对于更改为下面分数的自定义激活函数，我希望将值替换为小于threshold=0.5的activated_x为0。 如何修改？binary_activated_x) return score 使用上面注释掉的源代码，它可以作为一个激活函数工作，但当我取消注释它们时，它们将不起作用
浏览 13提问于2019-02-01得票数 0
1回答
改变角点激活函数的阈值
、、、、
在建立神经网络的同时，我试图改变激活函数Relu的阈值。
因此，我将代码更改为下面的代码，以传递一个自定义函数，但只得到以下错误。语法要求我编写model.add(layers.Activation(activations.relu))，但这样就无法更改<e
浏览 3提问于2021-05-08得票数 1
回答已采纳
2回答
最终，如果你再运行几个时期，它会达到0.6221的峰值。为什么它会在这个数字上达到峰值？同样，这并不是softplus激活所独有的。我测试过的其他几个激活函数，如tanh、softmax或sigmoid也做了同样的事情。我是机器学习的新手，但我不认为累计值应该在如此一致和低的数字上达到峰值。，但到目前为止，我在Tensorflow中还没有找到允许我这样做的函数。
另外，我是否正确地执行了机器学习过程？我觉得所有<em
浏览 12提问于2019-01-18得票数 0
我正在尝试创建一个自定义的丢失函数，在查看其他在线丢失函数的示例时，我发现了以下示例： # normalize y_pred # clip to prevent NaN's and Inf's
y_pred= keras.backend.cl
浏览 0提问于2021-11-18得票数 0
回答已采纳
我试图训练一个lstm自动编码器，将输入空间转换成一个潜在空间，然后将其可视化，我希望在潜在空间中找到一些有趣的模式。输入来自9个传感器的数据。它们将被转换成一个三维空间。这是使用以下方式的自动编码器im： super(Autoencoder, selfautoencoder.encoder(X)
encoded_reshaped = pd.DataFrame(encoded.numpy().reshape(-1,
浏览 5提问于2021-08-25得票数 0
2回答
我正在开发Keras模型。我的数据集非常不平衡，所以我想设置一个训练和测试的阈值。如果我没有弄错，在进行反向传播时，神经网络会用原始值检查预测值并计算误差，并根据误差为神经元设置新的权重。如我所知，Keras使用0.5作为阈值。我知道有一些方法可以使用自定义阈值应用自定义度量(如召回和精度)，但该阈值仅用于计算召回，而不应用于损失函数。更清楚的是，如果我想设置0.
浏览 1提问于2019-08-23得票数 0
回答已采纳
1回答
我正在做一个研究项目，其中涉及用多项式激活替换某些ReLu激活。我继承的代码是使用TensorFlow后端的Keras --这是我几乎没有经验的东西。从本质上讲，我正在构建一个普通的ResNet图，我需要逐渐用一些自定义函数替换掉一些ReLus。换句话说，我的自定义激活需要执行以下操作： def activation(x)
approx
浏览 23提问于2019-04-20得票数 3
回答已采纳
它不应该有中间的实值，甚至不应该是零。batch_size = 10, epochs = 100)
y_pred = classifier.predict(x_test)
y_pred的输出值在-1,1的范围内，但我期望的值只能是1或-1。
浏览 1提问于2019-01-03得票数 0
1回答
我有一个自定义激活函数及其导数，尽管我可以使用自定义激活函数，但我不知道如何告诉keras什么是它的导数。编辑:根据我得到的答案，也许我不够清楚。我想要的是为我
浏览 0提问于2018-08-08得票数 1
回答已采纳
1回答
创建自己的激活函数时出错
、、、
我正在尝试测试MNIST数据上的激活函数，但它给出了一个错误： TypeError: Using a `tf.Tensor` as a Python `bool` is not allowed.下面是我的激活函数： def fun1(x):model.add(Dropout(0.5))
model.add(Den
浏览 24提问于2019-10-03得票数 0
回答已采纳
1回答
TensorFlow版本: tf 1.13.1Python版本: 3.7
x = keras.activations.relu(x)
ff_layer2 = keras</em
浏览 0提问于2019-05-27得票数 0
回答已采纳
1回答
我试图在Keras中实现一个自定义激活函数，如下所示 if x > 0.5 : elif if x < 0.5:return 0 return x + 0.5model.add(Dense(128,activation = picewise))
但我有一大堆错误。如何在Keras中成功地将上述功能作为工作激活
浏览 1提问于2018-05-02得票数 2
回答已采纳
2回答
我用tensorflow在Keras中实现了一个基本的MLP，并试图解决一个二进制分类问题。对于二进制分类，sigmoid似乎是推荐的激活函数，我不太理解其中的原因，以及Keras如何处理这个问题。我理解sigmoid函数会产生介于0到1之间的值。我的理解是，对于使用sigmoid的分类问题，将有一个特定的阈值来确定输入的类(通常为0.5)。在<
浏览 0提问于2018-03-06得票数 21
回答已采纳
1回答
我想保存一个具有自定义激活函数的Keras模型。只保存权重不是一个选项，因为要保存优化器状态。如果我使用了一个内置的激活函数，比如relu，那么save就能正常工作。但是如果我使用一个自定义激活函数，我会得到一个错误；我认为这是因为激活函数本身不能被存储。我的自定义激活函数是：
def lre
浏览 32提问于2019-07-22得票数 0
1回答
我正在使用Keras (使用Tensorflow后端)进行二进制分类，我得到了大约76%的准确率和70%的召回率。现在，我想尝试使用决策阈值。据我所知，Keras使用判决阈值0.5。在Keras中，有没有一种方法可以使用自定义阈值来提高决策精度和召回率？
谢谢您抽时间见我!
浏览 0提问于2017-03-05得票数 13
回答已采纳
1回答
如果我们用all训练CNN，并且希望像“汽车”图像那样预测未知图像的类别，那么模型每次都会给出一个类。请您告诉我，如果数据不是训练数据集的一部分，我们如何才能告诉模型，比如“我没有检测到类”之类的东西？
谢谢
浏览 4提问于2021-11-08得票数 0
我是python，深度学习和神经网络的初学者。我做了自定义激活函数。当我从sigmoid创建自定义激活函数时，我想知道什么，我应该在哪里定义我的自定义激活函数的导数？ 我试过阅读有关自动微分的内容。但我不确定keras会自动派生我的自定义sigmoid吗？keras/activati
浏览 24提问于2019-04-24得票数 0
回答已采纳
我正在用一个自定义激活函数建立一个由Keras的tf后端和一些tf的张量运算符本身编写的新类的keras序列模型。我将自定义激活函数放在.如果没有自定义函数，我可以使用以下方法轻松地在float32和float16之间进行选择：
浏览 0提问于2019-06-16得票数 2
我正在使用keras，我想将自己的激活函数myf添加到tensorflow后端。如何定义新功能并使其运行。因此，与代码行不同的是：我会写
model.add(layers.Conv2D(64,
浏览 0提问于2019-09-09得票数 18
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
