我正在尝试从单变量时间序列中构建一个窗口数据集。我们的想法是，如果序列看起来像[1, 2, 3, 4, 5, 6]，并且窗口长度为2，那么我将使用长度为3的窗口来说明2个X特征和Y目标输出，所以[[1, 2, 3], [2, 3, 4], [3, 4, 5], [4, 5, 6]]然后我将把它们打乱，以避免产生偏差，并从每个窗口的目标输出中分离出输入要素：[[[1, 2], [3]], [[2, 3], [4]], [[3, 4], [5]], [w)
浏览 9提问于2020-04-21得票数 1
我现在正在做一个神经网络，使用TensorFlow作为后端，我的模型有5个输入，都归一化为0到1。输入的单位从m/s到m/s/s不等。例如，一个输入可能在0 m/s到30 m/s之间变化，而另一个输入可能在训练数据集中从5 m到200 m变化。 对所有输入进行单独和独立的归一化是不是更好，以便我对每个单位/输入有不同的比例？或者，将所有输入归一化到一个标度(
浏览 32提问于2019-06-11得票数 0
回答已采纳
当我使用tensorflow对象检测AIP训练我的定制数据时，除了图像，在拉伸板上一切都工作得很好。在图像窗口中，它显示了两个累积归一化值图。
有人能告诉我这就是为什么吗？
浏览 0提问于2018-05-10得票数 1
回答已采纳
1回答
重用神经网络
、、、
我对神经网络非常陌生，但对于我的一个项目来说，它们似乎很合适。最终，该应用程序应该可以在Android手机上运行。我的想法是使用TenserFlow，但我不确定它是否合适。我有以下情况，我的输入是一组图像(它们的顺序不应该对输出有任何影响)。集合的大小不是固定的，但在大多数情况下小于10。我对整个集合的输出只是一个二进制分类(通过/失败)。我将有一个卷积神经网络，它计算两个输出，一个权重和一个通过/失败的值。每个图像分别提供给这个C
浏览 10提问于2016-08-17得票数 1
回答已采纳
支持这样的指令，即这个TensorFlow二进制文件没有编译使用: SSE4.2 AVX AVX2 FMA错误:tensorflow:无法识别用于收集trainable_variables的数据类型。错误:tensorflow:无法识别收集trainable_variables的数据类型。跳过。错误:tensorflow:无法识别收集trainable_variables的数据类型。跳过。错误:<e
浏览 1提问于2018-03-20得票数 1
回答已采纳
在上提到，对于卷积神经网络，最好使用均值减法和归一化技术对数据进行预处理。X -= np.mean(X)X /= np.std(X, axis = 0)
浏览 0提问于2016-08-03得票数 9
回答已采纳
我为MNIST数据集创建了两个相同的神经网络，一个使用TensorFlow，另一个使用Keras。在10个时期，Keras实现了超过96%的性能，而TensorFlow实现了大约70%的性能。我还在其他数据集上测试了下面的代码，在直接参数比较中，TensorFlow在所有这些数据集上的性能都要低得多。model.fit(x_train, y_train, epochs=10, batch_size=200, vali
浏览 0提问于2019-11-23得票数 1
我使用tensorFlow训练了一个分类网络，并在每个卷积层中进行批量归一化。当我预测一个平衡测试集，其中包含的每一个类别，准确性是正常的。但是，如果我从测试集中选择了任何一个特定类别，准确率就会很低，甚至为零。但当测试集中包含3个类别时，测试结果的准确性就越高。我们都知道，当模型完成训练时，重量是固定的。但我发现测试集中的平衡对预测精度有很大的影响。我认为如果批规范化对此有影响，所以我删除了所有批
浏览 2提问于2017-06-19得票数 0
回答已采纳
1回答
我想对我的训练数据集应用词干分析。我可以在tensorflow之外执行此操作，作为训练数据准备的一部分，但是在调用(存储的)模型之前，我需要对预测请求数据执行相同的过程。有没有一种方法可以在tensorflow本身中实现这种转换，以便转换既用于训练又用于预测？
如果转换需要整个数据集的知识，例如标准化，这个问题就会变得更加恼人。
浏览 2提问于2018-03-31得票数 1
我从在线资源下载了BathyMetry数据该资源包含如下所示的X、Y、Z信息 542487.256 5234278.2365234281.554 -9.222311 542489.577 5234281.587 -9.403607
由于openGL Es的可视取值范围在
浏览 0提问于2014-03-26得票数 0
2回答
我可以在CNN中使用层标准化吗？
、、、、
我看到层标准化是比批量标准化更现代的标准化方法，而且在Tensorflow中编码非常简单。但我认为层归一化是为RNN设计的，而批量归一化是为CNN设计的。我可以在CNN中使用层归一化来处理图像分类任务吗？选择批归一化或层的标准是什么？
浏览 1提问于2017-07-06得票数 7
1回答
在 nn.VolumetricBatchNormalization中，Torch提供的体积批标准化的tensorflow等价物是什么？tf.contrib.layers.batch_norm(input, is_training=phase_train)
这是维度(batch_size,height,width,depth,channels)的输入的正确用法吗
浏览 8提问于2017-03-16得票数 0
一些TensorFlow层(如和 )接受一个kernel_constraint参数，根据，该参数实现了
可选的投影函数，在被优化器更新后应用于内核(例如，用于实现层权的范数约束或值约束)。提出了一种称为权值归一化的神经网络归一化技术，该技术对网络层的权向量进行规范化，而批归一化则对通过该层的实际数据批进行规范化。在某些情况下，权重归一化方法的计算开销较低，在批处理不可行的
浏览 1提问于2018-07-15得票数 7
1回答
训练中使用归一化后的预测
、、、
在我在训练中使用了任何类型的归一化之后，这会对我未来的预测产生什么影响？ 假设某只股票的收盘价在0到1之间归一化，我相应地训练了模型，并达到了令人满意的准确性。现在，当我使用新数据进行预测时，我是否也需要对新数据进行标准化？如果是这样的话，我把它放在什么地方？现在我没有训练或测试数据集，新数据可能高于拟合数据(这将使其高于1)或低于最低数据(将使其低于0)。 我知道规范化在训练过程
浏览 31提问于2021-06-16得票数 0
1回答
金融时间序列数据归一化
、、、
我用R中的Keras来预测金融时间序列。价格正常化很容易，只需计算收益或日志回报，通常就足够了。我想用高盛金融状况指数和摩根士丹利资本国际世界指数来预测其他证券，我想用水平和它们的回报或最初的差异来预测。我认为使用minmax或z-得分归一化是不合适的，因为序列分布会改变。那么，问题是如何规范非平稳时间序列数据？
浏览 0提问于2018-12-27得票数 5
回答已采纳
该算法要求在每次迭代中，训练集中每个数据点的权重之和为1。
如果我简单地使用下面的归一化v = v / sum(v)，我得到一个向量，它的1-范数是1，除了一些后来导致算法失败的数值错误。有没有一个matlab函数可以归一化一个向量，使它的1范数是EXACTLY 1？
浏览 0提问于2014-04-23得票数 0
1回答
我正在尝试训练一个非常简单的神经网络，它有两个隐藏层(例如)，每个隐藏层有5个神经元。我不明白为什么会出现这种情况，也不知道如何修复它。一个线索可能是，当我查看mnist数据集(第一张图片)的trX的第一行时，它是一个非常稀疏的矩阵，非零元素
浏览 0提问于2016-05-30得票数 0
1回答
我有一个由5个数值变量组成的数据集，如以下图像中的示例：在这个数据集中，前四个变量是输入，GDP是输出。我正试图建立一个回归GDP变量的神经网络。对于输入变量，我使用主成分分析来规范数据，而对于GDP变量，我使用了MinMax归一化算法。然而，神经网络结果的精度很低，我认为问题在于输出变量的归一化。关于如何提高神经网络的准确性，有什么建议吗？
浏览 0提问于2020-03-24得票数 0
我一直在尝试规范化我的数据集，其中包含许多具有不同分布的特征，归一化，正偏和负偏。在执行数据标准化作为建立分类模型的初步步骤时，我是应该对数据集中的所有特征应用相同的标准化技术，还是应该对数据集中的不同特征应用不同的标准化技术？
浏览 0提问于2013-09-30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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
