我偶然发现了这段代码，我想要转换成keras： l2 = lambda_loss_amount * sum() # L2 loss prevents this overkill neural network to overfit the data
cost = tf.reduce_mean(tf.nn.softmax_cross_entrop
浏览 35提问于2019-02-26得票数 2
1回答
我有一个神经网络，在Keras和scikit中都实现了一个隐藏层--学习来解决回归问题。在scikit- learning中，我使用了具有大多数默认参数的MLPregressor类，而在Keras中，我有一个隐藏的密集层，参数设置为与scikit相同的默认值--学习(它使用相同的学习速率和当我训练网络，科学学习模型有一个损失值约一半的角和它的准确性(测量的平均绝对误差)也更好。如果损失值不完全相同，那么损失值不应该是相似的，而且精确性
浏览 6提问于2021-06-30得票数 2
回答已采纳
1回答
我使用keras和tensorflow创建了一个NN模型，如下所示，我想在我的模型中使用L2正则化。 但是当我计算我的损失时，我不知道如何加上我的正则化值。有谁可以帮我？None, OUTPUT_NODE], name='y-input')
Layer1=Dense(INPUT_NODE,activation='relu',kernel_regularizer=
浏览 13提问于2019-01-08得票数 0
1回答
我试图理解为什么Keras中的正则化语法看起来是这样的。然而，在Keras中，正则化是在每个层的基础上定义的。(optimize
浏览 71提问于2018-06-02得票数 18
回答已采纳
2回答
在Keras中，对于密集层，我们可以使用参数activity_regularizer。在Tensorflow中，没有类似的参数。喀拉斯：encoding_dim = 32# add a Dense layerinput_img)autoencoder = Model(input_img,
浏览 0提问于2018-04-30得票数 4
回答已采纳
2回答
我正在学习tensorflow，我在理解如何正则化成本函数时遇到了一些问题。我已经看过了，我找到了很多不同的答案。有人能告诉我如何使成本函数正则化吗？我在Coursera上上了Andrew Ng的机器学习课程，当我在论坛上看的时候，有一件事似乎是不同的。似乎大多数人将每个权重正规化，并将最终成本函数正规化，但在课程中没有提到这一点。哪一个是正确的？
浏览 13提问于2019-03-07得票数 0
回答已采纳
1回答
我创建了一个keras模型，很大程度上受的影响，它看起来像from tensorflow import kerasmodel.add(layers.Dense(1))
model.compile(loss='mse', # <-------- Here we definethe <em
浏览 2提问于2019-10-25得票数 2
我有一个有多个标签的数据集，我想要定义一个取决于标签的损失。编辑import tensorflow as tfds_x = tf.data.Dataset.from_tensor_slices='softmax')(x)model =
浏览 2提问于2020-10-08得票数 0
回答已采纳
在使用model.fit_on_batch方法和方法时，我意识到在自定义训练循环代码中，损失和梯度不考虑任何l1-l2正则化，因此optimizer.apply_gradients方法不考虑正则化。下面您可以找到显示这一点的代码，但是这个想法非常简单。因此，我的问题是，是否有一种方法可以在优化器中使用所有这些优化器，细节无关的方法来考虑正则化。它是如何在Keras中实现的？([
tf
浏览 5提问于2020-06-17得票数 3
回答已采纳
我正在尝试导入一些正则化程序，代码如下： import tensorflow as tfimport numpy as np
from tf.keras.regularizers import l2, activity_l2 问题是我得到了以下错误： ------------------------(most recent call last)
~\AppDat
浏览 49提问于2021-09-29得票数 0
2回答
有趣的是，我只面临第二个模型( l2正则化之前的卷积)的问题。在定义该模型时，我做错了什么吗？IMG_SIZE=28from tensorflow import kerasfrom tensorflow.contrib.learn.python.learn.datasets.mnist')])
model.compile(optimizer=
浏览 0提问于2020-03-27得票数 0
1回答
模型初始化后激活的正则化
、、、、
我想在预先训练过的网络上添加Tensorflow.keras激活的正则化，使用层上的循环。): elif isinstance(layer, layers.Conv2D) or isinstance(layer, layers.Dense):
layer.add_<
浏览 0提问于2019-09-16得票数 0
回答已采纳
2回答
我最近读了一篇题为“用于医学影像分类的神经网络的改进的可训练校准方法”的论文。Pytorch中的代码如下： import torch ce = F.cross_entropy(logits, labels, weight=weights)
softmaxes = F.<em
浏览 64提问于2021-08-12得票数 0
回答已采纳
我使用的是python 3.7和Tensorflow 2.2.0。我想从头开始训练MobileNet-V2，因此我采用了已经构建的模型，并向所有需要的层添加了正则化器。在没有添加正则化的情况下(下面代码中的config.regularizer.name= "“)，可以成功地拟合和保存模型。我想知道这是一个bug，还是我做错了什么？import tensorflow as tf
from <
浏览 11提问于2020-10-26得票数 0
回答已采纳
**中使用传递度量import tensorflow as tffrom tensorflow.keras.optimizersimport *from tensorflow.keras import *
import numpy as='
浏览 7提问于2021-11-03得票数 3
在TensorFlow中，我们可以使用tf.nn.l2_loss()进行L2正则化。假设我想为L1正则化定义自己的正则化操作符(称为tf.nn.l1_loss())。我该怎么做？我很难在TensorFlow源代码中找到操作符定义。
浏览 4提问于2015-11-27得票数 5
回答已采纳
1回答
卷积网络中过拟合的求解
、、、
我计算每个时代的训练和验证损失，后者是使用网络以前没有看到的图像计算的。这两个情节如下：
由于训练损失减少，验证损失增加，我得出结论，我的模型适合。为了克服这个问题，我尝试了几个建议(例如)，包括：
增加训练集的大小。model.Altering 对数据进行改组。添加掉的层(直到p=0.9)。使用较小的rate.Reducing学习rate.Reducing的批次大小。<代码>H 118</代码>添加权重衰
浏览 9提问于2022-01-05得票数 0
library(keras) model <- keras_model_sequential() %>% layer_dense(units = 1)
optimizer = "rmsprop", metrics = c("ma
浏览 4提问于2018-07-19得票数 0
怎么做这样的事？A = nn(X_input)C = A + Btf.variable_scope('something', reuse=tf.AUTO_REUSE):小心地命名你们的图层例如：
In [21]:
浏览 0提问于2019-04-03得票数 0
1回答
MNIST极端超配CNN
、、、
Im编码一个简单的CNN来对mnist数字进行分类，这是相当简单的事情，但是这个模型非常快，而且有很大的差距。import tensorflow as tfimport numpy as npimport matplotlib.pyplot()
self.softmax = tf.keras.layers.Dense(10, "softmax&qu
浏览 0提问于2019-07-30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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
