1
回答已采纳
我正在尝试将激活中间层的特定过滤器的图像类型可视化。为此，我需要计算该滤波器中激活的平均值相对于输入图像的梯度，然后使用梯度上升更新图像。在Tensorflow 2.0中，我被如何计算这个梯度卡住了。我试过了；在这里，我尝
浏览 7提问于2019-07-26得票数 1
回答已采纳
我正在做一个需要反褶积的项目。我读到gen_nn_ops.max_pool_grad_v2()可以做到这一点。我从tensorflow.python.ops加载函数。据我所知，函数采用输入和输出张量，其中输入是最大池之前的卷积层，输出是最大池操作的结果。但是grad是什么呢？这个函数的输出到底代表什么？1,2,2,1]u = gen_nn_ops.max_pool_grad_v2(input, output, gr
浏览 1提问于2018-07-25得票数 2
回答已采纳
2回答
我试图计算TensorFlow神经网络的输出相对于它的输入的雅可比。这很容易用tf.GradientTape.jacobian方法实现。对于一个非平凡的雅可比计算(例如，对于具有非线性激活函数的深卷积神经网络)，重复重新运行GradientTape计算和评估jacobian方法是非常昂贵的。我从中得知，梯度(因此也是雅可比)是通过自动微分
浏览 5提问于2020-02-03得票数 2
回答已采纳
我试图计算相对于输入图像的某一层的梯度。(feature, 3), x)print(img.shape)然后，相对于输入的梯度可以计算为
img_4d然而，似乎一个人可以使用任何大小的图像</e
浏览 0提问于2016-12-09得票数 0
我试图了解TensorFlow如何计算tf.train.GradientDescentOptimizer的梯度。如果我理解TensorFlow白皮书中的4.1节，它通过向TensorFlow图中添加节点来计算基于反向传播的梯度，该图计算原始图中节点的派生。当TensorFlow需要计算一个张量C相对于C所依赖<
浏览 0提问于2016-09-19得票数 4
回答已采纳
tf.reduce_mean(tf.square(model10-y))
如果我认为模型9的学习率应该是0.01呢？那么我怎样在网络上配置那个呢？
浏览 3提问于2017-09-25得票数 0
回答已采纳
我想得到tf.cholesky的梯度相对于它的输入。)import tensorflow as tfchol = tf.cholesky(A)虽然我可以自己计算梯度并注册它，但据我所知，我所看到的计算Cholesky梯度的</
浏览 3提问于2015-11-27得票数 5
回答已采纳
我有一个系统，它由一个神经网络组成，它的输出被输入到一个未知的非线性函数F中，例如一些硬件。其思想是将神经网络训练为未知非线性函数F的逆F^(-1)，这意味着损失L是在F的输出处计算的，但是由于F的梯度不知道，反传播不能直接用于计算梯度和更新NN权值。在计算TensorFlow或PyTorch中的梯度<
浏览 2提问于2020-01-16得票数 1
1回答
有人能帮我识别这个应用程序背后是什么样的体系结构吗？这是一个“简单”的分类网络吗？如果是的话，热图是如何生成的？
https://www.youtube.com/watch?
浏览 0提问于2019-07-17得票数 0
回答已采纳
2回答
我使用MatConvNet开发了一个CNN，并且能够可视化第一层的权重。它看起来与这里显示的非常相似(也附加在下面，以防我不够具体)
我的问题是，权重梯度是什么？
浏览 0提问于2016-07-01得票数 2
为了知道卷积神经网络中卷积层中的某个滤波器对什么敏感，可以应用基于梯度的滤波器可视化。建议的方法可以在这里找到：
浏览 0提问于2019-07-07得票数 0
1回答
我试图在TensorFlow 2.0中用GP实现WGAN。要计算梯度惩罚，需要计算与输入图像相关的预测的梯度。现在，为了使它更易于处理，它不需要计算所有输入图像的预测梯度，而是按照原始数据点和假数据点的线计算插值数据点，并使用这些数据点作为输入。为了实现这一点，我首先开发co
浏览 2提问于2020-03-19得票数 1
回答已采纳
我正在编写以下格式的tensorflow图： return some_operation(label.eval())
这个模型的问题是，我需要输出的值，以便按照我想要的方式处理我的标签，这样我就可以计
浏览 22提问于2016-07-26得票数 0
回答已采纳
假设我有一个简单的单层神经网络：W = tf.Variable(tf.random_normal我想要计算批次中每个样品相对于a的y雅可比矩阵，它的维度是batch_size by output_dim by output_dim。现在，在数学上，当i !我想知道如何计算softmax相对于其在TensorFlow
浏览 5提问于2017-01-25得票数 3
回答已采纳
也许很多人已经看过谷歌研究的这篇文章：
我想做一些类似的事情，只是为了看看它是如何工作的，也许将来可以用它来更好地理解是什么使我的网络失败问题是--如何用诺尔本？？千层面(也许是比目鱼--)来实现它，这也是可行的，但我更喜欢诺尔学习。
更确切地说，Google的人已经用某种架构训练了ANN来对图像进行分类(例如，对照片上的鱼进行分类)。在我
浏览 2提问于2015-07-02得票数 1
回答已采纳
例如在Zeiler 2014：中描述的解合操作等同于最大合用操作的梯度。grad: A `Tensor`.Gradients w.r.t. the output of `max_pool`
我尝试使用优化器的compute_gradients()函数计算最大池化操作的</e
浏览 1提问于2016-07-02得票数 1
1回答
计算输出wrt的梯度权重
、、、、
从tensorflow模型开始，我希望能够检索输出相对于权重的梯度。反向传播的目的是计算损失wrt的梯度权值，为了做到这一点，在代码中一定要计算输出wrt的梯度权值。但我想知道如何使雅可比在API级别，有什么想法吗？我知道我们可以访问磁带，但我不知道用它做什么，实际上我不需要整个Jacobian，我只需要能够计算J^{*}v<e
浏览 4提问于2019-12-10得票数 2
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
