我正在用PyTorch实现一个简单的前馈神经newtork。然而，我想知道是否有更好的方法来向网络中添加灵活数量的层？也许可以在循环中命名它们，但我听说这是不可能的？目前我是这样做的 import torchimport torch.nn.functional as F
class Net(nn.Module):
浏览 26提问于2019-09-25得票数 4
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：
custom_loss = constrain_parameters_to_be_di
浏览 58提问于2021-05-31得票数 3
1回答
使用固定权重构建卷积层很简单，只需将权重内核传递给conv2d()即可。并且可以方便地加载预先训练好的模型，如VGG19。但我发现使用pytorch不是这样的，因为conv2d()不接受显式的内核，而是接受内核大小。所以我想知道，我们是否可以通过简单地将权重传递给像conv2d()这样的方法来重用VGG19中的权重。
浏览 4提问于2017-09-18得票数 1
2回答
没有所有连接的神经网络层
、、、、
神经网络稠密层中的权重是(n，d)矩阵，我想强迫其中的一些权值始终为零。我有另一个(n，d)矩阵，它是条目可以是非零的掩码。这个想法是，该层不应该是真正密集的，而是缺少一些连接(即等于0)。如何在使用PyTorch (或Tensorflow)进行培训时实现这一点？我不希望这些重量在训练时变成非零。
如果它不直接支持它，一种方法是在每次迭代训练之后将所需的条目归零。
浏览 3提问于2020-09-15得票数 4
回答已采纳
我知道，神经网络体系结构主要是基于问题本身和输入/输出的类型，但在开始构建输入/输出时总是有一个“正方形的”。所以我的问题是--给定一个MxN的输入数据集(M是记录的数量，N是特性的数量)和一个C可能的输出类--我们应该从多少层/单位开始使用一个经验法则吗？
浏览 0提问于2018-02-12得票数 15
回答已采纳
我只是在学习如何使用PyTorch作为初学者。如果有人熟悉PyTorch，你能告诉我nn.Module和nn.Sequential的区别吗？我的问题是
有规律地使用哪种方法来建立模型？
浏览 3提问于2021-08-01得票数 4
回答已采纳
该 of PyTorch似乎为递归神经网络提供了可变输入长度的PackedSequence。然而，我发现要正确使用它有点困难。利用pad_packed_sequence恢复由pack_padded_sequence提供的神经网络层的输出，得到T x B x N张量outputs，其中T是最大时间步长，B是批处理，N是隐藏大小。我发现，对于批处理中的短序列，随后的输出都是零。
这是我的</em
浏览 5提问于2017-09-24得票数 18
在中，您可以构造一个神经网络，如所示。它利用using来定义它的结构，然后像这样创建一个实例：net_type net;
在此之后，如何在运行时添加、删除或调整隐藏层？有一些类似于的东西，但是dlib中的神经网络受到了严重的模板化，我不知道add_layer或者访问层是否会有帮助。更具体地说，考虑到链接示例，我将
浏览 0提问于2019-02-26得票数 0
回答已采纳
有关pytorch的CIFAR10教程可以在这里找到：net.to(device)
在计算的
浏览 5提问于2018-12-11得票数 1
1回答
我有一个三维张量，我在python代码之外创建，并且能够以任何人类可读的格式进行编码。我需要将这个张量的值作为冻结层加载到我的pytorch神经网络中。我尝试将张量编码为[[[a,b],[c,d]], [[e,f], [g,h]], [[k,l],[m,n]]]格式的文本文件，这似乎是最符合逻辑的方式。/arrays/tensor.txt"))
但在npyio.py<e
浏览 3提问于2020-11-19得票数 3
回答已采纳
我正在尝试实现在一种用于投资组合管理的层次深Q网络框架中描述的CNN (见截图)。本文将CNN的第一层描述为内核为1x3，采用形状(2,10,4)的价格张量，输出了32幅大小为2x5的特征图。这一层的filter为1×3，我们在这里使用的激活函数是defined in (Klambauer等人，2017年)。在这一层中</e
浏览 0提问于2022-12-16得票数 0
2回答
从已知物理中模拟不确定性
、、、、
我知道\lambda\left(s\right)的真正解决方案是\sin \left( s\right) \cos\left(s\right) df[f'{a}_{s0}'] = sol.y.T
在上面的代码中，df_true是一个包含系统实际动态的</
浏览 0提问于2023-05-25得票数 4
1回答
我在Pytorch中创建了一个完全连接的网络，其中包含一个输入层的形状(1,784)和第一个隐藏层的shape (1,256)。weight.data.shape给我torch.Size([128, 256])，而实际上，在大小为784的输入层和大小为256
浏览 9提问于2020-04-30得票数 0
回答已采纳
在Jupyter Notebook中使用Keras训练神经网络时，我遇到了一个问题。我创建了一个具有多个隐藏层的顺序模型。在训练模型并保存结果之后，我想删除此模型并在同一会话中创建一个新模型，因为我有一个for循环来检查不同参数的结果。但是当我理解了我得到的错误，当我改变参数时，当我循环遍历时，我只是在模型中添加了层(即使我在循环中使用network = Sequential()再次初始化它)。所以
浏览 437提问于2018-09-02得票数 29
回答已采纳
1回答
我知道Tensorflow使用了象征性的模型构建API，开发人员可以使用它来构建静态计算图。Pytorch提供了命令式编程范例，它可以根据实际情况执行计算。有谁能帮助我理解Scikit的发展模式--学习，Keras，Caffe和Theano？它们是使用命令式的开发范式还是象征性的API？
浏览 0提问于2020-05-24得票数 -4
以下是我正在尝试实现的内容： e = constant * gradclass DocReaderModel(object):
def __init__(self, embedding，所以我在loss.backward中添加了reta
浏览 1提问于2018-07-29得票数 4
给出了一个简单的神经网络，如： nn.Linear(3, 4),import torch.nn as模型为Huggingface模型，则需要一些配置
有很多“从头开始”训练模特的<
浏览 16提问于2022-10-04得票数 5
在PyTorch中，一个简单的神经网络的例子可以在上找到。 def __init__(self): z = T.tanh(self.hid2(z)) return z
上面的一个显著特征是，层被存储为网络对象中的字段(正如它们所需要<
浏览 9提问于2022-07-03得票数 0
回答已采纳
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
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
