deep-learning

    -1熱度

    1回答

    如何從Tensorflow模式獲得張量的值

    我正在使用以下Seq2Seq模型的實現。現在，如果我想傳遞一些輸入並獲得編碼器隱藏狀態的相應值（self.encoder_last_state），我該怎麼做？ https://github.com/JayParks/tf-seq2seq/blob/master/seq2seq_model.py
    tensorflow deep-learning 2017-10-08

    -1熱度

    1回答

    如何在深度學習（keras）訓練輸入數據中預處理類別信息？

    我在訓練輸入數據中有類別信息，我想知道什麼是規範化它的最好方法。 類別信息，如「城市」，「性別」等 我想使用Keras處理過程。
    deep-learning keras 2017-10-08

    7熱度

    2回答

    如何在Tensorflow中有多個Softmax輸出？

    我試圖用多個softmax輸出創建一個張量流的網絡，每個輸出都有不同的大小。網絡架構是： 輸入 - > LSTM - >中止。然後我有2個softmax層：10個輸出的Softmax和20個輸出的Softmax。原因是因爲我想生成兩組輸出（10和20），然後將它們組合起來以產生最終輸出。我不知道如何在Tensorflow中做到這一點。 以前，爲了製作一個像上面描述的網絡，但只有一個softmax，
    python tensorflow deep-learning 2017-10-09

    1熱度

    2回答

    Keras MNIST漸變下降卡滯/學習速度非常慢

    我正在訓練一個簡單的MLP，用Keras對MNIST數字進行分類。我遇到了一個問題，無論我使用哪種優化器和學習速度，模型都不會學習/下降，而且我的準確性保持與隨機猜測一樣好。 下面的代碼： model2=Sequential() model2.add(Dense(output_dim=512, input_dim=784, activation='relu', name='dense1', ke
    python machine-learning tensorflow deep-learning keras 2017-10-09

    1熱度

    1回答

    哪一個更有效率：tf.where還是element-wise乘法？

    我正在實施一個損失函數，該函數將使用由0s and 1s組成的掩模張量(M)來消除一些損失值，給出預測(P)和地面實況(G)張量。 所以，我有2種可能的方式： 逐元素乘法： loss = K.sum(M * K.binary_crossentropy(G, P)) 條件選擇： bin_ce = K.binary_crossentropy(G, P) loss = K.sum(tf.where(t
    python tensorflow deep-learning keras loss 2017-10-09

    1熱度

    1回答

    在Tensorflow

    應用自定義學習率變量在Tensorflow，之後我得到我的損失來看，我把它給了優化，並增加了必要的分化和更新方面的計算圖： global_counter = tf.Variable(0, dtype=DATA_TYPE, trainable=False) learning_rate = tf.train.exponential_decay( INITIAL_LR, # Base lear
    python tensorflow deep-learning 2017-10-09

    2熱度

    2回答

    神經網絡卡住

    我正在嘗試使用神經網絡進行分類（我正在使用tensorflow）。 不幸的是，我的神經網絡訓練陷入了42％的精度。 我有4個類，我試圖分類數據。 不幸的是，我的數據集是不均衡的，這意味着： 數據 43％屬於1類（是的，我的網絡卡預測僅此） 37％，至2級 13％至3類 7％至4類 我使用的優化是AdamOptimizer和成本函數是tf.nn.softmax_cross_entropy_with_
    machine-learning tensorflow neural-network deep-learning conv-neural-network 2017-10-10

    0熱度

    1回答

    多對一的LSTM，Keras上的softmax尺寸錯誤

    我正在嘗試使用LSTM來訓練一個簡單的多對一RNN分類器。我的時間步長爲100個數據點，具有7個特徵，總共有192382個樣本。這是我的型號： model = Sequential() model.add(LSTM(50,input_shape = (100,7),name = 'LSTM',return_sequences=False)) model.add(Dropout(0.2)) m
    machine-learning neural-network deep-learning keras lstm 2017-10-10

    1熱度

    2回答

    如何知道圖層中是否存在「偏差」？

    我正嘗試用pycaffe閱讀咖啡網絡中的體重和偏見。 這裏是我的代碼 weight = net.params[layer_name][0].data bias = net.params[layer_name][1].data 但是，我的網絡中的某些層沒有偏見，所以會有這Index out of range錯誤。 所以我的問題是我可以用 if(net.params[layer_name][1]
    python neural-network deep-learning caffe pycaffe 2017-10-10

    1熱度

    1回答

    資源耗盡錯誤OOM與形狀分配張量[384,192]

    我現在正在處理醫學圖像分類問題。圖像是患者大腦的多個切片。數據已被清除。我有150名AD患者，150 MCI（輕度認知障礙）患者，150名NC患者（正常）。每個患者有96個dicom文件或者同樣說96個切片。每片是160 * 160。 我使用Tensorflow cifar10代碼作爲我的模板，並使代碼工作，我必須更改它的read_cifar10部分。我按照下面的鏈接建議更改代碼。 Attach
    python tensorflow deep-learning 2017-10-10
最新問題