1回答
如果我有一个优化算法，它有三个参数，即比例尺、西格玛和min_size。我需要用深层神经网络的参数来优化这些参数。我面临的问题是，我无法访问我为调用函数中的自定义Keras层定义的三个权重。如下面的代码所示，我想访问在调用函数中定义的权重，以便使用新的学习参数来应用优化算法。如果有人能帮忙的话
浏览 13提问于2022-05-26得票数 0
我希望为Keras中的自定义优化器做SVD (具体来说，我想将移植到Keras。在Tensorflow中，我会使用tensorflow.python.ops.linalg_ops.svd()，但是在keras.backend中没有这样的函数。SVD是否可以在纯Keras设置中执行，或者我可以以某种方式直接使用Tensorflow函数(如果是，如何使用)？编辑：只是为了将来参考，实际上存在一个包装器<
浏览 2提问于2018-12-02得票数 3
回答已采纳
2回答
在创建了一个带有训练权重的Keras自定义层之后，如何测试代码的正确性？它似乎没有在Keras的手册中描述。
例如，要测试函数的预期行为，可以编写单元测试。我们如何为Keras自定义层做到这一点？
浏览 1提问于2018-02-10得票数 4
回答已采纳
2回答
如何更改Keras优化器代码
、、、、
我是Keras的新手，所以如果我的问题有点傻，请原谅。我使用默认方法在我的系统中安装了Keras，它工作得很好。我想在Keras中添加一个新的优化器，这样我就可以在model.compile函数下轻松地提到"optimizer = mynewone“。如何更改Keras中的“optimizer.py”代码，并确保更改反映在我的K
浏览 12提问于2017-02-19得票数 6
在Keras中，如果将模型的损失函数乘以某个常数C，并将学习率除以C，那么训练过程中就不会出现差异，这是真的吗？def my_loss(y_true, y_est): 在第一个场景中，我使用学习率等于0.005的Adam优化器，并使用该损失函数和优化器编译模型在第
浏览 0提问于2017-10-18得票数 1
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。下面是一个我想要做的工作示例：from keras.layers import Dense
import kerasimport numpy a
浏览 9提问于2020-01-14得票数 41
回答已采纳
1回答
我正在将ML模型应用于实验装置，以优化驱动信号。驱动信号本身是被优化的东西，但它的质量是间接评估的(它被应用于实验装置以产生不同的信号)。
我可以通过python中的函数运行并收集实验数据。我想建立一个带有自定义损失函数的ML模型，该模型用优化后的信号调用实验驱动器函数，以获得用于后支柱的误差。我已经研究过使用
浏览 1提问于2019-06-25得票数 2
我手头有一个优化损失函数的问题，这个损失函数不是y_pred和y_true的函数。在阅读了Keras文档之后，我发现所有的自定义损失函数都必须是y_pred和y_true的函数。有没有其他方法可以在Keras中实现我的损失函数？
浏览 4提问于2018-04-06得票数 3
我想用tf.contrib.keras来摆弄它。然而，有一件事我不明白。tf.train中的类有一个函数minimize，您可以使用它来优化您的函数。但是，tf.contrib.keras.optimizers中的类不存在此minimize函数。minimize function does not exists
因为没有minimize函数，所以keras包装器无法工作。我试图寻找
浏览 3提问于2018-02-17得票数 5
1回答
我是一个学习深度学习的学生。这些天，我试图看到关于权重和偏差的损失函数的图表。特别是，我希望应用梯度下降方法来获得平滑的线条，而不是来自其他优化器的随机特征。Keras框架提供了各种类型的优化器，如SGD，RMSprop，Adagrad，AdaDelta，Adam等。然而，正常的，一般的和平坦的梯度下降(没有随机特征)在
浏览 13提问于2019-11-08得票数 1
我正在结合RandomizedSearchCV使用Scikit-Learn自定义管道(sklearn.pipeline.Pipeline)进行超参数优化。这很好用。现在，我想插入一个Keras模型，作为进入管道的第一步。模型的参数应进行优化。计算(拟合)的Keras模型应该在以后通过其他步骤在管道中使用，所以我认为我必须将该模型存储为全局变量，以便其他管道步骤可以使用它。是这样的吗？例如，我有一个返
浏览 0提问于2017-02-23得票数 41
回答已采纳
我有一个自定义损失f =x+y，其中我有这样的约束:当优化f时，x应该在(0.10，0.2)的范围内，y应该在(0.6，0.1)的范围内，y是实际标签和预测标签之间的均方差，x是不同类型的作业。该模型不是基于x进行训练的；但是，在预测范围内获得不同类型的作业时，需要对其进行优化。
我遇到了关于如何将scipy.optimize与函数参数的界限一起使用的</
浏览 18提问于2019-08-05得票数 0
1回答
我只想为我的第一次CNN设定一个学习时间表，我发现有很多种方法可以做到这一点：
使用的tf.keras.optimizers.schedules.LearningRateSchedule
浏览 4提问于2021-05-28得票数 4
回答已采纳
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
1回答
我训练了一个定制的YOLOv4模型。然后，我使用以下方法将权重转换为.h5：
# Custom activation functionfrom keras.utils.generic_utils import get_custom_objects
from ker
浏览 6提问于2020-08-27得票数 1
我正在尝试将Levenberg-Marquardt算法实现为Keras优化器，就像描述的那样，但是我有几个问题，最大的问题就是这个错误。快速搜索后，我发现这与tensorflow是如何用图运行程序有关的，我对此不太了解。我发现这个答案很有用，但它是关于丢失函数的，而不是优化器。from keras.optimizers import Optimizer
from <
浏览 2提问于2018-06-17得票数 4
回答已采纳
为了创建自定义的丢失函数，我看到许多人使用了tensorflow的后端功能。代码：import tensorflow.keras.backend as kb
y_true =0.15846486198115287, shape=(),
浏览 1提问于2021-03-26得票数 1
1回答
我是神经网络的新手。我正在凯拉斯做我的大学神经网络项目。我使用SGD优化器组装并训练了单层顺序模型：nn_model = Sequential()nn_model.add(Dense(1, activation='tanh'))
sgd = keras.optimizers.SGD(lr=0.001,我尝试了不同的</e
浏览 0提问于2018-06-16得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
