我正在尝试使用Flux.jl为ML工作流设置我的训练循环。我知道我可以使用内置的Flux.train!()函数来进行训练，但是我需要比API提供的更多的自定义。如何在Flux中定义自己的自定义训练循环？
浏览 33提问于2021-07-04得票数 0
回答已采纳
Flux.jl提供了一个有用的train!函数，当该函数与@epoch宏配对时，可以充当主训练循环。然而，与大多数自定义训练循环不同的是，在每个训练时期没有关于模型精度/损失的输出信息。train!函数确实提供了一个可选的回调，它似乎可以用来显示训练的准确性，但我不确定如何做到这一点。是否可以使用@epoch和train!获得这些值，或者我是否必须编写自定义训练循环？
浏览 7提问于2021-11-26得票数 1
我有一个自定义数据集，我想将该数据集分为“训练”集和“测试”集(如果可能，也可能是“验证”集)。我如何使用Flux.jl或其他Julia机器学习包来实现这一点？
浏览 24提问于2021-06-30得票数 2
回答已采纳
我正在尝试设置我的机器学习训练循环，但我不希望它使用我计算机上的GPU。我已经安装了CUDA，但是我想在CPU上运行我的代码。我如何在Flux.jl中做到这一点？
浏览 11提问于2021-06-30得票数 2
回答已采纳
我想将我的模型设置为在Flux.jl中使用交叉熵损失。我如何做到这一点，我应该在哪里传递损失函数本身？
浏览 30提问于2021-07-04得票数 2
回答已采纳
1回答
我有一个特定的计算机视觉问题，我想尝试使用一些预先训练的模型来解决。与其他ML框架(例如PyTorch)不同，Flux.jl文档实际上没有任何预先训练好的模型。我如何在Flux中访问这些相关的模型？
浏览 22提问于2021-07-11得票数 0
回答已采纳
我之前在Flux.jl中训练了一个模型，并通过执行以下操作保存了它： @save "mymodel.bson" model 现在，我想重新加载该模型并再次使用它。我如何在Flux中实现这一点？
浏览 26提问于2021-07-11得票数 3
回答已采纳
查看Flux.jl文档，我发现有很多内置的损失函数：https://fluxml.ai/Flux.jl/stable/models/losses/。我的问题是，如果我想要更深奥的东西，我如何在Flux中定义和使用我自己的损失函数？
浏览 14提问于2021-07-31得票数 0
回答已采纳
当我通读Flux文档时，我看到有一个为我们定义的bunch of different loss functions，我们可以使用它。我明白，损失告诉我们，我们离目标值有多远。但是，在训练循环中，我应该在哪里使用损失函数呢？
浏览 15提问于2021-07-05得票数 2
回答已采纳
1回答
谁能告诉我在Keras中反向传播是怎么做的？我读到在Torch中很简单，在Caffe中很复杂，但我找不到任何关于使用Keras做这件事的东西。
浏览 5提问于2017-11-21得票数 21
回答已采纳
1回答
我有一个大型的MRI数据集，用于图像分割任务，不能直接放入Colab中的内存中，您可以使用我放在末尾的链接访问数据。它们是脑部MRI图像：你打算如何在训练前对这些图像进行预处理？下面是我尝试过但没有成功的步骤：
加载并读取图像。堆栈/将它们中的每一个添加到具有for循环的数组中。
浏览 0提问于2021-11-26得票数 1
回答已采纳
我正在尝试从Keras网站https://keras.io/examples/generative/wgan_gp/自定义此模型 我的模型在每次训练迭代中获取3512x512张图像(来自10个不同的目录)，然后将其划分为用于训练生成器和鉴别器的补丁。可以在每次迭代中随机选择目录，并且必须从其中获取3个图像。总而言之，对于每次训练迭代，算法必须选择一个随机目录，获取3个连续的图像，并将它们划分为补丁，以训练两个网
浏览 17提问于2020-10-11得票数 1
回答已采纳
我希望将神经网络中中间层的参数限制为首选离散值：-1、0或1。其想法是添加一个自定义目标函数，如果参数采用任何其他值，该函数将增加损失。请注意，我希望约束特定层的参数，而不是所有层的参数。我如何在pytorch中实现它？我想将这个自定义损失添加到训练循环中的总损失中，如下所示：loss = other_loss +
浏览 58提问于2021-05-31得票数 3
我正在使用Tensorflow DCGAN实现指南中提供的代码编写一个自定义训练循环。我想在训练循环中添加回调。在Keras中，我知道我们将它们作为参数传递给'fit‘方法，但是找不到关于如何在自定义训练循环中使用这些回调的资源。我从Tensorflow文档中添加了定制训练循环的代码：
浏览 10提问于2019-12-22得票数 12
1回答
我目前正在处理一个数据集，其中类之间的边界定义得不是很好。我不想使用常规分类，因为这些类的细微差别重叠可能无法使用该设置来表示。我在PyTorch中看到过类似的设置，其中使用了二进制交叉熵损失函数，但除此之外，我不确定需要做些什么才能将我的问题从分类转变为Flux中的多标签分类。从Flux.jl docs上看，我可能想要使用自定义拆分标签？
浏览 19提问于2021-09-13得票数 2
我在PyTorch中发现的好处是，我必须编写自己的训练循环，这样我就可以逐步完成代码并查找错误。我可以启动pdb和检查张量形状和转换等，没有困难。在Tensorflow中，我一直在使用model.fit()函数，所以我得到的任何错误消息都像是6页C代码，而错误消息并没有给我任何指示。但是，我正在考虑再次使用Tensorflow ，我想知道用户是否能够通过自定义的训练循环，查看张量形状等等，或者即使是自定义的训练循环也被编译成静态图，因
浏览 6提问于2020-10-20得票数 0
回答已采纳
我正在使用一个自定义的训练循环来训练Model中的TF2。我希望能够在给定的时刻保存我的优化状态，以便以后能够重新启动它。要保存的变量是模型参数，但也包括优化变量，以及其他几个变量。在TF1中，这实际上不是一个问题，因为默认情况下，会保存所有变量。根据指南，在TF2中，保存是通过Keras公开的功能完成的，可以使用特定的回调或Model方法。但是，通过定制的训练循环</em
浏览 4提问于2019-12-19得票数 0
回答已采纳
我已经使用tf.GradientTape()编写了我的自定义训练循环。我的数据有两个类。这些类别并不平衡；class1数据贡献了近80%，class2贡献了剩下的20%。因此，为了消除这种不平衡，我尝试编写自定义损失函数，它将考虑这种不平衡，并应用相应的类权重并计算损失。也就是说，我想使用class_weights = [0.2, 0.8]。我找不到类似的例子。我找不到使用使用tf.GradientTape的自定义训练循环的class_weights的示例。我使用<em
浏览 5提问于2020-12-29得票数 3
我想通过使用自定义视觉来训练模型，但是当我在定制视觉中添加图像时。自定义视觉转换为(512,512)我的图像大小。如果有任何选项，使我可以设置限制，如(2000,2000)在定制视觉。
浏览 1提问于2022-04-01得票数 0
1回答
FitBERT是一个有用的软件包，但我对BERT开发掩蔽单词预测有一点怀疑，如下所示:我使用谷歌的脚本(如create_pretraining_data.py，run_pretraining.py，extract_features.pyetc..as )使用自定义语料库训练了bert模型，结果我得到了vocab文件，.tfrecord文件，.json文件和检查点文件。现在如何在你的软件包中使用这些文件来预测给定句子中的掩蔽词？？
浏览 1提问于2020-10-04得票数 0
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
