y_predict应该在0，1的范围内，但我的y_predict在一个小范围内: 0.16124，0.16125。
但它以某种方式起到了一点作用，即在训练和测试数据上的AUC都约为0.7。可能的原因是什么？模型容量？新纪元？激活(我使用了relu和sigmoid)？感谢你的任何想法。
浏览 5提问于2019-11-12得票数 0
回答已采纳
5回答
我在wordpress模板上遇到了一个非常奇怪的问题。我想把两个div放在一起，就像这样： left div<div style='float:right'></div>
通常情况下，这是正常工作的--两个div应该直接粘连在一起--但是style.css中的某些东西(使用css
浏览 0提问于2011-03-08得票数 1
1回答
在torch中访问神经网络内部神经元的简单方法是什么？
我用torch7的nn库训练了一个多层神经网络。我想看看当一些输入被转发到网络时，来自某些特定内部神经元的输出值是什么，或者手动更改输出。这些是可能的吗？如果是这样的话，对于已经训练和保存的网络，是否有简单的解决方案？原因是我的神经网络是一个自动编码器，因
浏览 1提问于2016-10-07得票数 3
1回答
我有一个包含10个不同输入和1个输出的大型数据集。所有的输出和输入都是谨慎的(低、中、高)。我正在考虑创建一个神经网络来解决这个问题，然而，当我将网络设计为有3种不同的输出(低，中，高)并使用softmax神经元时，我基本上得到了一个“概率”。我说的对吗？这让我认为尝试朴素贝叶斯分类器可能更好，从而忽略输入变量之间可能的相关性，然而在大型数据集中，朴素贝叶斯显示了有希望的结果。
在
浏览 4提问于2012-08-20得票数 1
回答已采纳
1回答
首先，这个问题与神经网络推理有关，而不是训练。我发现，当在GPU (例如P100)上一次又一次地对一幅图像进行训练的神经网络进行推理时，Tensorflow计算能力的利用率不是100%，而是70%左右。如果图像不必传输到GPU，情况也是如此。因此，这个问题必须与计算并行化中的约束联系起来。我对此最好的猜测是：
Tensorflow只能在一定程度上利用GPU的并行化功能。(与TensorRT模型相同的模型的更高利用率也表明了这一点)
浏览 0提问于2018-11-10得票数 0
1回答
我正在用神经网络做实验。我有一个有8个输入神经元，5个隐藏和2个输出的网络。当我让网络使用反向传播学习时，有时在训练的单次迭代之间会产生更差的结果。可能的原因是什么？这不应该是实现错误，因为我甚至尝试使用Java神经网络简介中的实现，它做的完全一样。
浏览 0提问于2015-11-02得票数 0
1回答
我正在尝试“并行化”神经网络模型，以加快训练速度。我的一个想法是在两台计算机上运行两个模型，并以某种方式将结果组合在一起。
这个是可能的吗？如果不是，在两台计算机上并行模型训练的选项是什么？我对使用任何神经网络框架都持开放态度。
浏览 1提问于2017-09-10得票数 3
我是安和ML的新手。我用keras编写了一段简单的代码来训练我的ANN。该神经网络有165个输入和1个多观测输出(回归模型)。我这里的问题是acc和val_acc都是零，这对我来说是没有意义的。我不知道什么是根本原因，我的模型设置或我的数据。另外两个问题是：( 1)如果对该模型进行两次训练，将得到不同的结果；( 2)对于模型评价，我应该使用哪些数据集、训练数据还是测试数据？谢谢!(
x_trai
浏览 0提问于2019-07-22得票数 0
回答已采纳
1回答
为什么我的机器学习算法被卡住了？
、、、、
我一直在研究激活函数，据我所知，LeakyRelu是我应该使用的函数。但是，如果我全面使用LeakyRelu函数，那么它就什么都学不到，我也不知道如何使用LeakyRelu作为输出激活函数。使用sigmoid或tanh作为输出激活函数对我来说更有意义。LeakyRelu输出。因此，我认为最好的选择是使用LeakyRelu作为输入层和隐藏层，然后使用tanh或sigmoid作为输出层。我使用的是一个从github用户那里获得的神经网络：
浏览 2提问于2020-06-01得票数 1
回答已采纳
我正在尝试理解tensorflow keras中的层连接。下面我画了我认为是2个RNN层的连接，以保证图像的清晰度和输出在这里，我尝试连接两个RNN层。一层具有某一时间序列中患者的纵向数据整数值，另一层具有分类输入的其他时间序列的相同患者的细节。
我不希望这两个不同的时间序列混淆，因为它是医疗数据。所以我试着这样做。但在此之前，我想确定我画的是不是两层连接的意思。下面是我的</e
浏览 0提问于2019-12-29得票数 5
1回答
带神经网络的近似对数函数
、、、、
我试图用神经网络将域上的日志函数从1逼近到100。我使用tensorflow作为软件。结果不像我预期的那么好，我想知道原因。## == output layer == ## b_out = bias_variable([1]) return y_predict
def weight_variable(shape
浏览 1提问于2017-11-22得票数 3
回答已采纳
1回答
这是我在一些网络site.The代码中发现的一个问题。System.out.println("i from B is " + i); this.i = 3 * i;}
我想知道为什么A的输出是
浏览 5提问于2016-07-25得票数 0
回答已采纳
2回答
我的意思是，如果我想要实现一个正常的神经网络，在任何地方都很容易找到梯度或导数表达式，但是当我实现一个特定的神经网络时，它就不那么容易了。所以，通常情况下，当你这样做的时候，你用手得到梯度表达式，或者你用一些工具？非常感谢!
浏览 2提问于2015-11-13得票数 0
回答已采纳
在我的多层神经网络识别手写模式的所有测试中，我都遇到了寻找发散值的原因的问题。每一列代表一个特定的字母。在每次运行的几个测试中，一个字母在所有值中占主导地位。这可能是什么原因呢？
浏览 1提问于2017-04-17得票数 0
1回答
最近，我设法创建了简单的神经网络可视化，以帮助理解神经网络如何在信号水平上工作。我还想按照相似的方式排列神经元，因为我期望它们有明显的责任区域。看看它是什么样子：为了查看发行版，我创建了两个度量标准：
欧几里德:计算输出权重空间(10维)中的距离，并根据该距离排斥神经元，并吸引在该10d空间中接近的神经元。输出优势:吸引在特定输出时具有最大重量的</e
浏览 0提问于2023-03-01得票数 2
回答已采纳
1回答
神经网络的问题
、、
我在使用神经网络时遇到了一些问题。我对隐藏层使用非线性激活函数，对输出层使用线性函数。在隐藏层中增加更多的神经元应该会增加神经网络的能力，使其更适合训练数据/在训练数据上具有更少的误差。然而，我看到了一个不同的现象。即使在训练集上，添加更多的神经元也会降低神经网络的准确性。
这是平均绝对误差随着神经元数量的增加而变化的图表。训练数据的准确性正在下降
浏览 3提问于2013-09-05得票数 1
2回答
假设我正在以固定的速率(例如每秒一次)对多个信号进行采样，并从这些信号中提取一些指标，例如，一个与另一个的比率、变化率、相对变化率等。正在进行的处理是Java，所以对您的所有答案进行Java倾斜将是最好的。
谢谢
浏览 2提问于2009-11-10得票数 1
回答已采纳
1回答
我正试着建立一个能使用RL玩口袋坦克的特工。我现在面临的问题是如何训练一个神经网络来输出正确的功率和角度。所以，而不是行动分类。我想要回归。
浏览 0提问于2018-08-09得票数 1
回答已采纳
2回答
我已经创建了一个具有2个输入节点、4个隐藏节点和3个输出节点的神经网络。初始权值在-1到1之间是随机的。我使用反向传播方法来更新具有TD误差的网络。然而，性能并不好。
我想知道，问题出在哪里？
浏览 0提问于2012-12-18得票数 2
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
