0回答
我有一个咖啡馆项目，我已经获得了一个prototxt模型描述和一个caffemodel调优参数文件(大约16Mb大小)。有没有一种简单的方法可以从静态分析或运行时找出模型中有多少神经元和权重？我可以在中可视化prototxt文件，但是有24个卷积层和7个池层，所以我真的不知道从哪里开始计数。我也看到了，但我不确定如何将其应用于我的问题。
浏览 8提问于2016-07-07得票数 0
回答已采纳
3回答
这是的后续问题.对于给定的神经元，我不清楚如何取其误差的偏导数和其权重的偏导数。
从这个中可以清楚地看到，传播是如何工作的(尽管我正在处理弹性传播)。对于前馈神经网络，我们需要1)在神经网络中向前移动，触发神经元，2)从输出层神经元中计算出总误差。然后向后移动，按神经元中的每个权重来传递该误差，然后再次向前，更新每个神经
浏览 1提问于2012-08-27得票数 7
1回答
从我对DNN的dropout正则化的理解是： 辍学： 首先，我们从DNN中随机删除神经元，只保留输入和输出相同。然后，我们基于一个小批次执行前向传播和反向传播；学习这个小批次的梯度，然后更新权重和偏差-在这里，我将这些更新的权重和偏差表示为Updated_Set_1。然后，我们将DNN恢复到默认状态，并随机删除神经元。现在我们执行正向和反向传播，
浏览 6提问于2018-12-26得票数 0
4回答
每个神经元从前一层的所有神经元获得输入，并发送到下一层的每个神经元。然后说，神经元计算权重之和，然后使用激活函数来激发或不触发(或发送一个介于0和1之间的数字)。让我困惑的是它是如何计算权重之和的？在上面的图中，我创建了一个简单的神经网络，并像Andrew在他的演讲中所做的那样，将
浏览 0提问于2018-04-18得票数 3
回答已采纳
尝试编写代码来生成神经网络中的层，而我只是想弄清楚如何为属于神经元本身的变量赋值。在我的代码中，标准神经元的结构包含在一个名为XORNeuron的类中，我在一个FOR循环中调用这个类，以便根据创建层时分配的神经元数量生成一定数量的神经元。我正在使用一个数组来做这件事，但是我想知道如何分配输入的
浏览 2提问于2018-01-10得票数 0
回答已采纳
我正在学习keras中的神经网络。我在虚构的数据上指定了一个简单的模型。我运行model.summary()和model.get_weights()。[8.750836 , 1.6910588]], dtype=float32), array([-5.701193, -7.874653], dtype=float32)] 我不明白为什么会有6个参数和6个权重。根据我的理解，每个输入应该有两个，或者我应该在某个地方专门定义输出层？
浏览 15提问于2020-07-15得票数 0
回答已采纳
3回答
神经网络开发
、、、
我试着写一个神经网络类，但我不完全理解它的某些方面。我有两个关于折叠设计的问题。
我做得对吗？偏置神经元需要连接到所有神经元(输入层除外)还是仅连接隐藏层中的神经元？我的第二个问题是关于产值的计算。我用下面的方程来计算神经元的输出值。HiddenLayerFirstNeuron.Value = (input1.Value *权重)+
浏览 8提问于2016-11-24得票数 0
1回答
我需要帮助理解记忆需求的神经网络和他们之间的训练和评估过程的区别。更具体地说，培训过程的内存需求(我使用的是运行在TensorFlow之上的Keras )。对于包含N个权重的CNN，当使用批大小x时，对于权重本身和输入数据，需要一定数量的内存。在前传中，GPU需要额外的x*N内存单元(特定的数量对问题并不重要)
浏览 0提问于2018-11-13得票数 3
回答已采纳
1回答
我试图找出在MNIST数据集(60,000次训练和10,000个测试数据)中可以使用的神经元的最佳数量。我用角角建立了一个单一的隐层模型，但当我增加隐层中的神经元时，每100个神经元的准确率会略有提高，即使我使用的是2000个神经元，而不是784个神经元，它也不会有很大的变化。我认为，由于overfitting
浏览 0提问于2018-03-04得票数 0
1回答
神经网络的问题
、、
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。
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。这可能是什么原因呢？是不是我使用的matlab<
浏览 3提问于2013-09-05得票数 1
2回答
我正试图确定MATLAB神经网络中隐藏神经元的最佳数量。我正在考虑采取以下战略：对于每个神经元数目固定的神经网络，都要进行一定数量的训练(例如40次，由于时间原因限制时代性:我考虑这样做是因为网络似乎很难训练，一些时期之后的存储由不同数目的隐神经元组成的所有网络获得的MSE。
执行前面
浏览 0提问于2014-12-25得票数 1
2回答
我实际上想做的是，实现LeNet5神经网络的输出层。LeNet-5的输出层有点特殊，每个神经元输出其输入向量和其权重向量之间的欧几里得距离的平方，而不是计算输入向量和权重向量的点积。例如，layer1有84个神经元，layer2有10个神经元。在一般情况下，为了计算layer2的10个神经元<
浏览 43提问于2018-12-20得票数 5
回答已采纳
我从Andrew N.G的coursera课程中学习了ML和DL，每次他谈到线性分类器时，权重都只是一个1-D向量。即使在分配期间，当我们将图像滚动到一维向量(像素* 3)中时，权重仍然是一维向量。现在，我已经开始阅读O‘’Reilly的“学习TensorFlow”一书，并遇到了第一个示例。tensorflow中的权重初始化略有不同。然后，$xw^0 =∑x_i w^0_i$将成为包含数字0的图像的
浏览 13提问于2018-02-20得票数 0
1回答
我一直在阅读一些关于机器学习、神经网络和深度学习的主题，其中之一就是这本(在我看来)很棒的在线书籍：现在提供了一个输入: x1和x2。因为网络是2，3，1，所以权重是随机生成<
浏览 4提问于2017-09-20得票数 0
我已经看到神经网络的权值被初始化为随机数，所以我很好奇为什么逻辑回归的权重被初始化为零？
浏览 0提问于2017-09-10得票数 13
回答已采纳
2回答
我正在尝试将反向传播算法实现到我自己的网络中。我理解agl的概念，但是我对数学不太在行。我只是在做备份文件的前半部分，计算输出层(还没有担心隐藏层中的偏导数)。我在搜索时发现了下面的代码，我正在寻找对其中一部分的解释。con.setWeight(newWeight); i++;
那么，ai = con.leftNeuron.getOutput()是否将ai设置为来自上一层的输出从过去一层传递给特定<
浏览 1提问于2015-06-01得票数 0
回答已采纳
2回答
我想知道平方误差是否也取决于隐藏层的数量和每个隐藏层上的神经元的数量，因为我已经创建了一个具有一个隐藏层的神经元网络，但我不能达到一个小的平方误差，所以函数可能不是凸的？我可以通过添加更多的隐藏层来优化权重吗？
浏览 1提问于2018-08-27得票数 0
1回答
我在研究反向传播是如何工作的？我读到，反向传播被用来在每次迭代后用部分导数找到每个神经元的最优权重，并更新神经元的权重。另一方面，我们有一个叫做“学习速率”的超参数，用来通过计算误差的方向来更新每一次迭代中神经元的权重。这两种情况看起来是独立工作的，我的意思是，当反向传播算法本身找到最优权重时
浏览 0提问于2020-09-19得票数 0
回答已采纳
我上一次关于ANN的讲座是在一段时间之前，但我现在正面临一个项目，我想使用一个项目。因此，基础知识-比如由进化算法(由项目给定)训练的类型(多层前馈网络)，设置了多少个输入神经元(8个)和多少个输出神经元(7个)。但我目前正在试图弄清楚我应该使用多少隐藏层，以及这些层中的每一层中有多少神经元( ea不会修改网络本身，而只是修改权重)。
有没有关于如何弄清楚这一点的一般规则或指导方针？
浏览 0提问于2012-12-19得票数 3
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
