(错误的代码库：)Variable containing:[torch.FloatTensor of size 1]
当我检查我的输
浏览 1提问于2018-02-01得票数 3
1回答
我有一个图像输入340 to *340 to，我想把它分类为2类。我想要创建卷积神经网络(PyTorch框架)。我对图层的输入和输出有问题。self.conv2 = nn.Conv2d(6, 16, 5) self.fc1 = nn.Linear(107584, 120)
浏览 1提问于2018-02-28得票数 0
2回答
我正在研究使用PyTorch实现文本分类的RCNN。。有两点张量的维数是用permute函数排列的。第一种是在LSTM层之后，在tanh之前。第二个是在线性层之后和最大池层之前。请你解释一下为什么排列是必要的还是有用的？max_out_features) return self.softmax(final_out)
其他存储库中的类似代码RCNN
浏览 3提问于2021-01-04得票数 3
回答已采纳
2回答
Pytorch线性回归
、、、、
我是用Pytorch，我的输入序列是341，输出是三个类{0,1,2}之一，我想用pytorch训练线性回归模型，我创建了下面的类，但是在训练期间，损失值开始有数字，然后是inf，然后是NAN。同时，我试图初始化线性模型的权值，但这是一样的。任何建议。__init__() # One layer
self.linear = n
浏览 9提问于2021-12-20得票数 0
回答已采纳
2回答
纵火线性法中的多维输入？
、、、
在构造一个简单的感知器神经网络时，我们通常将格式(batch_size,features)输入的2D矩阵传递给二维权矩阵，类似于中的这种简单的神经网络。我总是假设神经网络的感知器/密集/线性层只接受2D格式的输入，并输出另一个2D输出。但最近，我遇到了这样一个模型:线性层接受三维输入张量，并输出另一个三维张量
浏览 3提问于2019-10-28得票数 3
回答已采纳
1回答
我用PyTorch训练了一个MNIST神经网络： def __init__(self): self.dropout = nn.Dropout(0.5)arXiv preprint arXiv:
浏览 1提问于2022-02-14得票数 1
回答已采纳
我想知道我是否成功地将PyTorch中的以下定义转换为Keras？return nn.Sequential( act(), act(), act(),
nn.Linear(hidden, size_out/
浏览 7提问于2022-06-29得票数 0
回答已采纳
我制作了一个缩小版本的示例图，说明了我试图实现的内容：因此，前两个输入节点只完全连接到前三个输出节点，同样的设计适用于下两个节点。到目前为止，我已经想出了两种在PyTorch中实现这一点的方法，这两种方法都不是最优的。
第一种方法是创建一个由许多较小的线性层组成的nn.ModuleList，并在向前通过的过程中迭代输入。我认为这是因为PyTorch必须
浏览 5提问于2021-12-08得票数 2
对于我的snake AI，我使用了pytorch，它的结构是： def __init__(self): nn.Linear(16, 8, bias=True), nn.Linear(8, 4, bias=nn.Sigmoid()
浏览 2提问于2020-05-10得票数 0
回答已采纳
1回答
我尝试在TPSSpatialTransformerNetwork上训练IAM数据集，但最终得到一个错误:形状'-1，2，4，28‘对于大小为768的输入无效 self.fc2 = nn.Linear(512, 79)
# Regresso
浏览 32提问于2021-05-12得票数 0
回答已采纳
我是深度学习的初学者，我正在使用PyTorch实现一个神经网络来训练一些化学数据。输入范围在(0到1)之间，没有负值，而且我在每个图层上都使用ReLu激活函数，因此我不希望在输出中看到负值我可以正确地预测7个特征中的6个，没有问题，只有我发现其中一个总是负值据我所知，ReLU不能生成负值class NNModel(nn.Mod
浏览 3提问于2021-09-28得票数 1
bias, input, weight.t())
这个错误与我的张量大小有关--我尝试过排列输入数据，但这会返回一个新的错误。还值得注意的是，当错误m1：30x2以我<em
浏览 0提问于2021-06-21得票数 0
1回答
我正在学习深入的学习，并试图理解下面给出的pytorch代码。我很难理解概率计算是如何工作的。可以用门外汉的术语来分解它。谢谢一吨。784output_size = 10
model = nn.Sequential(nn.Linear(input_size, hidden_sizes[0]),
浏览 1提问于2019-01-17得票数 4
回答已采纳
1回答
这是一个玩具例子，因为我正在学习PyTorch，并在一维时间序列上使用它，在这个例子中是一个正弦波。回溯”是5个时间步骤，我的数据批处理的形状是[994, 5]。import torch;from torch.utils.data import Dataset, DataLoader # sel
浏览 11提问于2022-06-09得票数 0
回答已采纳
给定具有维度的pytorch输入数据集：
这是一个有监督的学习问题:我们有一个单独的labels.txt文件，包含每个输入观察的一个C类。C的值是由标签文件中的不同值的数目计算的，目前是以个位数计算的。
我可以在如何划分复杂层和线性层网络的简单混合层方面提
浏览 1提问于2020-10-08得票数 3
回答已采纳
我是新手，我不太明白nn.ModuleList和nn.Sequential的用法。我能知道什么时候应该用一种而另一种吗？谢谢。
浏览 2提问于2017-11-29得票数 25
回答已采纳
1回答
(在PyTorch中)
、、、、
这可能听起来有点令人困惑，所以这是我到目前为止的代码，所以你知道我的意思。__init__()
self.fc2 = nn.Linear(8, 1)
x = self.fc2(x) return x
如你所见，我的线性层accept的
浏览 7提问于2020-05-07得票数 0
回答已采纳
2回答
如图所示，它是一个具有神经网络的3层，即输入层、隐藏层和输出层。我想设计神经网络(在PyTorch中，只是拱)，其中输入的隐藏层是完全连接的。但是，从隐层到输出层，隐层的前两个神经元应该连接到输出层的第一个神经元，第二个神经元应该连接到输出层的第二个神经元，等等。应该如何设计呢？from torch import nn
layer1 =
浏览 11提问于2022-06-23得票数 3
我正在使用Y=Q(X+A)形式的线性变换，其中X是输入张量，Y是输出，Q和A是要学习的两个张量。Q是一个任意张量，因此我可以使用nn.Linear。但是A是一个(可微的)张量，它有一些特定的模式，作为一个简短的例子， [a1,a0,a1,a2,a2],
[a2,a1,a0,a1,a2所以我不能在nn.Linear中定义这样的模式。有
浏览 1提问于2021-11-02得票数 0
对我来说，标签的维度应该与神经网络最后一层的维度相同，这对我来说是有直觉的。然而，通过一些使用PyTorch的实验，它以某种方式被证明是有效的。(1,3)而不是model = nn.Linear(1,1)。代码运行时会出现一条警告：“使用与输入大小不同的目标大小可能会因为广播而导致不正确的结果。”=<AddBackward0>) 在我看来，这三种输出都是正确</
浏览 234提问于2021-07-30得票数 1
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
