我想使用tf.layers.dense创建两个具有相同架构和完全相同权重的模型 m1 = tf.layers.dense(input, units=10, activation='relu', name='m1')
m2 = tf.layers.dense(input, units=10, activation='relu', name='m2') 如何将m2权重和偏差设置为与m1相同？(<
浏览 32提问于2018-12-20得票数 0
回答已采纳
我遇到了一个关于使用Tensorflow (1.15.3版)的结果的可重复性的问题。我设置了所有的种子(os，random，numpy和tensorflow)，但是卷积神经网络的结果总是在两次执行之间改变(即使相似)。.set_random_seed(seed_value)
浏览 56提问于2020-12-29得票数 0
回答已采纳
2回答
我的问题是，为什么当我训练相同的算法两次时，每次训练都会产生不同的结果？是正常还是数据或代码有问题？ 算法是deep deterministic policy gradient。
浏览 144提问于2019-06-25得票数 0
1回答
利用4，4个隐层对虹膜数据集进行训练，在tensorflow和keras中分别建立神经网络，得到了不同的结果。tensorflow模型的测试准确率为96.6 %，而keras模型的准确率仅为50%左右。在这两种情况下，学习率、优化器、小批数等各种超参数是相同的。keras.utils.to_categorical(y_train, num_classes = 3)
model.fit(X_train, one_hot_labels, epochs =
浏览 0提问于2018-06-20得票数 2
1回答
我希望所有网络中的层初始化都有相同的权重，所以当我比较它们的第一个时代损失时，它们都是从相同的值开始的。卡拉斯有办法做到这一点吗？我已经为numpy和tensorflow设置了随机种子，但是在初始化中仍然得到了不同的结果。
浏览 0提问于2019-08-19得票数 1
回答已采纳
考虑以下代码：from tensorflow.keras.models import Sequentialfrom tensorflow.keras.optimizers import Adam
model = Sequential最终的模型不会保存。之后，加载保存的模型(前10个时期之后的
浏览 0提问于2021-09-20得票数 0
如何在tensorflow图中保存单个神经网络的权重，以便可以在不同的程序中将其加载到具有相同架构的网络中？也许这源于我对tenso
浏览 0提问于2017-10-07得票数 0
1回答
我在用辍学正则化训练神经网络。我节省了网络初始化的权重和偏差，这样当我得到好的结果时，我就可以重复实验了。然而，辍学的使用在网络中引入了一些随机性:由于辍学单位是随机下降的，每次我重新运行网络时，都会丢弃不同的单元--尽管我以完全相同的权重和偏差初始化网络(如果我正确理解的话)。有什么办法可以
浏览 0提问于2018-03-08得票数 4
回答已采纳
在使用tensorflow 1.14时，我注意到在使用tf.layers.Dense和tf.keras.layers.Dense时出现了一些非常奇怪的行为。Stackoverflow上的人说这两层完全相同，我基本上同意，但在培训AC代理时查看折扣奖励会产生以下图表： ? 这些论点是完全相同的。重复运行会导致相同的结果(请参阅图像中不同颜色的数据)。就我对代码的理解而言，其中一层是从另一层继承而来的</
浏览 17提问于2019-09-25得票数 1
回答已采纳
1回答
我使用Python和Tensorflow构建了一个自动编码器。为了构建自动编码器，我使用了Tensorflow教程，介绍如何构建自动编码器来读取手写数字上的MNIST数据集。我用它来寻找CGRA组合的特性。
到目前为止，我对“自动编码器代码”进行了结构调整，使其能够在自己的数据上使用。我找到了一些特性，并且已经成功地重建了输入，直到出现了某种错误。现在，我尝试使用自动编码器的权重，初始化一个参数类似于我的自动编码器的
浏览 0提问于2017-01-31得票数 2
回答已采纳
它在OpenCV docs 上提到过
与ML中的许多一次性构造和训练的模型不同，在MLP模型中，这些步骤是分开的。首先，使用非默认构造函数或方法ANN_MLP::create创建具有指定拓扑的网络。将所有权重设置为零。然后，使用一组输入和输出向量对网络进行训练。训练过程可以重复多次，即根据新的训练数据调整权重。
UPDATE_W
浏览 3提问于2018-01-03得票数 0
回答已采纳
我使用Keras建立了递归神经网络。虽然我使用所有相同的配置(批量大小、节点、时期、种子值等)，但在不同的计算机上得到不同的模型权重和误差值。我在我的代码中包含了以下几行代码，以便在每次运行时重新启动权重，但我无法解决这个问题。这个问题背后的原因是什么？
python版本会影响结果吗？
浏览 1提问于2020-02-12得票数 0
我正在使用tensorflow 2.3.0def GetStockData(ticker_name, period, start_date, end_date):
tickerData = yf.Ticker(
浏览 1提问于2020-10-18得票数 1
回答已采纳
我需要用少量的节点创建一个简单的神经网络模型，对其进行训练，然后评估得到的已经训练好的网络中的某些参数。 我需要重复几次(>100)。因此，我只想重新初始化权重，而不是每次都创建一个新模型。以下是我的代码中有问题的部分： import tensorflow as tf from
浏览 66提问于2019-03-20得票数 0
1回答
正如标题所述，Keras (W.TensorFlow后端)与Tensorflow相比，是否规范了内核权重？例如，如果两个相同的网络分别使用Keras实现Tensorflow，内核权重会有所不同吗？
浏览 0提问于2018-03-16得票数 0
回答已采纳
我想知道是否有一种典型的方法来初始化一个网络的两个部分，使其具有相同的初始值？假设我为查询和文档获得了两个独立的自动编码器，并且我希望将这两个自动编码器的权重初始化为相同的权重(不共享权重)。
浏览 22提问于2021-04-18得票数 0
回答已采纳
2回答
为Nan提供权重和偏置
、、、
pandas as pd from pandas import DataFrame import tensorflowlearning_rate=.01 display_steps=50 定义要素和标签的占位符：inputY = tf.placehold
浏览 0提问于2017-09-24得票数 0
我正在运行强化学习模型，但是当我更改kernel_initializer,时，它会给出一个错误，使我的状态具有值。我已经将模型更改为，我面临着一个不同的问题:重复相同的操作。但是，当我将kernel_initializer更改为tf.zeros_initializer()时，它开始选择不同的操作。line 935, in numpy.random.mtrand.RandomState.choice
ValueError: probabilities contai
浏览 29提问于2022-11-29得票数 0
在tensorflow中，我从教程中了解到，可以使用类似于sess.run(tf.global_variables_initializer())的方法初始化变量我想随机化权重的值。我已经尝试过搜索它，但是tensorflow文档
浏览 0提问于2018-05-17得票数 5
回答已采纳
3回答
所以我有一个用Tensorflow编写的非常简单的NN脚本，我很难找到一些“随机性”是从哪里来的。我记录了
我的问题是，在每一次重复</em
浏览 7提问于2016-10-08得票数 8
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
