1回答
我试着用torch给我的神经网络(NN)加一个droprate，最后我得到了一个奇怪的错误。我怎么才能修复它？
所以我的想法是，我在一个函数中编写了一个NN，以使其更容易调用。函数如下：(我个人认为问题出在NN的类中，但为了有一个有效的例子，我把所有东西都放在里面)。如果你知道如何在我的网络中实现偏见，就给你额外的积分！例如，在隐藏层上。我在网上找不到任何例子。
浏览 19提问于2019-11-23得票数 1
回答已采纳
1回答
我将训练一个神经网络(例如，前馈网络)，其中的输出只是表示概率的实数值(因此在0，1间隔内)。最后一层(即输出节点)应该使用哪个激活函数？如果我不使用任何激活函数，只输出tf.matmul(last_hidden_layer, weights) + biases，可能会导致一些负输出，这是不可接受的，因为输出是概率，因此预测也应该是概率。
浏览 0提问于2016-12-01得票数 0
1回答
我在python中编写了一个神经网络来解决mnist任务。但一个时代后的误码率变化很小(逗号后的6位数)，而网络在10000年代以后并没有学到多少。你能帮我做错了什么，以及如何改进我的代码来解决mnist问题吗？我把eta的学习率设为0.05。
浏览 3提问于2016-05-04得票数 0
2回答
分类:类中的倾斜数据
、、、、
我试图建立一个多标签分类器来预测一些输入数据的概率为0或1。我使用神经网络和Tensorflow + Keras (可能稍后是CNN )。几乎所有类的性能都在95%以上，但这是因为它几乎总是预测为零。因此，假阴性的数量很高。关于如何解决这个问题的
浏览 0提问于2018-02-20得票数 8
1回答
我对ImageDatagenerator函数中的rescale参数有点不太了解。我知道rescale参数本身并不会增加我的数据，通过执行rescale=1./255，它将把范围0,255中的像素转换为范围0,1。我的问题是，这样做有什么好处？
浏览 0提问于2021-04-02得票数 1
回答已采纳
我建立了一个基于图像的CNN模型--一级分类。输出张量是一个包含65个元素的列表。对Softmax函数进行张量输入，得到分类结果。我认为这个输出张量中的最大值是分类结果，为什么不用这种方法来完成分类任务呢？仅仅是Softmax函数就可以很容易地取到导数？
浏览 1提问于2018-06-22得票数 4
回答已采纳
1回答
我有一个有监督的学习任务f(X)=y，其中X是二维np.array of np.int8，y是包含概率 (so数介于0到1之间)的一维np.float64阵列。我想要建立一个进行回归的神经网络模型，以便预测给定X的概率。由于my的输出是一个实数(即输出层有一个神经元)，并且是一个概率(所以在0，1范围内)，我认为应该使用softmax作为输出层(即输出神经元)的激活函数，以便将网络
浏览 1提问于2020-09-15得票数 0
回答已采纳
我有一个非常简单的Tensorflow 2 Keras模型来对一些数据进行惩罚logistic回归。我希望得到每个类的概率，而不仅仅是0或1的预测值。我想我得到了我想要的，但我只是想确保这些数字和我想的一样。我使用了来自Tensorflow.keras的Tensorflow.keras函数，但是文档只是说这提供了一个预测的numpy数组。，这将是一个0或1的数组，但因为我得到了浮点值。然而，我只是得到一个值，而实际上有一个例子是0<e
浏览 1提问于2019-12-13得票数 1
回答已采纳
有大量关于神经网络的研究论文，例如，VAEs分别用P(z|x)和P(x|z)调用它的编解码器。虽然我明白人们想说的话，但我仍然发现简单地使用例如P(x|z)来标注解码器是不正确的，原因有以下几点：
一般说来，P(X)，是概率。因此，例如P(x|z)作为解码器应该输出概率，但是在许多实际的代码和实现中，解码器神经网络为图像的每个像素输出一个值，无论是在0,1或0,255范围内，它们都不是概率<
浏览 10提问于2022-04-21得票数 -2
4回答
概率回归损失函数
、、、、
我试图用神经网络来预测一个概率，但是很难确定哪一个损失函数是最好的。交叉熵是我的第一个想法，但其他资源总是在标签为\{0, 1\}的二进制分类问题中讨论它，但在我的例子中，我有一个实际的概率作为目标。这些选项中的一种显然是最好的，还是它们在极端0/1区域附近的差别很小，它们都是有效的？
假设x是我的模型的最后一层<em
浏览 0提问于2019-02-09得票数 9
1回答
对于训练数据集相对较小的神经网络，利用分类交叉熵(log损失)进行简单分类，很容易使网络的结果“过于自信”，因为这改善了训练数据的日志丢失。我的意思是过度自信(这部分是直觉，部分是从贝叶斯统计中得到的)：给定两个同等类别中的1000个训练示例，任何分类器都不可能给出一个新输入的概率，这个概率或另一个输入的概率大大高于(1-1/ 1000 )这是因为，如果
浏览 0提问于2018-11-20得票数 0
我一直在玩神经网络。我从近似XOR函数开始，没有太多问题。但是，然后我解决了近似sqrt函数的问题。或者我必须将输入和输出数据标准化为在]0,1[范围内？这难道不是精确度的损失吗？
谢谢
浏览 0提问于2013-04-23得票数 2
回答已采纳
我甚至理解激活函数会根据所使用的激活函数将输出压缩到一定的范围。但为什么我们还要这么做呢？如果我们在没有激活函数的情况下继续进行实际的结果会发生什么？请帮助我理解，但在纯英语-没有图表/公式请-我想了解背后的概念。
浏览 1提问于2018-01-26得票数 0
回答已采纳
在分类神经网络的输出层中，softmax函数的哪些特性使其成为最受欢迎的激活函数？
浏览 0提问于2018-08-23得票数 1
回答已采纳
1回答
例如，在各向同性GGX版本中，α值用于调节表面的粗糙程度，或微面法向反射的镜面反射量。然后是几何项，数值上，这是dot(n,v) * dot(n,l)的经典分母的一个保护项，它可以趋向于零，而整个项是无穷大的。它也有一个更直观的一面，被除以零的恐惧变得无关紧要。还有菲涅耳这个词，所有这些词中威胁最小的。
基本上是DGF / (4(n.v)(n.l))。如果这些条款都失败了，那就下地狱吧。因此，所有这些术语都有规范化的术语，强制它们在0
浏览 0提问于2013-09-19得票数 5
回答已采纳
下面的代码在[0，1]范围内生成一个双数字，这意味着1是排他性的。var random = new Random();我正在寻找一些聪明的方法，在0,1范围内生成一个随机的双数，这意味着1是包含在内的。我知道生成0或1的概率很低，但是想象一下，我想实现一个正确的数学函数，它需要从我那里获得包含性的限制。我该怎么做呢？
问题</em
浏览 6提问于2021-03-17得票数 2
回答已采纳
1回答
这是我的第一个ANN项目，我试图了解我是否正确地处理数据规范化。我有以下类型的属性*二进制*数字(可以是负的和正的)*数值(只能是正的)
有没有办法将正数据在-1,1的范围内传播？
浏览 3提问于2017-06-01得票数 1
回答已采纳
我想画出这样的数据，在y轴上有概率(在0，1范围内)，在x轴上我有数据值。数据是连续的(也在0，1范围内)，因此我想使用一些核密度估计函数并对其进行归一化，以便在某个点x处的y值表示在输入数据中看到值x的概率。a)它是否合理？我明白我不能看到数据中没有的值的概率，但我只想使用核密度估计函数在我拥有的点之间进行插值，并在以后对其进行归一化。b)在ggplot中有
浏览 3提问于2011-02-18得票数 7
回答已采纳
但是，如果我将输出的激活设置为在第一个时期之后，Relu.the训练损失不会减少，则网络不会收敛。有人能解释这种现象吗。谢谢。
浏览 2提问于2020-01-06得票数 1
由于this reason，我正在试验使用可变长度输入的LSTM。我想确保蒙版下的损失计算正确。因此，我训练了下面的模型，该模型在填充序列上使用Masking层。masked_model.summary())100/100 [==============================] - 0s
浏览 27提问于2020-10-18得票数 1
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
