训练损失没有减少(将pytorch代码转换为tensorflow)
在将PyTorch代码转换为TensorFlow时，如果训练损失没有减少，可能存在以下几个原因和解决方法：
- 模型架构不匹配：PyTorch和TensorFlow的模型定义方式不同，可能需要重新定义模型架构。确保在转换过程中正确地将PyTorch模型的层和参数转换为TensorFlow模型的等效部分。
- 数据预处理不匹配：PyTorch和TensorFlow在数据预处理方面可能存在差异，例如数据标准化、归一化等。确保在转换过程中正确地处理数据，以使其与原始PyTorch代码相匹配。
- 优化器和学习率设置：PyTorch和TensorFlow的优化器和学习率设置可能不同。确保在转换过程中正确地设置优化器和学习率，以使其与原始PyTorch代码相匹配。
- 损失函数不匹配：PyTorch和TensorFlow的损失函数可能存在差异。确保在转换过程中正确地选择和使用与原始PyTorch代码相匹配的损失函数。
- 训练数据集不匹配：PyTorch和TensorFlow的数据加载和处理方式可能不同。确保在转换过程中正确地加载和处理训练数据集，以使其与原始PyTorch代码相匹配。
- 调试和日志记录：添加适当的调试和日志记录语句，以便在转换后的TensorFlow代码中进行排查和分析。这有助于确定问题所在并进行进一步的调试。
总之，将PyTorch代码转换为TensorFlow需要仔细检查和调试，确保模型架构、数据预处理、优化器设置、损失函数和训练数据集等方面的一致性。根据具体情况进行适当的调整和修改，以确保训练损失能够减少并获得预期的训练结果。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI开发平台：https://cloud.tencent.com/product/ai
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库MySQL版：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务（BCS）：https://cloud.tencent.com/product/bcs
- 腾讯云视频处理服务（VOD）：https://cloud.tencent.com/product/vod
- 腾讯云物联网平台（IoT）：https://cloud.tencent.com/product/iotexplorer
- 腾讯云移动开发平台（MPS）：https://cloud.tencent.com/product/mps
相关·内容
我已经使用pytorch训练了一个图像分类模型。
现在，我想把它从研究转移到生产流水线。
我正在考虑使用TensorFlow扩展。我非常怀疑我是否能够在TensorFlow扩展管道中使用我的PyTorch训练模型(我可以将训练模型转换为ONNX，然后转换为Tensorflow兼容格式)。我不想重写和重新训练训练部分到TensorFlow，因为这将是一个很大的开销。有没有可能或者有更好的方法来生产PyTorch训练过的模型？
浏览 6提问于2020-11-13得票数 2
在pytorch中，我就是这样列举训练数据的。
for epoch in range(0, args.epoches):
for i, batch in enumerate(train_data):
model.update(batch)
train_data包含多个batches，并且正在对模型进行枚举和更新，我非常清楚这一点。
我认为这是tensorflow如何对待批处理的一个基本示例。
for step in range(num_steps):
batch_data, batch_labels = generate_batch(batch_size, n
浏览 0提问于2018-12-23得票数 0
训练数据集包含两个类别A和B，相应地，我们在目标标签中表示为1和0。Out标签数据严重倾向于0类，这大约占数据的95%，而我们的类1仅占5%。在这种情况下，我们应该如何构建我们的损失函数？
我发现Tensorflow有一个可以用于权重的函数：
tf.losses.sigmoid_cross_entropy
weights作为损失系数。如果提供了标量，则损失将按给定值进行缩放。
听起来不错。我将权重设置为2.0，以使损失更高，更多地惩罚错误。
loss = loss_fn(targets, cell_outputs, weights=2.0, label_smoothing=0)
然而，
浏览 1提问于2018-04-13得票数 3
回答已采纳
我想知道我的模型在训练时有多好，比如在下图中，我使用Pytorch训练YoloV5，它输出每个时期的mAP，精度，召回率指标。我们能用TensorFlow对象检测应用程序接口做到这一点吗？ ?
浏览 23提问于2021-08-15得票数 1
2回答
我对CNN和tensorflow的每件事都很陌生。我正在训练一个经过预先训练的ssd-Mobenev1-pets.config来检测建筑物的列，大约一天，但是损失在2-1之间，并且从10小时前开始没有减少。我意识到我的输入图像是128x128，SSD将de图像调整为300*300。输入图像的大小会影响训练吗？如果是这样的话，我应该用更大的输入图像对网络进行再培训吗？或者减少损失的另一个选择是什么？我的火车数据集有660张图像，测试166，我不知道是否有足够的图像，我真的同意你的帮助.
浏览 0提问于2019-11-30得票数 1
我正在用以下规范训练拥抱脸xlnet大案例模型：args = TrainingArguments( f"xlnet-large-finetuned", evaluation_strategy = "epoch", save_strategy = "epoch", learning_rate=2e-5, per_device_train_batch_size=1, per_device_eval_batch_size=1, num_train_epochs=3, gradient_accumulation_steps=16, weight_deca
浏览 11提问于2022-07-24得票数 0
关于CoreML模型的教程都是将TensorFlow模型或PyTorch模型转换为CoreML模型。如果预先训练好的模型文件是mlmodel类型，我不知道如何在python中使用它，也不知道如何将mlmodel转换为tf模型。 如何在Python语言中通过TensorFlow、Keras或PyTorch来读取和部署CoreML模型？
浏览 28提问于2020-09-06得票数 0
回答已采纳
我训练过CIFAR10数据集的VAE。然而，当我试图从VAE生成图像时，我得到的只是一堆灰色噪声。这个VAE的实现遵循书中的实现，但是代码使用PyTorch代替了TensorFlow。
包含训练和生成的笔记本可以找到，而实际实现的VAE可以找到。
我试过：
使辍学者丧失能力。
增加了潜空间的维数。
所有这些方法都没有任何改进。
我已核实：
输入大小与输出大小匹配。
随着训练过程中损失的减少，反向传播成功。
浏览 0提问于2020-11-19得票数 2
回答已采纳
我正试着用PyTorch训练一个模型。有没有什么简单的方法可以从Tensorflow中创建一个像这样的损失？
weighted_cross_entropy_with_logits中的pos_weight参数可以帮助平衡。但是在的参数列表中只有标签的权重。
浏览 29提问于2018-03-02得票数 1
回答已采纳
我在Pytorch上运行了一个基于Linknet架构的图像分割代码。优化器初始设置为： self.optimizer = torch.optim.Adam(params=self.net.parameters(), lr=lr) 然后我将其更改为Nesterov以提高性能，如下所示： self.optimizer = torch.optim.SGD(params=self.net.parameters(), lr=lr, momentum=0.9, nesterov=True) 然而，使用Nesterov的性能较差。当我使用Adam时，损失函数可以收敛到0.19。但是当我使用Nesterov
浏览 45提问于2021-08-30得票数 0
1回答
我已经在tensorflow中实现了VGG-16，VGG-16是相当深的网络，所以损失一定要减少。但在我的代码中它并没有减少。但是，当我一次又一次地在同一批上运行模型时，损失就减少了。知道为什么会发生这种事。
VGG是从开始的.
训练在狗-猫数据集上进行，图像大小为224x224x3.
网络参数如下：
lr_rate: 0.001 batch_size = 16
查找代码@
产出如下：
浏览 2提问于2019-03-05得票数 0
我想在Tensorflow中使用一个预先训练过的Pytorch模型，并且我需要将tensorflow张量转换为pytorch张量。但是，我不想将Py手电筒张量转换为numpy数组，并将其转换为tensorflow张量，因为我得到的错误是“您必须为占位符张量提供一个值”。当我制作图形时，我需要这个转换，这样tensorflow张量就没有价值了，并且不能转换为numpy！有什么解决办法吗？
浏览 5提问于2021-01-24得票数 2
回答已采纳
我有一个pytorch模型和一个tensorflow模型，我想在一个图形处理器上一起训练它们，按照下面的过程：input --> pytorch model--> output_pytorch --> tensorflow model --> output_tensorflow --> pytorch model。
有可能做到这一点吗？如果答案是肯定的，我会遇到什么问题吗？
提前谢谢。
浏览 5提问于2017-10-17得票数 5
如何在PyTorch中从预先训练好的模型中获取权重并在TensorFlow中使用？
这是预先训练好的模型：
lstm = torch.hub.load("BruceWen120/medal", "lstm")
浏览 3提问于2021-11-28得票数 0
有一个具有1000个输入的标量函数F。我想训练一个模型来预测给定输入的F。然而，在训练数据集中，我们只知道F相对于每个输入的导数，而不知道F本身的值。如何在tensorflow或pytorch中构建具有此限制的神经网络
浏览 22提问于2021-05-08得票数 2
回答已采纳
假设我们有一个NN，我们想要训练它来预测输入中的3个值。我们有一组训练数据：
x_train = ((1, 5, 3, 2, 6), (1, 8, 6, 9, 3), ...)
目标呢？
y_train = ((25, 32, 0.12), (.125, -5, 8), ...)
如果pytorch只计算一个标量作为损失函数，它如何进行训练？为什么它无法计算与每个输出神经元相关的损失？例如，如果x_train的答案是(20，32，0.12)，我们不想更新与答案(25，37，0.12)相同的权重，对吗？但在这种情况下，使用pytorch计算的损失将是相同的，因为它(对于经典的MSE损失)意味着
浏览 15提问于2021-02-28得票数 0
回答已采纳
你们如何将pytorch模型的训练历史可视化，就像在keras here中一样。 我有一个pytorch训练过的模型，我想看看它的训练图表。我可以只使用matplotlib来做这件事吗？如果是，谁能给我一些资源让我关注。
浏览 15提问于2019-03-12得票数 3
我正在做一个项目，在这个项目中我需要用PyTorch在C++中转发网络。网络的权重需要从Tensorflow中训练的模型导入。我将使用火炬编写网络的C++版本，但由于一些问题，我不能在火炬中训练网络。我可以使用哪些方法来完成此操作？
浏览 1提问于2020-05-13得票数 0
我想在我的tensorflow图形执行模型中使用预先训练过的语句嵌入。嵌入是从函数调用中动态获得的，函数调用接受一个句子数组并输出一个语句嵌入数组。这个函数使用的是一个预先训练过的pytorch模型，因此必须与我正在培训的tensorflow模型保持独立：
def get_pretrained_embeddings(sentences):
return pretrained_pytorch_model.encode(sentences)
我的tensorflow模型如下：
class SentenceModel(tf.keras.Model):
def __init__(self):
浏览 0提问于2021-03-17得票数 0
尝试在形状为(256,256，3)的样本数据集上训练卷积神经网络，给了我一个ValueError。
我已经检查了我的数据的形状(它已经在通道上了，就像tensorflow想要的那样)。我试过使用与其他人相同的代码，但它不起作用。我查看了我的数据集，看看数据的格式是否正确，而且我似乎没有发现任何错误。
我的CNN的代码如下：
X = pickle.load(open("X.pickle", "rb")) # Shape (256, 256, 3)
y = pickle.load(open("y.pickle", "rb")) # T
浏览 0提问于2019-05-30得票数 0
回答已采纳
是否可以将YOLOv5 PyTorch模型转换为Tensorflow.js模型？
我正在开发一个对象检测web应用程序。因此，我已经使用Yolov5训练了数据，但现在我正在寻找将该模型转换为Tf.js的正确方法。
浏览 5提问于2021-10-08得票数 2
我想知道是否有可能使用tensorflow和pytorch模型转换为onnx模型来使用C++ Api训练它们，就像在中使用tensorflow模型一样。我只是找到了一些使用onnx进行推理的例子。其想法是能够在python中使用tensorflow和pytorch创建原型，转换为onnx模型，并在C++中拥有统一的API来进行推理和训练。获取一些信息(链接)会有很大帮助。
浏览 4提问于2021-11-05得票数 1
好吧，所以我现在做了很多深度学习项目和实习，我从来没有做过大量的训练。但是最近我一直在考虑做一些传输学习，我需要在GPU上运行我的代码。现在我有一个系统与Windows 10和一个专用的NVIDIA GeForce 9.4亿GPU。我在网上做了很多研究，但我还是有点困惑。我还没有在我的系统上安装NVIDIA工具包或cuDNN或tensorflow-gpu。我目前使用tensorflow和Py手电筒来训练我的DL模型。这是我的问题-
，当我在tf或pytorch中定义张量时，默认情况下它是一个cpu张量。所以，到目前为止，我所做的所有训练都是在CPU上进行的。所以，如果我确保安装了正确版本的Cu
浏览 5提问于2020-08-20得票数 1
我想知道TensorFlow的softmax_cross_entropy_with_logits是否有等效的PyTorch损失函数
浏览 0提问于2017-09-14得票数 14
我正在使用带有yolov2架构的基于keras和tensorflow的预训练模型来检测凹坑，在将tensorflow模型转换为tensorflow lite时，我得到了一个错误 from tensorflow.contrib import lite
converter = lite.TFLiteConverter.from_keras_model_file( 'model.h5' )
model = converter.convert()
file = open( 'model.tflite' , 'wb' )
file.write( mod
浏览 26提问于2020-04-13得票数 0
3回答
我的问题可分为两部分。
是否有可以通过不同库使用的机器学习模型文件的格式？例如，我保存了一个模型，然后使用tensorflow加载它？
如果没有，是否有一个库可以帮助传输格式，以便可以在keras中直接使用py手电筒机器学习模型？
我问这个问题的原因是，最近我需要调整我以前在tensorflow的一些受过训练的模型。
这个问题的更新： Facebook和微软将推出一个名为ONNX的模型标准，该标准用于在不同的框架之间传输模型，例如在Pytorch到Caffe2之间。链接如下：
对此问题的进一步更新： Tensorflow本身使用协议缓冲区格式存储模型文件，该文件可用于不同模型
浏览 12提问于2017-06-01得票数 1
回答已采纳
我正在考虑使用陆地卫星图像来训练CNN，以便进行无监督的像素语义分割分类。也就是说，我一直无法找到一种方法，允许我从较大的陆地卫星图像中裁剪图像进行训练，然后对原始图像进行预测。本质上，这是我想要做的：
原始陆地卫星图像(5,000 x 5,000 -这是一个任意大小，不能很好地确定实际尺寸) ->将图像裁剪成(100 X 100)块->在这些裁剪图像上训练模型->为原始(未裁剪)图像中的每个像素输出预测。
也就是说，我不确定我是否应该预测裁剪后的图像，并在预测后将它们缝合在一起，或者是否可以预测原始图像。
任何澄清/代码示例都将非常感谢。作为参考，我同时使用pytorch和
浏览 1提问于2020-03-06得票数 2
我正在训练自定义对象检测，使用Mask RCNN在TensorFlow对象检测中。因此，我将与边界框一起预测对象实例掩码。
预训练模型：mask_rcnn_inception_v2_coco
以下是我训练的快照。
信息:tensorflow:全局步骤4181:损失= 0.0031 (3.290秒/步)
信息:tensorflow:全局步骤4181:损失= 0.0031 (3.290秒/步)
信息:tensorflow:全局步骤4182:损失= 0.0030 (2.745秒/步)
信息:tensorflow:全局步骤4182:损失= 0.0030 (2.745秒/步)
，在这种情况下，您
浏览 1提问于2019-01-24得票数 2
回答已采纳
我正在使用pytorch nn模块的MSE损失函数计算训练期间的损失，如下所示：
loss = criterion(prediction, truth)
loss = loss.to(torch.double)
optimizer.zero_grad()
loss.backward()
optimizer.step()
但出于某种原因，我一直在犯错误：
---> 54 loss.backward()
浏览 8提问于2022-04-11得票数 0
1回答
我知道使用pytorch你可以通过在你的模型上调用eval()来关闭训练。您还可以设置requires_grad=False。 如何确保TensorFlow元素在训练过程中不会被修改？
浏览 63提问于2019-06-08得票数 1
我正在尝试将Tensorflow对象定位代码转换为Pytorch。在原代码中，作者使用model.compile / model.fit对模型进行了训练，因此我不明白MNIST数字和盒回归的分类损失是如何工作的。尽管如此，我还是在努力实现我自己的毕道尔训练循环。这里的目标是，经过一些预处理后，通过MNIST数字随机进入一个黑方图像，然后分类和定位(包围框)的数字。
我设置了两个损失：nn.CrossEntropyLoss和nn.MSELoss，我做(loss_1+loss_2).backward()来计算梯度。我知道这是计算和两种损失的梯度的正确方法。
但是，尽管如此，我的损失并没有减少，但它
浏览 2提问于2022-06-03得票数 0
我使用的是本教程中预先训练好的模型。https://pytorch.org/tutorials/intermediate/torchvision_tutorial.html#defining-your-model 该模型是pytorch的更快的RCNN 50fpn模型。有人知道分类损失、损失和客观性损失函数是什么吗(即交叉熵或？)。提前谢谢你，Sriram A。
浏览 56提问于2021-07-30得票数 0
3回答
我使用的ResNet18预训练模型，将用于一个简单的二值图像分类任务。但是，包括PyTorch本身在内的所有教程都使用nn.Linear(num_of_features, classes)作为最终的完全连接层。我不明白的是，该模块的激活函数在哪里？另外，如果我想使用sigmoid/softmax，怎么办？
谢谢你提前帮忙，我对毕道士有点陌生。
浏览 7提问于2021-02-16得票数 1
回答已采纳
1回答
张量流或角的特征可视化很容易，可以在这里找到。或
如何在火把里做这件事？
我使用PyTorch和预先训练的resnet18模型。我只需要输入图像并为特定的层(例如Layer2.0.卷积2)获得激活。在预训练模型中指定了Layer2.0卷积2。
简单地说，如何将一个代码链接到PyTorch？如何获取resnet18 PyTorch中的特定层以及如何获得输入图像的激活。我在tensorflow中尝试过这个，它成功了，但没有PyTorch。
浏览 2提问于2019-11-24得票数 3
回答已采纳
我已经将一个模型从PyTorch转换为Keras，并使用后端提取tensorflow图。由于PyTorch的数据格式为NCHW，因此提取并保存的模型也是NCHW。在将模型转换为TFLite时，由于格式为NCHW，因此无法转换。有没有办法将整个图转换成NHCW？
浏览 2提问于2018-05-01得票数 2
1回答
我是机器学习的新手。我一直试图让这段代码正常工作，但是损失被困在1.12，并且没有增加也没有减少。任何帮助都将不胜感激。
import pandas as pd
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
dataset = pd.read_csv('Iris.csv')
#for rncoding label
from sklearn.preprocessing import LabelEncoder
encoder = LabelEncoder()
dataset
浏览 3提问于2020-07-19得票数 0
回答已采纳
我使用的是带有张量内核的Nvidia RTX GPU，我想确保pytorch/tensorflow正在利用它的张量内核。我在一些文章中注意到，张量核心用于处理float16，并且默认情况下pytorch/tensorflow使用float32。他们引入了一些“混合精度和分布式训练”的库。这是一个有点陈旧的答案。我想知道pytorch或tensorflow GPU现在是否支持开箱即用的张量核心处理。
浏览 23提问于2021-11-18得票数 0
1回答
这可能更像是一个Tensorflow梯度问题。我一直试图实现交叉超过联合(IoU)作为损失，并遇到了一些问题。关键是，下面是计算IoU的代码片段：
def get_iou(masks, predictions):
ious = []
for i in range(batch_size):
mask = masks[i]
pred = predictions[i]
masks_sum = tf.reduce_sum(mask)
predictions_sum = tf.reduce_mean(pred)
浏览 2提问于2019-03-29得票数 7
回答已采纳
我正在使用tensorflow估计器对象来训练来自官方tensorflow层文档()的模型。我可以看到训练损失在训练期间显示在控制台上。有没有办法存储这些培训损失值？
谢谢!
浏览 0提问于2018-02-23得票数 2
回答已采纳
我使用的是Tensorflow 1.2，代码如下：
import tensorflow as tf
import tensorflow.contrib.layers as layers
import numpy as np
import tensorflow.contrib.learn as tflearn
tf.logging.set_verbosity(tf.logging.INFO)
# Naturally this is a very simple straight line
# of y = -x + 10
train_x = np.asarray([0., 1., 2., 3.
浏览 5提问于2017-06-18得票数 2
我想用keras的预训练模型进行迁移学习
import tensorflow as tf
from tensorflow import keras
base_model = keras.applications.MobileNetV2(input_shape=(96, 96, 3), include_top=False, pooling='avg')
x = base_model.outputs[0]
outputs = layers.Dense(10, activation=tf.nn.softmax)(x)
model = keras.Model(inputs=base
浏览 0提问于2019-07-30得票数 1
此link的tensorflow教程(请参阅“训练模型”部分)表明，可以向tf.keras.model.fit提供数据集(数据、标签)。然而，当我将我的数据集分配给val_data时，如下所示，无论训练状态如何，验证数据的损失都是0 (见下图)。¨ history = model.fit(
train_ds,
validation_data=val_ds,
epochs=EPOCHS,
verbose=1,
) IMAGE: Result of training from history, the validation
浏览 53提问于2020-11-05得票数 1
1回答
我还没有找到任何使用tensorflow lite 2的立体成像来测量距离的项目、库、模型或指南。
我希望能够测量立体图像的距离。我希望能够在android上运行它，所以我想在tensorflow 2中创建一个模型或使用现有的模型。但我不知道从何说起，我找到的所有东西都用pytorch
我知道opencv提供了一种方法来做到这一点，但根据文献，神经网络可以获得更好的结果。但我在tensorflow 2中没有找到任何模型。我不能使用google ar，因为我的设备不支持google play服务。
浏览 1提问于2021-04-28得票数 1
Platform : ubuntu 16.04
Python version: 3.5.2
mmdnn version : 0.2.5
Source framework with version : Tensorflow 1.14.0 with GPU
Destination framework with version : Pytorch 1.1.0
预训练模型路径:
初始resnet v2模型(Tensorflow)(来自)
运行脚本：
mmconvert -sf tensorflow -iw inception_resnet_v2_jsy.pb --inNodeName input --
浏览 1提问于2019-07-25得票数 5
1回答
我正在使用sklearn的函数和pytorch来训练模型，并使用类权重进行多类分类。为了计算类别权重，我们是否需要使用所有数据(训练、验证和测试)或仅使用训练集数据来计算类别权重。谢谢
浏览 5提问于2021-11-30得票数 0
1回答
我正在调试一个序列到序列模型，并故意尝试完美地拟合一个大约200个样本(长度在5-50之间的句子对)的小数据集。我在pytorch中使用负对数似然损失。我得到了很低的损失(~1e^-5)，但在同一数据集上的准确率只有33%。
我也在3个样本上训练了模型，并获得了100%的准确率，但在训练过程中我遇到了损失。我的印象是，如果预测标签和目标标签之间存在不匹配，则负对数似然只会给出损失(损失在~1e^-5的相同区域)。
我的代码中可能存在bug吗？
浏览 9提问于2020-07-14得票数 2
1回答
我在Mnist上训练了一个keras模型，保持训练和模型超参数相同。训练和验证数据是完全相同的。在不同的训练阶段，我得到了五种不同的准确率- 0.71，0.62，0.59，0.52，0.46。该模型每次从头开始训练8个时期。
代码如下：
def train():
model = Sequential()
model.add(Dense(32, input_dim=784))
model.add(Dense(10, activation="softmax"))
model.compile(loss='categorical_crossent
浏览 0提问于2019-01-23得票数 0
2回答
我正在训练CNN架构，用PyTorch来解决回归问题，其中我的输出是20个值的张量。我计划用RMSE作为模型的损失函数，并尝试使用PyTorch的nn.MSELoss()，并使用torch.sqrt()作为平方根，但在得到结果后感到困惑，我会尽力解释原因。很明显，对于批处理大小的bs，输出张量的维度将是[bs , 20].I试图实现的，并由我自己实现RMSE函数：
def loss_function (predicted_x , target ):
loss = torch.sum(torch.square(predicted_x - target) , axis= 1)
浏览 5提问于2020-05-24得票数 6
回答已采纳
1回答
运行中的单发多盒探测器
、、、、
我在这里运行tensorflow/ssd_vehicle_detection ()，使用宽脸数据集进行人脸检测。在创建了this记录并编写了训练命令后，我得到了如下结果：
信息: tensorflow:启动会话
信息: tensorflow:启动队列
信息: tensorflow: global_step/秒:0
信息: tensorflow: global_step/秒:0
信息: tensorflow: global_step/秒: 0.0172539
信息: tensorflow: global_step/秒:0
信息: tensorflow: global_step/秒:0
信息: t
浏览 0提问于2017-11-08得票数 0
2回答
我正在使用PyTorch基于MINST数据集创建一个二进制分类器。我希望我的分类器只在0和1之间分类，然而，当我训练它时，错误并没有减少，损失变成了负值。以下是前几次迭代中的错误和损失：
我显然是在期待更好的结果。
下面是我使用的代码：
# Loading the MNISR data reduced to the 0/1 examples
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
mnist_train = datasets.MNIST(".
浏览 37提问于2020-08-02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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
