无法在 Neural.network 中捕获模式

[英]Unable to capture pattern in a Neural network

我正在尝试使用tesorflow.keras训练一个用于学习目的的 neural.network.network 应该接受一个大小为 100 的行向量。行向量值都是 0 除了只有一个元素的值为 1，neural.network 应该返回元素的 position 索引为 1。 例子： 如果输入行向量是 ...

反向传播中的 ReLU 导数

[英]ReLU derivative in backpropagation

我打算在使用 ReLU 的神经网络上进行反向传播。 在我之前的一个项目中，我是在使用 Sigmoid 激活 function 的.network 上完成的，但现在我有点困惑，因为 ReLU 没有导数。 这是一张关于 weight5 如何影响总误差的图像。 在此示例中，如果我使用 sigmoid fu ...

使用深度学习技术的监督学习（文档分类）

[英]Supervised learning(document classification) using deep learning techniques

我正在阅读有关深度学习的论文。 其中大部分指的是无监督学习。 他们还说神经元是使用无监督 RBM.network 预训练的。 后来他们使用反向传播算法（监督）进行微调。 那么我们可以使用深度学习来解决监督学习问题吗？ 我试图找出深度学习是否可以应用于文档分类问题。 我知道有非常好的分类器可用。 但 ...

GAN中生成器的output形状和判别器的输入形状如何匹配？

[英]How to match the output shape of generator and the input shape of discriminator in GAN?

我正在研究我的第一个 GAN model，我使用 MNIST 数据集遵循 Tensorflows 官方文档。 我运行得很顺利。 我试图用我自己的数据集替换 MNIST，我已经准备好它以匹配与 MNSIT 相同的大小：28 * 28，它可以工作。 但是，我的数据集比 MNIST 更复杂，所以我尝试使 ...

我可以做些什么来帮助我的 TensorFlow.network 过度拟合大型数据集？

[英]What can I do to help make my TensorFlow network overfit a large dataset?

我特别尝试过拟合的原因是因为我正在按照 François Chollet 的“Deep Learning with Python”步骤来设计 a.network。 这很重要，因为这是我学位课程的最终项目。 在此阶段，我需要使 a.network 足够大以过度拟合我的数据，以确定最大容量，即我将优化 ...

使用一个 LSTM 单元的 output 个单元和隐藏状态作为另一个单元的输入状态

[英]Using output cell and hidden states of one LSTM cell as input states for another

通常，在讨论堆叠 LSTM（具有独立权重）时，单元格和隐藏状态对于每个单独的单元格都是唯一的，并且不在它们之间共享。 每个 LSTM 单元以其自己的一组状态独立运行。 是否有任何理由使用一个 LSTM 单元的 output 单元 state 和隐藏的 state 作为输入单元 state 和另一个 ...

OCR PDF图片到Excel模板

[英]OCR PDF image to Excel by template

我需要将大量质量差的 PDF 表数据扫描转换为 excel 表。 我看到解决方案的唯一方法是在预生成的图像上训练 tesseract 或其他一些框架（在大多数情况下，PDF 中的所有表都是相同的）。 在家庭条件下有大约 70-80% 的出色解决方案是真的吗？您可以提供什么建议。 除了 Abby F ...

不可训练层会参与其他层的反向传播吗？

[英]will non-trainable layer participate in backpropagation of other layers?

在下面的神经网络中，第二层是不可训练的。 但是，在计算第一层的梯度时，第二层会参与吗？ 总之，当一个层设置为不可训练时，会不会影响其他层的梯度下降？ ...

当存在 GPU 时，如何在 TensorFlow 中的单个脚本中训练多个模型？

[英]How does one train multiple models in a single script in TensorFlow when there are GPUs present?

假设我可以在一台机器上访问多个 GPU（为了论证，假设在一台机器上有 8 个 GPU，每个 GPU 最大 memory，每个 8GB，具有一定数量的 RAM 和磁盘）。 我想在一个脚本和一台机器上运行一个程序，该程序在 TensorFlow 中评估多个模型（比如 50 或 200），每个模型都有不 ...

如何将 output 数组作为深度强化学习 Model 中的操作？

[英]How to output an array as actions in a Deep Reinforcement Learning Model?

我目前正在开发自定义多代理 DQN 环境，我的 action_space 是一个列表，例如 [2,4,3,2,1]。 其中 actionlist[0] 是第一个代理采取的行动，actionlist[1] 是第二个代理采取的行动，依此类推。 通常对于单个值 output，代码将如下所示： 但是，这不 ...

Octave 中的神经网络创建

[英]Neural Network Creation in Octave

操作系统：Linux MINT GNU Octave，版本 7.1.0 我想在 Octave 中创建一个神经网络。 我已经安装并加载了以下 pkgs： 但是，当我尝试运行时： 我收到以下错误 ...

InvalidArgumentError：loc 处需要可广播的形状（未知）

[英]InvalidArgumentError: required broadcastable shapes at loc(unknown)

背景我对 Python 和机器学习完全陌生。 我只是尝试根据我在 inte.net 上找到的代码设置一个 UNet，并希望使其适应我正在一点一点地工作的情况。 尝试将.fit到训练数据时，我收到以下错误： 当我搜索它时，我得到了很多结果，但大多数都是不同的错误。 这是什么意思？ 而且，更重要的是， ...

使用小批量时如何更新权重？

[英]How to update weights when using mini batches?

我正在尝试对我的 neural.network 实施小批量训练，而不是对每个训练样本更新权重的“在线”随机方法。 我在 C 开发了一个有点新手的神经网络，我可以通过它调整每一层的神经元数量、激活函数等。这有助于我理解神经网络。 我已经在 mnist 数据集上训练了 the.network，但是它需 ...

如何将 gradientTape() 与不可训练的变量一起使用

[英]how to use gradientTape() with non trainable variables

假设我有一个 2 层神经网络，我想让第二层不可训练。 所以我启动这些变量 并训练他们。 问题是，随着 GradientTape() 包含所有变量，w2 和 b2 也是可训练的。 如何使它们不可训练？ ...

尖峰神经网络：ValueError：要解压的值太多（预期为 2）

[英]Spiking Neural Network: ValueError: too many values to unpack (expected 2)

我正在编写尖峰神经网络来监控建筑物的结构健康状况。 我拥有的数据集是一个 (129, 5651) 矩阵，其中包含 .network 的触发时间，分为 (129, 3957) 训练集和 (129, 1694) 测试集。 这是触发时间矩阵 (129, 5651)： 这是我用作参考的代码，但我想使用我的 ...

将 torch.nn.DataParallel 与自定义扩展名 CUDA 结合使用

[英]Using torch.nn.DataParallel with a custom CUDA extension

据我了解，内置的PyTorch操作都通过隐式矢量化自动处理批次，从而允许跨多个 GPU 的并行处理。 但是，当根据文档在CUDA中编写自定义操作时，给出的 LLTM 示例执行批量不变的操作，例如计算 Sigmoid function 元素的梯度。 但是，我有一个用例，它不是批处理元素不变的，也不是可 ...

如何摆脱“sequential_2”层的错误输入 0 与该层不兼容：预期形状 =(None, 32, 1200)，找到形状 =(None, 1148)

[英]How to get rid Error Input 0 of layer "sequential_2" is incompatible with the layer: expected shape=(None, 32, 1200), found shape=(None, 1148)

我正在尝试使用 ANN 进行文本分类。 我使用从 inte.net 获得的 keras python 来解决它。 我的数据中的单词数是 1148，但我将其四舍五入为 1200 for input_shape。 代码如下： 接下来，我将超参数包含在以下代码中： 但出现以下错误： 有谁知道问题出在哪里 ...

NLP neural.net 验证准确性在交叉验证中的折叠之间增加太多（？）

[英]NLP neural net validation accuracy increases too much (?) between folds in cross validation

我正在使用 BERT 训练 model 以使用两个标签进行分类。 我想使用交叉验证，因为我想对数据集中的每个观察结果进行样本外预测，以便稍后在线性回归中使用。 我有 5 个 EPOCHS。 第一次折叠的行为符合预期：验证准确度在 EPOCHS 中增加，并收敛到我在使用通常的 80-10-10 分割 ...

使用多项式提高 Neural.network 精度

[英]Neural network accuracy improvement by using polynomials

我是 Neural.networks 背后的理论和历史的新手，并且了解到我们的主要神经元激活 function 是一个线性表达式，其形式为 w1 x1 + w2 x2 + w3 x3 +...+b 我的问题是为什么不使用更高次的多项式表达式呢？ 那就像 a1 (w1 x1 + w2 x2 + w3 ...

是否可以将 sklearn 管道应用于深度学习 neural.network？

[英]Is it possible to apply sklearn pipeline for deep learning neural network?

像这样， 有可能吗？ 如果是那么如何？ 显示此错误。 ValueError：Pipeline.fit 不接受 batch_size 参数。 您可以使用 stepname__parameter 格式将参数传递给管道的特定步骤，例如Pipeline.fit(X, y, logisticregress ...