1回答
我正在使用tensorflow训练RNN，其中我在自定义损失函数中使用了一些输入数据。我已经将我想要在自定义损失中使用的输入数据附加到我的目标值，以便当我对其进行随机洗牌时，output_tensor看起来是这样的： <tf.Tensor: shape=(900, 2), dtype=float64[1.6980e+03, 1.0000e+00],
[4.9200e+02, 0.0000e+00]
浏览 22提问于2020-08-14得票数 0
回答已采纳
1回答
在自己的数据集上培训SSD的问题
、、、、
为了进行培训，我使用了自己的(非常小的)对象数据集，这些对象不在任何更大的已知数据集中。我的数据集具有以下特征：图像中只有一个类别的标签。所有图像的大小都适合300x300。dataset包含319幅用于培训和验证的图像。
现在我的问题是，验证的损失</em
浏览 0提问于2019-03-01得票数 1
回答已采纳
2回答
自定义损失函数的优化
、、、
我想在Keras中实现一个深度学习模型，但是我想使用我自己的损失函数，即自定义丢失。如果我实现了一些损失函数并使用作为模型，我是否需要改变优化器的工作方式，因为优化器将最小化我的损失函数？
浏览 0提问于2019-05-09得票数 0
回答已采纳
1回答
我在用角纸做模型。模型有一个输出，我想要一个类似mse损失的损失，但是有两个值可以预测，如果模型预测了其中的一个，那么我希望损失函数看起来像这样(p.s.图不必是对称的)
有这样的功能存在吗？
浏览 0提问于2019-12-08得票数 1
我试图重现一篇深度学习论文的实验结果， 我注意到损失函数，类别交叉熵具有L1正则化，可以在下面看到， ? 那么，如何计算模型复杂度并在Keras/Tensorflow中添加正确的自定义损失函数呢？
浏览 38提问于2019-10-15得票数 1
回答已采纳
我正在训练一个多标签分类模型来检测衣服的属性。我在Keras中使用迁移学习，重新训练vgg-19模型的最后几层。我使用的是深度时尚数据集。那么，
浏览 1提问于2019-12-15得票数 12
1回答
我想用一个逻辑损失函数作为我的深度学习模型来解决一个二元分类问题。我正在用角码来建立模型。然而，keras没有任何预先定义的逻辑。在阅读关于损失函数的文章时，我遇到了关于交叉熵损失和逻辑损失的混淆陈述。在这个维基百科中，有一个关于物流损失和交叉熵损失的单独章节。然而，在这个维
浏览 0提问于2018-03-01得票数 3
1回答
(在R中)假设我有一个loss function，它将一个函数作为输入，并在固定数据集的(固定)转换系列中对其求值。是否可以将其集成到中，并将其用作DNN regression的自定义损失函数？为了执行深度学习，我目前使用的是tensorflow -> R接口。
浏览 3提问于2018-12-16得票数 2
我是Lstm和机器学习的新手，我正在努力理解它的一些概念。下面是我的Lstm模型的代码。accuracy'])下面是我输出的一个示例：以及列车/测试精度和列车/测试损耗图：
我的不足(如果我错了，请纠正我)是val_loss和val
浏览 0提问于2021-01-14得票数 0
回答已采纳
1回答
过拟合DL模型？
、、
我正在尝试建立一个深度学习模型，以便在天气模型数据中挑选出热带气旋。我已经收集了数据，在区域0，1中对其进行归一化，并将其传递给我的早期模型。然后，我将损失和精度曲线绘制为。我得到了奇怪的曲线，因为验证损失在~50个时期后开始增加，这表明过拟合，但验证精度仍在增加。我的模型是否过拟合(大约50个时期)？
浏览 11提问于2019-08-19得票数 0
我试图在dataset上拟合DL模型，经过一段时间的参数调整后，我确定了最优的历元数。现在假设有新的数据可用，我想包括它们来重新训练模型，我是否需要将划期的数目设置为完全相同，还是使它更小，使我有相同数量的梯度更新？这两者对我来说似乎都是有意义的，但我不确定哪一个通常会更好。我知道一个更好的方法是使用火车测试分裂来确定最佳的年代，但是由于数据是非常有限的，如果可能
浏览 0提问于2021-04-10得票数 1
2回答
对于标准的机器学习问题，例如MNIST上的图像分类，损失函数是固定的，因此优化过程可以通过调用函数并将输入输入到它们中来简单地完成。不需要手动推导梯度和编码下降过程。但现在，当我遇到一些复杂的公式时，我感到困惑。假设我们正在解决一个半监督问题，损失函数有两个部分：Ls + lambda * Lu。第一部分是一个正常的分类公式，例如，交叉熵
浏览 13提问于2017-01-16得票数 0
回答已采纳
1回答
我建立了一个深度学习模型，它接受尺寸为250*250*3的图像，并输出62500(250*250)二进制向量，其中包含以0为单位的像素，以表示背景的像素和以像素表示ROI的1s。我的模型是基于DenseNet121的，但是当我在最后一层使用softmax作为激活函数和分类交叉熵损失函数时，损失是nan。什么是我可以在我的
浏览 7提问于2017-10-27得票数 5
回答已采纳
在深入学习中，我们可以用损失函数值来评估模型的性能，并通过K倍交叉验证等方法来提高模型的性能。但是，如何设计和优化神经网络在深度强化学习中的应用呢？我们可以用奖励等来评估强化学习算法本身的性能，但是如何保证神经网络在强化学习算法中的应用是好的还是坏的呢？
浏览 0提问于2019-02-08得票数 3
2回答
增加模型权重平方和是一种防止深度学习模型过度拟合的正则化方法。目前，我的模型有这个丢失函数，该函数是在pytorch中实现的。lossfunc = nn.NLLLoss(ignore_index=0) ...loss = lossfunc(out_perm, dec_pp[:,1:])
我希望正规化的损
浏览 1提问于2019-08-12得票数 2
回答已采纳
1回答
我现在正在使用PyTorch进行深度学习。 我之前训练了一个模型，并保存了参数。训练结束前的损失值约为0.003~0.006。然而，当我用相同的训练数据加载相同的模型时，损失值一开始会波动到0.5左右。 然后，损失值在~10次迭代中非常迅速地减少到0.01左右，现在缓慢下降。 有人知道为什么会发生这种情况吗？因为我正在加载相同的模型/训练数据</
浏览 45提问于2019-02-21得票数 1
根据我的理解，在深度Q学习中，为了训练NN，代理将经验存储在缓冲区(重放内存)中，每个体验包含：在训练模型时，输入目标神经网络中的S，选择动作a的Q值，然后在预测网络中输入S值，取最大Q值(然后用奖励r.)计算损失。我的问题是，如果我们总是以最大q值进行操作，那么为什么我们要将动作a存储在目标
浏览 0提问于2022-01-08得票数 0
回答已采纳
1回答
如果我使用eg.训练一个深度排名模型，我如何选择我的批次？在每个查询中有1个正文档和2个负样本的对比损失？ 所以，它是关于排名(损失)的，适用于eg。quora问题对数据或任何其他问题/答案对，我希望使用深度学习排名模型或仅使用暹罗网络进行排名。数据将如下所示：https://github.com/NTMC-Community/Ma
浏览 39提问于2019-03-18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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
