我正在尝试训练一个具有两个数据集的cnn。我希望能够在每个批次中提供来自第一个数据集的一些数据和来自第二个数据集的一些数据，并且每个数据集具有不同的相应损失函数。我读过一些文章，如果神经网络有两个头，这是可能的，但我不确定如何在同一个神经网络上用一个输出做两个损失的两
浏览 1提问于2019-06-26得票数 0
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：目标呢？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<e
浏览 15提问于2021-02-28得票数 0
回答已采纳
我正在尝试在keras中模仿pytorch神经网络。我确信我的keras版本的神经网络与pytorch中的非常接近，但在训练过程中，我看到pytorch网络的损失值比keras网络的损失值要低得多。我想知道这是不是因为我没有正确复制keras中的pytorch网络，或者<em
浏览 555提问于2020-04-26得票数 3
回答已采纳
1回答
我想先预训练一个具有重构损失的网络，然后通过交叉损失对其进行微调。但似乎我必须在这两个阶段定义两个网络。如何做到这一点？
浏览 291提问于2020-08-14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：
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。好吧，
浏览 1提问于2018-04-13得票数 3
回答已采纳
你好，我是PyTorch的新手，我想在我的神经网络中使用均方对数误差作为损失函数来训练我的DQN代理，但是我在PyTorch的nn.functional中找不到MSLE，什么是实现它的最好方法？
浏览 27提问于2021-05-22得票数 1
回答已采纳
我有点搞不懂在神经网络训练中损失函数是如何计算的。有人说，在理论上，当使用网格搜索或蒙特卡罗方法时，我们可以计算所有可能的损失函数值。但显然，这需要太多的资源，并不是神经网络训练的好方法。📷
但是另一方面，在下面的PyTorch例子中，据说损失函数是根据所有的预测值和实数来计算的。然后计算梯度
浏览 0提问于2019-09-23得票数 1
1回答
我想训练一个多类别的分类器，用Pytorch。这让我很困惑。
如果网络有一个最终的线性层，如何推断每个类的概率？如果网络有最终的softm
浏览 2提问于2020-12-22得票数 3
回答已采纳
2回答
放电筒中多重损失函数的优化
、、、、
我在PyTorch中训练一个具有不同输出的模型，对于位置(米)、旋转(度)和速度，以及模型必须预测的布尔值为0或1，有四个不同的损失。AFAIK，这里有两种方法来定义最终损失函数：第二，确定每个损失的定义系数，以优化最终损失。
那么，我的问题是，如何更好地权衡这些损失，
浏览 8提问于2022-03-02得票数 2
我在Pytorch中实现了一个神经网络，我想使用加权的L1损失函数来训练网络。具有常规L1损失的实现包含每个时期的以下代码： optimiser.zero_grad()_,forecast = net(torch.tensor(featureDEVICE),reduction='mean')params.
浏览 46提问于2019-10-02得票数 2
回答已采纳
我正在尝试用pytorch来“复制”，而且我还是个新手。我现在关心的是复制L_G (等式)。7第3页)，下面是我当前的代码： super(JSDLoss,self).但是，我怀疑这不是创建自定义损失的方法。任何形式的帮助都是非常感谢的！提前感谢:)
浏览 4提问于2017-12-13得票数 3
我目前正在使用PyTorch来训练神经网络。我使用的数据集是一个具有大量0的二进制分类数据集。我决定尝试使用PyTorch的交叉熵损失的weight参数.通过sklearn.utils.class_weight.compute_class_weight计算权重，得到[0.58479532, 3.44827586当我将这个class_weights张量添加到损失的weight参数中时
浏览 6提问于2022-05-27得票数 0
1回答
我开始使用Pytorch，目前正在做一个项目，我正在使用一个简单的前馈神经网络进行线性回归。问题是，我在Pytorch中找不到任何可以让我获得Keras或SKlearn中线性回归模型的准确性的东西。我知道我可以在训练过程中观察损失，或者我可以简单地获得测试损失，根据它我可以知道损失是否减少，但我希望使用Keras结构，在该结构中我可以获得损失值和精确值。Keras的方式看起来更清晰
浏览 16提问于2019-10-06得票数 1
我希望将神经网络中中间层的参数限制为首选离散值：-1、0或1。其想法是添加一个自定义目标函数，如果参数采用任何其他值，该函数将增加损失。请注意，我希望约束特定层的参数，而不是所有层的参数。我如何在pytorch中实现它？我想将这个自定义损失添加到训练循环中的总损失中，如下所示：
custom_loss = constrain_parameters_to_be_di
浏览 58提问于2021-05-31得票数 3
1回答
并且可以方便地加载预先训练好的模型，如VGG19。但我发现使用pytorch不是这样的，因为conv2d()不接受显式的内核，而是接受内核大小。所以我想知道，我们是否可以通过简单地将权重传递给像conv2d()这样的方法来重用VGG19中的权重。任何回复都将不胜感激。
浏览 4提问于2017-09-18得票数 1
1回答
我有一个序列延拓/预测任务(输入:一个类索引序列，输出:一个类索引序列)，我使用Pytorch。我的神经网络返回一个形状张量(batch_size，sequence_length，numb_classes)，其中条目是一个与具有这个索引的类是序列中的下一个类的概率成正比的数字。我在训练数据中的目标是形状的(batch_size，sequence_length) (只是真实预测的</
浏览 2提问于2022-05-02得票数 -1
回答已采纳
当我使用u-net进行两个类别的语义分割时，我在模型最后一层的输出分别设置为1个通道和2个通道。然后使用交叉熵损失来度量: BCEloss和CrossEntropyLoss。但两者之间的差距很大。前者的性能是正常的，但后者的准确率很低，召回率很高。我用了pytorch。
浏览 26提问于2020-04-09得票数 0
回答已采纳
我是PyTorch和对抗性网络的新手。我试图从PyTorch文档和以前在PyTorch和StackOverflow论坛上的讨论中寻找答案，但我找不到任何有用的答案。我试着用发电机和鉴频器训练GAN，但我不明白整个过程是否有效。就我而言，我应该先训练生成器，然后更新鉴别器的权重(类似于)。我更新这两个模型的权重的代码是：
# computing loss_g and
浏览 2提问于2020-06-01得票数 1
回答已采纳
1回答
我在pytorch中有一个预测模型，它在特定的坐标系中获取输入并生成输出。在我的过程中，我将输出和地面实况转换到不同的坐标系(二维平移和旋转)。我现在可以计算两个坐标系中的损失，它们具有相同的值(RMSE和NLL损失)。
在训练中使用哪个损失来运行loss.backward()很重要吗？
浏览 1提问于2020-08-03得票数 0
1回答
我想分割只占据整个数据集的一小部分的对象(例如，ICDAR2015或CamVid中的人)。像素级正负样本的比例约为1:200。我的网络的主干是预先训练好的VGG16或ResNet50，可以在有12个类的CamVid数据集中很好地工作。然而，当我将这个网络微调为仅分割CamVid中的人时，损失将保持在0.31左右，即使使用真正小的学习率(如1e-5)，损失也永远不会
浏览 29提问于2017-12-25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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
