这是我第一个问题的继续：我当前使用的数据集可以在以下位置找到：from __future__ import absolute_import
from __futu
浏览 14提问于2017-03-15得票数 0
回答已采纳
我是python神经网络的新手。我以前用过ml.net。每个预测示例的准确性都很容易获得f.e ->我的模型在照片上识别自行车，acc = 60%。 现在我需要用python做类似的事情。我使用keras和tensorflow。 我的预测是这样的： predict = model.predict_classes(data) 它返回预测的类，但是如何获得这个预测的准确性
浏览 47提问于2019-10-19得票数 4
2回答
我有1500个有标签的声音样本，分为5类。(300个声音样本，每级持续2秒)。通过在网上和这个论坛上搜索，我找到了减少过度拟合的方法：训练精度= 80 %/验证精度= 60 %(经过200个训练周期后)
正如你所看到的，训练的准确性和验证的<em
浏览 5提问于2020-04-15得票数 0
2回答
当我用Theano或Tensorflow训练我的神经网络时，他们会在每个时期报告一个名为"loss“的变量。
我应该如何解释这个变量？更高的损失是好是坏，或者它对我的神经网络的最终性能(准确性)意味着什么？
浏览 227提问于2015-12-30得票数 251
回答已采纳
我有大量的数学，我需要努力来评估我的神经网络的损失和准确性，其中大部分我不知道如何在tensorflow中执行，因为复杂的索引挑战。我的神经网络由一个RNN组成；由于RNNs的性质，如果我选择通过在tensorflow之外计算的上一次迭代的损失/准确性，并使用它作为损失指示符而不是当前的迭代，那么性能会下降吗？我怀疑我
浏览 0提问于2018-02-12得票数 0
回答已采纳
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。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(对于上面的示例，将0-200映射到0-1 )是否会更好地提高准确性？
浏览 32提问于2019-06-11得票数 0
回答已采纳
1回答
我在研究一个说话人识别神经网络。我所做的是把Bing Bang理论的wav文件第一个espiode :-)转换成MFCC，而不是把它作为一个开放源码的神经网络api (MLPClassifier)的输入，作为输出，我为每个说话者定义一个唯一的向量，我取50个随机值进行测试，其他值用于拟合(训练)
这是我的代码，在开始的时候，我得到了神经网络的随机装备，但是在一些了不起的人的帮助下，
浏览 2提问于2019-11-25得票数 0
回答已采纳
1回答
我有一个函数change_weight()，它可以修改任何给定模型中的权重。此函数位于不同的python文件中。因此，如果我有一个简单的神经网络来对MNIST图像进行分类，我在调用这个函数之前和之后测试了它的准确性，我发现它是有效的。在TensorFlow v1中很容易做到这一点，因为我只需要在函数调用中传递会话sess对象，并且我可以在另一个文件中获得该会话的权重。 对于TensorFlow v2
浏览 10提问于2020-04-20得票数 0
回答已采纳
我想训练一个卷积神经网络(用MNIST数据集和TensorFlow)几次新的，每次都得到相同的精度结果。为了得到这个，我：
我以前使用过一个前馈网络(3个隐藏层)，每次运行这个python脚本时，我都会得到相同<
浏览 2提问于2017-06-27得票数 2
回答已采纳
我试图使用CuDNNLSTM Keras细胞来提高递归神经网络(doc )的训练速度。当我跑步时：我知道这个错误：
我的配置是Keras2.0.8，python3.5，tensorflow -GPU1.4.0(都是由Anaconda管理的)，我已经安装了CUDA8.0和cudn6.0，可以使用t
浏览 5提问于2017-12-17得票数 16
回答已采纳
在这里，官方的TF文件说，
为了使学习过程具有可控性，通常的做法是创建一个‘展开’版本的网络，其中包含固定数量(num_steps)的LSTM输入和输出。Tensorflow (我使用的是1.3)是否自动进行正确的反向传播，即使没有手写的背靠背实现部分？放置BPTT实现代码显着地提高了预测的准确性吗？上面的代码使用从RNN层返回的前一个时间步骤的状态来输入下一个
浏览 3提问于2017-10-08得票数 2
回答已采纳
我刚接触Tensorflow，神经网络，而且我从来没有用过Tensorflow的JavaScript版本。基本上，我正在实验和研究这一切。通过阅读(Python) Tensorflow文档，我发现修剪可以由TF.CONTRIB.MODEL_PRUNING完成，但是，据我所知，Tensorflow.JS没有类似的功能，所以我想尝试一下，至少实现一个非常简单/基本的修剪方法。这种“非常简单/基本的修剪方法”可以从隐藏层
浏览 0提问于2019-02-05得票数 1
我阅读了快速入门教程中的tf.contrib.learn，它使用Iris数据集。训练后的神经网络模型精度为0.967。为了提高准确性，我试图改变隐藏层的数量和大小，我将步骤加倍，并且改变了优化器和学习速率。然而，准确性并没有增加(或减少)。对如何提高成绩有什么想法吗？
浏览 0提问于2017-05-05得票数 2
1回答
我正在训练我的神经网络3585-500-95。经过几次迭代之后，我得到了这样的结果：验证集的准确性似乎不再提高。我试过L2-正规化和辍学，但没有什么不同。所以我想知道这是否是nnet能得到的最终状态？如果正常情况下，验证集的准确性低于常规情况下的训练集？
浏览 0提问于2017-10-31得票数 0
回答已采纳
2回答
当我训练一个神经网络时，我观察到越来越多的验证损失，同时也提高了验证的准确性。你能给出这种现象背后的解释吗？
浏览 0提问于2020-10-01得票数 6
我遇到的问题是，no action项约占整个数据集的84%，但是该模型几乎99%的时间预测no action。我想这是因为模型的目标是达到最大的精度，并且它没有意识到no action项目是无用的。因此，如果可能的话，我希望模型只关心buy和sell项目，以最大限度地提高准确性，希望增加buy和sell预测的数量(这有助于提高模型的盈利能力)。我认为我可以这样做的一种方法是增加类<
浏览 0提问于2019-11-17得票数 2
我们被分配给一个任务，我们应该实现我们自己的神经网络，和另外两个已经发展起来的神经网络。我已经这样做了，然而，这不是任务的要求，但我仍然想知道，我可以遵循哪些步骤/程序来提高我的模型的准确性？它将训练数据集的准确性提高到0.3317，但是测试数据集的准确性比我自己的CNN还要差，只有0.06。
之后，我又一次尝试了VG
浏览 6提问于2022-01-02得票数 1
回答已采纳
我正在研究一种算法来预测句子中的下一个单词，比如SwiftKey应用程序。但是我想知道是否有任何现有的库可以进行下一个单词的预测？(我看过OpenNLP和斯坦福大学的CoreNLP，发现他们对这个特性没有开箱即用的支持)非常感谢你的帮助
浏览 2提问于2015-12-31得票数 0
2回答
在训练普通神经网络时强调一个特征
、、、、
我有大约360个奇怪的特征，我正在训练我的神经网络模型。我得到的准确率非常差。在360中有一个功能比其他功能更重要。我正在使用Python3.5和Keras和Scikit-learn。
浏览 2提问于2019-12-04得票数 0
1回答
并行训练神经网络，理论框架
、、、、
我正在与神经网络合作，目前正在探索除我的cpu之外的其他方法来加速训练过程。在AWS中的GPU机器上使用带有Tensorflow的Keras，我能够真正加快这个过程。我很难找到一个参考资料，所以我想让你了解一下它是如何工作的。
提前谢谢你
浏览 3提问于2017-02-22得票数 2
回答已采纳
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
