正如我们所知，DNN由许多层组成，这些层由许多神经元组成，这些神经元将相同的函数应用于输入的不同部分。同时，如果我们使用Tensorflow来执行DNN任务，我们将会得到Tensorflow自动生成的数据流图，并且我们可以使用Tensorboard将数据流图可视化为blow。但在这一层中没有神经元。所以我想知道Tensorflow</em
浏览 1提问于2018-05-04得票数 1
8回答
在下面的TensorFlow函数中，我们必须在最后一层提供人工神经元的激活。我能理解。但是我不明白为什么它被称为logits？这不是一个数学函数吗？
浏览 2提问于2017-01-04得票数 343
例如，有一个张量 [2,3,4,5,6]]
[0, 1, 0, 0, 0]]谢谢!
浏览 6提问于2017-08-16得票数 0
回答已采纳
1回答
我在理解MLP和SLP之间的区别时遇到了问题。
我不明白为什么在XOR的特殊情况下，它不是线性可分<
浏览 5提问于2015-05-31得票数 1
回答已采纳
4回答
我一直在阅读关于神经网络的一般知识，并试图理解其背后的基本理论。我有点困惑，想知道是否有人能帮我。输入层+隐藏层+输出层，其中每个层都有节点或神经元。每个神经元从前一层的所有神经元获得输入，并发送到下一层的每个神经元。然后说，神经元计算权重之和，然后使用激活函数来激发或不触发(或发送一个介于0和1之
浏览 0提问于2018-04-18得票数 3
回答已采纳
2回答
单个非激活神经元只是其输入的线性组合。
将这个神经元的输出作为对0的阈值将产生一个超平面二进制分隔符，它的参数可以被学习。这个分隔符(判定边界)的形状是什么，如果我们也对输出进行重调，然后才是阈值呢？我一直认为它必须是非线性的，否则NNs就不起作用了，但是如果以前是正的，它会保持正，如果它是负值或零，它就会保持不变，所以relu实际上对决策边界没有任何作用，这对我来说是没有意义<e
浏览 0提问于2020-06-15得票数 4
回答已采纳
在CUDA ConvNet中，我们可以通过编写neuron=linear[a,b]来指定神经元激活函数是线性的，比如f(x) = ax + b。
如何在TensorFlow中达到同样的效果？
浏览 2提问于2016-04-10得票数 8
回答已采纳
我想特别知道如何使神经网络中的神经元被激活(每个神经元在激活函数之后的输出)。
在Tensorflow 2的模型推理中，当我给出输入时，如何才能得到序列模型中所有神经元的激活？
浏览 4提问于2021-03-10得票数 3
回答已采纳
我一直在断断续续地使用tensorflow来做各种事情，我想这些天来我认为这些事情相当容易。验证码破解，基本的OCR，我在大学接受AI教育时记得的事情。它们是相当大的问题，因此不适合在不同的NN体系结构中进行有效的实验。
正如您可能知道的，Joel Grus在tensorflow中推出了FizzBuzz。TLDR:从数字的二进制表示中学习(即。对于这个玩具问题，您可以快速比较不同的
浏览 2提问于2016-05-31得票数 1
3回答
关于神经网络的不同结构
、、、
https://www.mathworks.com/help/deeplearning/ref/fitnet.html是我为理解将数据拟合到函数所遵循的教程。我对结构和术语几乎没有疑问，它们如下：所谓隐藏层，是指输入和输出之间的一层。如果层数=1，有10个隐神经元(如第二个图所示)，那么本质上是一个称为MLP的神经网络。我的理解正确吗？总体而言,
如果隐
浏览 0提问于2019-10-10得票数 2
回答已采纳
3回答
考虑转移学习，以便在keras/tensorflow中使用预先训练的模型。对于每个旧层，trained参数设置为false，以便在训练期间不更新其权重，而最后一层已被新层取代，必须对这些层进行训练。特别是增加了两个完全连接的隐层( 512和1024神经元)和激活函数。在这些层之后，Dropout层与rate 0.2一起使用。这意味着在训练的每一个时期，神经元的</
浏览 2提问于2020-09-04得票数 2
回答已采纳
2回答
我正在学习人工神经网络，并且已经实现了一个具有几个隐藏层的标准前馈网络。现在，我正在尝试了解递归神经网络(RNN)在实践中是如何工作的，并且在激活/传播如何在网络中流动方面遇到了问题。在我的前馈中，激活是简单的一层一层地激活神经元。在递归网络中，神经元连接回以前的层，有时连接到自己，因此传播网络<em
浏览 0提问于2012-10-14得票数 10
回答已采纳
1回答
我想更详细地了解如何在CNN中使用softmax层来对图像进行语义分割/像素级分类。CNN输出一个类标签的图像，其中原始图像的每个像素都得到一个标签。在通过网络通过测试图像后，下一层输出原始图像分辨率的N个通道。我的问题是，softmax层如何将这些N个通道转换成标签的最终图像。
假设我们有C类(#可能的标签)。我的建议是，对于每个像素，前一层的N个<e
浏览 6提问于2017-09-15得票数 4
回答已采纳
6回答
我看了关于机器学习的Risto 视频。这是很好的解释，但问题是，在什么阶段，我们应该使用激活功能，以及为什么我们需要它。我知道，根据定义，激活函数将w*x+b的和转换为某个下限和上限之间的一个数字。在录像中，Risto Siilasmaa解释说，在培训过程中有以下步骤：计算结果(w*x+b之和)-我们知道它应该是什么，因为我们知道我们给系统提供了什么图像。
计算误差。但是激活呢？把它放在前一个列表
浏览 0提问于2020-02-19得票数 4
1回答
所以我读了很多关于张量的书。我对这个概念的理解足以达到我的目的。但是我找不到关于它们在神经网络中的确切用法的任何信息。例如，我使用Tensorflow来构建一个NN来对图像进行分类。我拥有的唯一信息是:层是用张量构建的。现在我的问题是:正如我所理解的，神经元网络是由神经元构成的。其中一层是由许多神经元<
浏览 2提问于2021-04-28得票数 0
回答已采纳
我对MatLab非常陌生。我在MatLab中完成了用神经网络建立非线性回归模型的任务.
net = network(N, 2);net.lay
浏览 0提问于2015-04-09得票数 0
2回答
我了解如何建立和训练如下所示的神经网络，以及那些低水平的特性/过滤器。我想知道这些高级特征是什么:你是如何从经过训练的神经网络中获得它们的？(这些像“特征面”吗？)📷
注:图像是由NVIDIA，我不知道具体的分类问题在这里。如果需要的话，假设网络被训练来区分人和猫。
浏览 0提问于2018-01-19得票数 1
回答已采纳
我刚刚开始使用Tensorflow，使用Caffe --它以一种高效的方式读取数据是非常实用的--但是使用Tensorflow，我发现我必须自己编写数据加载过程，创建TFRecords、批处理、多重威胁因此，我从一个示例v3开始，因为它们处理读取数据的部分。我是Tensorflow的新手，也是Python的新手，所以我觉得我不明白这部分到底是怎么回事(我的
浏览 2提问于2017-11-30得票数 0
回答已采纳
3回答
反向传播激活导数
、、、
正如视频中所解释的，我已经实现了反向传播。D= (a )* f'(z) 当我将我的增量乘以激活导数(乙状结肠导数)时，我不再得到与梯度检查相同的梯度(至少相差一个数量级)。
是什么让安德鲁·吴(视频)省略了输出增量激活的导数？为什么会起作用呢？然而，当添加导数时，不
浏览 2提问于2015-10-06得票数 9
回答已采纳
2回答
我使用CNN对32x32位图像进行分类(6类)。
网络的行为非常奇怪，因为它需要900个步骤来做任何与粘贴的结果不同的事情。之后，它开始移动，以达到合理的值，经过几个1000步。在Theano/Keras中使用相同数据完成的“相同网络”显示的结果要快得多。我说“同一个网络”是因为Theano/Keras允许我定义leakyRELU和其他一些变量的初始化方法(init =“正交”)，让我相信我<em
浏览 2提问于2016-08-17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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
