我有一个G=18000x3的3D点的地面真实值的张量，以及来自相同大小O=18000x3的网络的输出。我需要计算一个损失，这样我基本上就有了每个三维点之间距离的平方根，对所有关键点求和，并在18000以上归一化。我如何高效地写这篇文章呢？
浏览 14提问于2019-02-06得票数 0
回答已采纳
enter image description here 如何从A、B到C？A和B是张量，属于网络的输出。现在我需要从两个网络的输出操作中获得C，然后使用C来计算损失函数。关键问题是在后期通过损失函数对A和B进行优化，因此必须以计算图的形式来完成。用于计算张量的TensorFlow公式似乎无法解决这个问题。
浏览 55提问于2019-01-11得票数 1
我已经使用C++接口编写了一个非常简单的PopART程序，但每次我尝试编译它以在IPU设备上运行时，我都会得到以下错误： terminate called after throwing an instanceof ‘popart::error’
what(): Could not find loss tensor ‘L1:0’ in main graph tensors 我在我的程序中定义损失是这样的builder->aiGraphcoreOpset1().l1loss({outputs[0]}, 0.1f,
浏览 13提问于2020-09-04得票数 3
回答已采纳
2回答
我试图影响这篇文章：具体地说，就是第2节中的等式(3)。在找了很长一段时间后，我仍然不能弄清楚以下几点：
1)如何将批次分为正对(即相同的标签)和负对。因为张量是不可迭代的，
浏览 0提问于2016-05-27得票数 14
回答已采纳
我想写一个有两个参数的函数，A和B，相同形状的张量(例如，13x13或其他形状)，并且返回一个数字，该数字表示当按分量应用二进制交叉熵时所有损失的总和。因此，对于A[i, j]和B[i, j]，我们找到了二元交叉熵损失，然后对所有的i和j进行了求和。如何在Keras和Tensorflow中实现这一点？
浏览 0提问于2018-09-28得票数 1
回答已采纳
1回答
我有一个f()表示的模型，loss = mse(y1,y2) + mse(y2,t)是计算梯度所需的变量之一，已经通过内部操作进行了修改。我的理解是，假设我首先计算y1，在我对y2的评估中，图已经改变了。Use tensor.detach().numpy()，我不确定这是否是因为y1_no_grad是一个numpy数组，而y
浏览 1提问于2021-04-17得票数 0
回答已采纳
1回答
例如，一个样本的基本真理是5个类中的0，1，1，1，1，1，1，1，5类，而不是一个热向量。这意味着，预测的模型--上面的类(2,3或5)中的任何一个(不一定全部)--都很好。对于每一批，预测的输出维数为bs x n x nc形状，其中bs是批大小，n是每个点的样本数，nc是类的数目。地面真理也具有与预测张量相同的形状。对于每一批，我期望我的损失函数在n类中比较nc张量</
浏览 4提问于2022-10-11得票数 0
1回答
在PyTorch (v1.10) Distibuted DataParallel中，模型中未使用的参数不会导致最终损失，这会引发RuntimeError (如，中提到的)。"RuntimeError:在开始新的迭代之前，预期已经完成了前一次迭代的缩减。此错误表示您的模块的参数没有用于产生损失。您可以通过将关键字参数find_unused_parameters=True传递给torch.nn.parallel.Distribu
浏览 11提问于2022-05-19得票数 0
回答已采纳
1回答
我想实现以下的损失功能：
def loss_func(y_true, y_pred): list_of_factors = [4]*list_of_factors:
浏览 0提问于2018-08-08得票数 2
回答已采纳
我目前正在尝试放弃使用提要，开始使用队列，以支持更大的数据集。对于tensorflow中的优化器来说，使用队列很好，因为它们只对每个去队列操作计算一次梯度。但是，我已经实现了与执行行搜索的其他优化器的接口，我不仅需要评估梯度，还需要评估同一批的多个点的损失。不幸的是，对于正常的排队系统，每个损失评估都将执行一个去队列，而不是对同一批进行多次计算。
浏览 4提问于2016-12-06得票数 1
回答已采纳
tensorflow如何单独优化批次的元素损失，而不是优化批次损失？ 在对每个批次的损失进行优化时，常用的方法是对所有批次的元素损失进行求和或取其平均值作为批次损失，然后对该批次损失进行优化。在我的例子中，我想单独优化每个元素的损失，而不是将它们一起减少为批
浏览 17提问于2019-04-19得票数 0
我想用Keras进行多元泊松回归。换句话说，我希望最大化输出向量(i)中每个元素的Product[P(y_true[i] | y_pred[i])]。在这种情况下，P将表示泊松pmf。我相信我可以用一个自定义的损失函数来做到这一点。然而，事实证明，如何使用keras.backend中的可用函数实现此损失函数是一项挑战。特别是，我找不到一种在一维张量上实现元素阶乘的方法，这是计算泊松pmf所必需的。
浏览 1提问于2018-10-17得票数 2
1回答
我在研究基于Keras/TensorFlow的神经网络。我想做点不同的事。但是，我希望网络的输出层是作为函数参数的数字列表。该函数对这些参数进行操作，生成一个新的数字列表。即F(a，b，c，d，1)，F(a，b，c，d，2
浏览 4提问于2017-09-14得票数 1
回答已采纳
我读了其他相关的问题，但不能理解我问题的核心 DATASET_PATH = "/Users/user/Documents/ML Projects/Dataset"
CLASSNAME_SIZE = 96
浏览 35提问于2020-12-11得票数 0
回答已采纳
1回答
在计算y_true和y_pred之间的损失时，角点损失函数将维数降低1。例如，当对批处理大小= 8的64x64灰度图像对进行网络训练时，y_true和y_pred的形状将为(8、64、64)。角角损失函数将产生形状为(8，64)的损失张量，在最后一个维数上平均。我不明白为什么这是必要的，它所做的只是图像行的平均
浏览 1提问于2020-04-29得票数 3
我的loss输出是 tensor([0.0430, 0.0443, 0.0430, 0.0430, 0.0443, 0.0466, 0.0466, 0.0466],
grad_fn=<AddBackward0为什么使用.mean().backward()，即如果我们通常应该平均梯度(而不是损失)，为什么我们要对批次中所有元素的损失进行平均？ 这是我的code
浏览 36提问于2020-05-01得票数 1
我目前正在使用tensorflow来解决上的多类分割问题。reshaped_logits = tf.reshape(logits, [-1, nClass])
reshaped_labels = tf.reshape(labels, [-1]nClass张量中拆分logits张量
浏览 1提问于2016-09-12得票数 3
1回答
我正在尝试使用tf-slim的混合精度训练，以加快网络的训练速度，并利用我的GPU上可用的张量核心。我还想使用具有预先训练的检查点的多个网络架构。有关什么是混合精度训练及其工作原理的示例，请访问
基本思想是1.将输入转换为正向和反向传递的fp16。2.调整损失和权重时，将值转换回fp32。3.将损失用于反向传递时，将其乘以损失比例4.更新权重时，将其除以相同<em
浏览 8提问于2018-11-03得票数 0
我的目标是预测两个点的坐标: x1，x2。(这两个点的y坐标是固定的)。除了均方误差(xtrue - xpred)**2之外，我还想最小化斜率的误差:近似(1/(x2true - x1true) - 1/(x2pred - x1pred))**2。--def combo_mse(): slope_true =
浏览 52提问于2018-06-03得票数 0
回答已采纳
4回答
我有一个网络，它产生一个4D输出张量，其中空间维(~像素)中每个位置的值将被解释为该位置的类概率。换句话说，输出是(num_batches, height, width, num_classes)。我有同样大小的标签，真正的类被编码为一个热的。我想用这个计算categorical-crossentropy损失。问题#1: K.softmax函数需要2D张量(num_batches, num_classes)
问题2：我不知道如何将每个
浏览 5提问于2017-03-26得票数 10
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
