腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
3
回答
CNN模型对4种植物效果不佳,但对2种植物效果较好。
python
、
tensorflow
、
keras
我试了两个班级
的
CNN模型,得到了80%,但当我尝试相同
的
模型与4类,我得到了非常坏
的
结果。请帮忙
的
原因是什么?我使用
的
CNN模型是:model.add(Activation)model.
浏览 5
提问于2020-05-28
得票数 0
回答已采纳
4
回答
输出
层
的
softmax
和
sigmoid
函数
tensorflow
、
computer-vision
、
deep-learning
、
theano
、
keras
在与对象检测
和
语义分割相关
的
深度学习实现中,我看到了使用
sigmoid
或
softmax
的
输出
层
。我不是很清楚什么时候用哪种?在我看来,他们两个都可以支持这些任务。这个选择有什么指导原则吗?
浏览 57
提问于2016-12-31
得票数 10
回答已采纳
1
回答
将西格莫德
输出
改为概率
python
、
tensorflow
、
machine-learning
、
keras
我已经用乙状结肠训练了最后一
层
神经网络。如果我不能用
softmax
对网络进行再培训,我是否可以将最终
的
预测改变为概率?现在,pred = fin_model.predict_proba(x_train)
的
输出
如下 [0.65919983,[0.53297156, 0.47564888],与0.6524+0.4589相似的每一项<
浏览 3
提问于2020-12-02
得票数 0
2
回答
连续输入
和
连续
输出
的
Keras LSTM
python
、
machine-learning
、
keras
、
lstm
、
rnn
对于每个输入,都有相应
的
输出
。假设我们使用异或运算。因此,
输出
可能如下所示: 0,0,0,1,0,1,1,0。Keras使用LSTM或GRU作为隐藏
层
。), return_sequences=True))model.add(Dense(1, act
浏览 3
提问于2018-10-25
得票数 3
回答已采纳
3
回答
sigmoid
激活
函数
在Keras中
的
使用
python
、
tensorflow
、
keras
、
neural-network
、
sigmoid
我有一个由18260个输入字段
和
4个
输出
组成
的
大数据集。我正在使用Keras
和
Tensorflow构建一个神经网络,它可以检测可能
的
输出
。然而,我尝试了许多解决方案,但准确率无法达到55%以上,除非我在除第一个模型
层
之外
的
所有模型
层
中使用
sigmoid
激活
函数
,如下所示: def baseline_model(optimizer= 'adam(loss='sparse_categ
浏览 4
提问于2018-11-30
得票数 1
2
回答
如果我们使用一个完全连接
的
层
,产生足够大
的
正(res负)
输出
,那么
sigmoid
函数
为什么会是1
和
0?
machine-learning
、
neural-network
、
deep-learning
、
statistics
、
computer-vision
嗨,我正在使用一个完全连接
的
网络,它使用乙状结肠,如果我们给一个足够大
的
权重,乙状结肠
函数
最终会变成1或0,有什么解决办法来避免这种情况吗?谢谢
浏览 0
提问于2019-09-11
得票数 -1
1
回答
对于使用LSTM
的
二进制分类,具有2个单元
和
softmax
的
输出
层
是理想
的
吗?
tensorflow
、
keras
、
deep-learning
、
lstm
、
recurrent-neural-network
我正在使用LSTM进行二进制分类,最初尝试了一个在
输出
(密集)
层
具有1个单元
的
模型,并将
sigmoid
作为激活
函数
。然而,它
的
表现并不好,我看到一些笔记本在
输出
层
(紧跟在LSTM之后
的
那一
层
)中使用了2个单元,并使用
softmax
作为激活
函数
。使用2个
输出
层
并使用
softmax
而不是单个单元
和
sigmo
浏览 45
提问于2021-10-16
得票数 0
回答已采纳
5
回答
Sigmoid
激活在多类分类问题中
的
作用
machine-learning
、
neural-network
、
deep-learning
、
multiclass-classification
、
activation-function
我知道,对于多个类
的
问题,我们通常使用
softmax
,但我们也可以使用
sigmoid
吗?我尝试在
输出
层
用
sigmoid
实现数字分类,它可以工作。我不明白
的
是它是怎么工作
的
?
浏览 0
提问于2018-10-06
得票数 12
2
回答
tf.nn.
sigmoid
_cross_entropy_with_logits会将数据转换为概率吗?
tensorflow
、
machine-learning
、
classification
在分类问题中,我们更喜欢使用tf.nn.
softmax
函数
,因为该
函数
以概率形式给出
输出
,或者我们也可以实现tf.nn.
softmax
_cross_entropy_with_logits,该
函数
对模型
的
输出
应用
softmax
激活
函数
。我想把我
的
数据分成两类。我遇到一个代码,他们在最后一
层
使用了tf.nn.
sigmoid
_cross_entropy_with_log
浏览 0
提问于2018-10-12
得票数 1
1
回答
基于DNN
的
多标号预测
python
、
tensorflow
、
deep-learning
、
tflearn
我试图预测给定文本
的
几个标签。它适用于单个标签,但我不知道如何实现多标签预测
的
置信度。首先,我准备我
的
数据-标记,干等。net = tflearn.fully_connected(net, 8) net = tflearn.fully_connected(net, len(train_y[0]), activation='
softmax
我选择了最大
的
prediction,这对于一个主题很好。为了选择多个主题,我需要一些自信
的
分数或什么,这可以告诉我什么时候停止,因为我不能盲目地
浏览 3
提问于2018-01-22
得票数 1
回答已采纳
1
回答
keras序列二值图像分类模型
的
相同
输出
(不同概率)
image
、
keras
、
binary
、
predict
、
sequential
不幸
的
是,每次都得到相同
的
输出
。每个测试样本
的
概率是不同
的
,但它们都倾向于一个标签。数据集是平衡
的
。标签L(n=250)与标签E(n=250):300用于火车,100用于验证,100用于测试。在无法预测测试数据集之后,我还使用了训练数据集进行预测,这意味着模型将对刚刚训练过
的
样本进行预测。我知道这没有任何意义。但是它也得到了相同
的
输出
:计数器({0: 300})。units=64, activation='relu'
浏览 8
提问于2022-03-26
得票数 0
2
回答
Keras
的
fit_generator()用于二分类预测总是50%
python
、
tensorflow
、
machine-learning
、
keras
、
classification
我将图像pre-scaled到250x250像素中,并将它们分到两个文件夹(两个二进制类)中,分别标记为0
和
1。这两个类
的
数量都在彼此
的
~100范围内,我总共有大约3500图像。以下是训练过程
的
照片,建立
的
模型
和
一些预测: rescale=1. / 255,else: model.add
浏览 0
提问于2018-11-15
得票数 1
1
回答
在python中将直接输入赋给神经网络
的
权重
python
、
numpy
、
keras
、
neural-network
、
xor
'relu', input_shape=(2,),use_bias=False)) # hidden layerx = np.array([[0, 1],[1, 1],model.predict(x) 我想为上面显示
的
神经网络实现两个输入我想要直接分配权重,而不是x1,而不是x2来获得
输出
。我尝试了不同
的
浏览 14
提问于2020-06-29
得票数 0
1
回答
训练卷积神经网络时,准确率突然下降50%
python
、
tensorflow
、
keras
、
neural-network
使用Keras
和
Tensorflow在我自己
的
数据集上从头开始训练卷积神经网络。learning rate = 0.0001,5个要排序
的
类,未使用Dropout,检查了两次数据集,未发现错误标签 型号: model = models.Sequential()model.add(layers.Dense(128,activation='relu')) model.add(layers.Dense(5,activation='
sigmoid</em
浏览 258
提问于2019-03-16
得票数 6
2
回答
Keras对python
的
预测
python
、
tensorflow
、
keras
我
的
CNN代码是这样
的
:from keras.models import Sequential64))model.add(Dropout(0.5))model.add(Activation('
sigmoid
[0][0] == 1: prediction = 'dog
浏览 0
提问于2019-03-07
得票数 1
1
回答
如果在
输出
层
中使用
sigmoid
,那么pytorch中
的
分类问题
的
损失
函数
应该是什么?
deep-learning
、
classification
、
pytorch
我正在尝试实现一个二进制分类问题
的
模型。到目前为止,我使用
softmax
函数
(在
输出
层
)
和
torch.NLLLoss
函数
来计算损失。但是,现在我想在
输出
层
使用
sigmoid
函数
(而不是
softmax
)。如果我这样做了,我是否也应该更改损失
函数
(更改为BCELoss或),或者我是否可以仍然使用torch.NLLLoss
函数
?
浏览 0
提问于2018-10-03
得票数 1
1
回答
Tensorflow密集模型不断
输出
相同
的
输出
python
、
tensorflow
我试图让一个模型在给定13个变量时
输出
一个概率。
和
train_y,它是一个具有形状(303,)
的
数组 array([0, 1, 1, ..., 1, 1, 1]) 这就是我正在尝试训练
的
模型: model = tf.keras.Sequential([ keras.layers.Dense(6, activation='
sigmoid
'), keras.layers.Dense,该模型仍然提供相同
的</em
浏览 54
提问于2021-07-16
得票数 1
2
回答
我能在深度学习中使用带有二进制分类
的
Softmax
函数
吗?
deep-learning
、
neural-network
、
keras
、
tensorflow
、
convolutional-neural-network
我想要为二进制分类创建一个深度学习模型(CNN),我能用
softmax
函数
代替
sigmoid
函数
进行二进制分类吗?将分类
层
添加到模型中,如下所示 model.add(Dense(2, activation='
softmax
'))
浏览 0
提问于2019-02-08
得票数 4
回答已采纳
2
回答
软最大MLP分类器-在隐藏
层
中使用哪种激活功能?
machine-learning
、
neural-network
、
classification
、
softmax
、
activation-function
我正在从头开始编写一个多层感知器,只有一个输入
层
、隐藏
层
和
输出
层
。
输出
层
将使用
softmax
激活
函数
产生几个互斥
输出
的
概率。在我
的
隐藏
层
中,使用
softmax
激活
函数
对我来说是没有意义
的
--这是正确
的
吗?如果是这样的话,我可以使用任何其他
的
非线性激活
函数
,如
浏览 2
提问于2018-04-19
得票数 1
回答已采纳
2
回答
如何建立一个神经网络,使它
的
输出
只有0或1?
python
、
deep-learning
4 10313 0 403.64 263.65 134.99 ... 0.39 263.65 134.99 401.833548 0 model.add(Dense(1))得到了一个
输出
5.563102e-02 1.79808099E-02 1.5880828e-1.8
浏览 1
提问于2019-06-02
得票数 0
回答已采纳
点击加载更多
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
多层感知器
走进神经网络:直观地了解神经网络工作机制
重温 Deep Learning 必备概念
关于神经网络容易被忽视的基础知识(三)
互联网信息的合理采集
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券