我通过选择自定义变量集来训练神经网络 tvars = model.trainable_variables
g_vars = [var for var in tvars if 'param'
浏览 39提问于2020-07-19得票数 0
回答已采纳
1回答
谁能告诉我在Keras中反向传播是怎么做的？我读到在Torch中很简单，在Caffe中很复杂，但我找不到任何关于使用Keras做这件事的东西。我正在用Keras (一个非常初学者)实现我自己的层，我想知道如何做反向传播。
提前谢谢你
浏览 5提问于2017-11-21得票数 21
回答已采纳
下面的代码抛出一个“无渐变”错误。tf.reduce_mean(self.cos1)我相信这是因为我的损失函数依赖于占位符而不是变量，但在我的训练函数中，我传入了占位符的变量值。有没有办法为变量创建占位符？
浏览 2提问于2018-06-05得票数 0
仅此而已，我需要知道它们是相同的还是对应于不同的概念。
当我使用model.summary()方法时，它给出了可训练变量的数量，我需要知道它们是否与权重相同。
浏览 1提问于2019-09-21得票数 2
回答已采纳
1回答
我有一个函数，看起来像这样：我想通过使用反向传播训练神经网络来近似这个函数。对于我来说，变量a、b、c和d的范围目前是不确定的，因此首先我假设它们都在0，1的范围内。然后，我通过假设变量的均匀分布来生成训练集。在找到适当数量的隐藏节点
浏览 2提问于2015-07-06得票数 4
1回答
假人的反向传播和训练集
、、、
我刚开始学习神经网络，但我的技能或智力的缺乏使我无法从流行的文章中理解如何为反向传播训练方法(或其局限性)正确地准备训练集。例如，我想训练最简单的两层感知器来解决反向传播的XOR问题(例如，修改来自第一层的4个突触和来自第二层的4个突触的随
浏览 0提问于2016-02-22得票数 1
我有一些python代码，我必须阅读和理解。在我发现的一行我看到的这个Variable是什么？当我使用IDE查找定义时，它会说“没有找到变量的定义”，这让我怀疑它是python中的
浏览 1提问于2020-08-03得票数 0
回答已采纳
2回答
我已经做了大约一周了。在我的编码没有错误，我只需要得到正确的算法和概念。我实现了一个由一个隐藏层组成的神经网络。我使用反向传播算法来校正权重。
我的问题是，网络只能学习一种模式。如果我一次又一次地用相同的训练数据训练它，当给定的输入与<em
浏览 1提问于2013-12-27得票数 4
2回答
我觉得这是一个有很多变化已经发布的问题，但它并没有确切地回答我的问题。我理解最大池的概念，也理解反向传播的概念。我不能理解的是，为什么它说最大池不影响反向传播的过程？是因为max池“没有任何参数”吗？
浏览 0提问于2019-07-09得票数 3
回答已采纳
2回答
我建立了一个相当标准的反向传播算法，使用一个包含39个变量的10,000个数据集，通过5层x5节点网络进行前向传播的过程，每次迭代几乎需要5分钟。使用这样大的数据集，神经网络通常需要花费很多时间来训练吗？我的初始数据集是10倍长，但我不能等待一个小时仅仅是完成一次向前传球。
浏览 0提问于2017-03-10得票数 3
我对我的模型的前传有信心，我如何控制它的后传？
这不是关于什么是反向传播的理论问题。这个问题是一个实际的问题，关于是否有适合于可视化/跟踪/控制反向传播过程中发生的事情的工具。理想情况下，该工具将允许可视化模型计算图<e
浏览 0提问于2018-10-25得票数 2
我正在用一个1的示例代码自我实现一个人工神经网络( ANN )。虽然原则上我清楚ANN代码是如何工作的(我以前用过其他语言)，但我对python语法/逻辑有更多的问题:在第181行中，网络被训练了10000次，但是由于“反向传播”(第39行)函数不返回网络，而变量“网络”似乎也不是全局变量，如何节省进度呢？另外，在函数
浏览 0提问于2018-05-24得票数 0
回答已采纳
我使用过pybrain，了解了如何生成具有自定义架构的神经网络，并使用反向传播算法将其训练为有监督的数据集。
然而，我对优化算法以及任务、学习代理和环境的概念感到困惑。例如:我如何实现(1)这样的神经网络，以使用pybrain遗传算法(2)对XOR数据集进行分类？
浏览 1提问于2013-04-02得票数 19
回答已采纳
validation_data可以传递给model.fit，但是这个参数如何影响训练，以及如何确定validation_data的优化参数？我知道validation dataset用于模型优化参数的优化。但是我无法想象有和没有validation_data之间的区别。
验证集:用于调整分类器参数<e
浏览 4提问于2017-10-11得票数 6
回答已采纳
1回答
我试图理解损失函数和反向传播之间的联系。据我所知，在LSTM算法中，反向传播被用来获取和更新矩阵，在前向传播中使用偏差来获取当前的单元和隐藏状态。损失函数取训练集的预测输出和实际输出。但哪一部分是LSTM的培训部分？它们之间有某种联系吗？LSTM模式的培训目标是什么？
浏览 0提问于2019-08-31得票数 0
2回答
在CNN中使用反向传播来更新随机分配的权重、偏差和滤波器。对于值的上升，我们从端到尾用链规则求出梯度，并使用该公式，梯度下降是一个优化器，用于优化损失函数。这里还计算了梯度，公式是如果我在上面给出的解释是错误的，请纠正我。
浏览 5提问于2021-02-15得票数 2
1回答
我觉得我对恩科做了些错事。在我看到的所有例子中，它们只是简单的训练，直到达到某个训练错误，然后打印结果。何时计算梯度和更新隐藏层的权重？这些都包含在training.iteration()函数中吗？这是没有意义的，因为尽管我的程序中的训练错误不断减少，这似乎意味着权重正在改变，但我还没有通过网络运行验证集(在开始构建数据时，我断开了验证集
浏览 4提问于2014-06-21得票数 2
回答已采纳
3回答
通过这个，我熟悉以下内容：
据我所知，反向模式自减首先在正向上通过图，然后在第二次传递中，计算输出与输入有关的所有偏导数。这与传播算法非常
浏览 3提问于2018-04-19得票数 15
回答已采纳
我对并行计算(包括一些CUDA)、前馈神经网络和递归神经网络(以及它们如何使用BPTT)有基本的知识。如果是这样的话，为什么GPU加速工作呢？当时间步长相关的部分被序列化时，所有可以并行计算的东西都是这样
浏览 6提问于2017-04-26得票数 4
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
