我有一个可以工作的神经网络(使用Keras API在TensorFlow2.0中构建)，它是我使用float32精度(默认精度)训练的。现在我想用float64精确度训练。在开始执行神经网络之前，我用tensorflow.keras.backend.set_floatx('float64)启用了它。训练开始了，但在第一个时期的最后一批，我得到了以下错误： File &
浏览 89提问于2020-04-17得票数 0
回答已采纳
我创建了简单的Keras模型(预测，而不是分类或回归)hiddenLayer = tf.keras.layers.Dense(2, activation=tf.atan, dtype=tf.float64)(inpLayer)
outputLayer = tf.keras.layers.Dense(1, activation='linear&#x
浏览 10提问于2022-09-20得票数 -3
2回答
成本函数训练目标与精度期望目标
、、、、
当我们训练神经网络时，我们通常使用梯度下降，它依赖于一个连续的、可微的实值成本函数。例如，最后的成本函数可能采用均方误差。换句话说，梯度下降隐含地假定最终目标是回归--最小化一个实值误差度量。但是当我们使用神经网络进行分类时，尽管我们的目标是分类精度，但这不是神经网络试图优化的。神经网络仍在努力优化实值成本函数.有时这些点指向相同的方向，但有时却并非如此。特别是，
浏览 1提问于2017-12-19得票数 2
回答已采纳
1回答
所以我训练一个关于二元分类问题的神经网络，我的案例(1)和控制(0)是不平衡的，所以我对我的案例进行了过度采样，使得训练集是由控制组成的0.5053。我没有平衡我的测试集，这是0.562控制。一开始，我的训练和测试精度提高了(还不是很准确，但我希望是这样)，但是训练的精度却急剧下降，而测试的<
浏览 0提问于2019-07-08得票数 1
回答已采纳
我一直在训练神经网络并使用Tensorflow。我的成本函数是：
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=prediction, labels=y))训练我的神经网络已经导致交叉熵损失从~170k下降到大约50，这是一个戏剧性的改进。与此同时，我的准确率实际上略有下降:从3%下降到2.9%。这些测试是在训练</e
浏览 1提问于2017-07-19得票数 2
1回答
我正在使用深度神经网络进行文本分类。我的问题是，我收到了高精度的98列车数据，而我的验证精度是49。我尝试了以下几点：有什么建议吗？def get_Model(): tf.keras.layers.Embedding(voca
浏览 4提问于2020-04-01得票数 0
在过去的几个月里，我通过Python和Tensorflow构建了一个神经网络。该网络在大量数据上表现得相当好(在对120000条记录的数据集进行训练后，我的预测精度为85% )。我的神经网络利用了批量归一化，学习率衰减，丢弃..它使用Adam-Optimizer来最小化损失。在训练之后，我通过一个存储程序存储我的模型，以存储batch_normalization的
浏览 15提问于2020-02-25得票数 0
2回答
我使用h2o构建了一个简单的深度学习回归模型(如下所示)。该模型预测了R虹膜数据集中的间隔长度。我注意到，随着时间的增加，模型的精确度(r^2)增加了(图1)。通过增加历元数，我是以有害的方式对模型进行过度拟合，还是以有益的方式提高模型的准确性？
浏览 4提问于2017-07-03得票数 2
我用keras库建立了卷积神经网络模型，tensorflow作为后端，所以我想要做的是在一点时间内对模型进行训练，然后保存该模型，然后再使用经过训练的模型来训练自己，以提高精度。那我该怎么办呢？
浏览 0提问于2019-01-26得票数 2
1回答
我刚刚看到了华盛顿大学的一段视频，史蒂夫·布伦顿教授在视频中解释了如何使用特征脸进行分类，例如图像识别。那么，如果我想进行某种简单的图像分类，那么什么是最好的呢？我应该花时间和精力训练一个深层的神经，还是应该专注于特征脸？特征脸是遗产，但还是不错的，对吧？用多幅图像训练深度神经网络容易吗
浏览 0提问于2020-02-28得票数 1
3回答
我比较了运行相同的covnet和这两种数据类型，并且没有注意到任何问题。对于大型数据集，我更喜欢float16，因为我可以减少对内存问题的担忧。
浏览 0提问于2017-10-06得票数 18
2回答
我正在建立用于图像分析的神经网络，以进行胸部X线分类(异常/通过)。附加图像是我构建的模式。是否有任何方法来提高异常X射线的分类精度？
浏览 0提问于2019-07-17得票数 0
1回答
我试图在我所拥有的标记数据上实现一个神经网络模型。数据包含几个列(分类和数字特性也是如此)。3 closed short description of the problem CRM谢谢!
浏览 3提问于2019-12-11得票数 0
回答已采纳
1回答
我的机器学习模型在很大程度上超过了训练数据，但在测试数据上仍然表现得很好。当使用神经网络方法时，每次迭代都会略微增加测试集上的精度，但会大大提高训练集上的精度(过拟合)。在使用带有CNN架构的spacy时，这个问题得到了很好的演示，我得到了以下结果 0 29.305是训练数据上<
浏览 28提问于2019-11-08得票数 1
1回答
Python中的FP16，FP32是怎么回事？我和我的潜在商业伙伴正在为时间序列的工作建立一个深度学习机制。他在寻找GPU时想出了"FP16和FP32“。看起来他说的是16位和32位的浮点值。(我们的数据点看起来如下："5989.12345"，所以我很确定16位还不够。)
FP16是GPU用来提高性能的一种特殊技术，还是一个用于使用16位浮点数而不是32个标准浮点数的花哨术语？
浏览 0提问于2020-04-27得票数 5
1回答
我使用Tensorflow从头开始实现了一个基本的神经网络，并在MNIST时尚数据集上对其进行了训练。它经过了正确的训练，并输出了超过10个类别的~88-90%测试精度。现在我已经编写了predict()函数，它使用经过训练的权重来预测给定图像的类别。tf.argmax(tf.nn.softmax(Z_L)) # not working if softmax is applied
浏览 10提问于2019-08-04得票数 2
回答已采纳
我正在研究谷歌最近发布的“”模型，用于对象检测。从以下位置下载的模型：bazel-bin/tensorflow/tools/graph_transforms/transform_graph --fold_old_batch_norms quantize_weights strip_unused_nodes
浏览 2提问于2017-06-29得票数 2
所以我正在做一些研究，有很多物体的速度和加速度数据，这些数据是两个人一起在房间里移动的。以前，我已经成功地使用LSTM和RNN训练了一个时间序列预测神经网络，以获得对未来某一时间步的对象速度的预测。在训练了这个神经网络之后，我对它进行了扩充，以使用预测以及之前的数据来预测未来的另一个时间步长，依此类推，持续一定数量的时间步长。我已经添加了一张这是什么样子的
浏览 4提问于2017-08-02得票数 0
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
