1回答
Keras损失权重
、、、
我的模型有两个输出层，年龄和性别预测层。我想为每个输出层的损失分配不同的权重值。我有下面这行代码来做这件事。=[losses.mean_squared_error,losses.categorical_crossentropy], optimizer='sgd',loss_weights=[1,10])
我的问题是，损失权重对模型性能的影响是什么？如何配置损失权重，以便模型能够更
浏览 0提问于2018-02-05得票数 4
回答已采纳
1回答
加权损失计算权重选择背后的逻辑？
、、、、
选择计算加权乙状结肠交叉熵损失的权重或在不平衡数据集情况下的任何加权损失的一般逻辑是什么？问题域是基于视觉/图像分类的。
浏览 0提问于2019-12-21得票数 3
1回答
我试着做一个例子，向我自己解释权重是如何从数学上找到的。如果我下面写的是胡说八道的话，我很高兴听到你的解释。谢谢。
。我们要计算W和b，我们会得到这样的向量。
浏览 2提问于2017-01-29得票数 1
从一些旧的讨论(，)中，我得到了'weight_decay‘参数是权重上L2损失的正则化参数的想法。例如，在中，weight_decay值为0.004。这是否意味着要最小化的损失是“交叉熵+ 0.004*sum_of_L2_Norm_of_all_weights"？它是否碰巧是“交叉熵+0.004/2*sum_of_L2_Norm_of_all_weight”？
浏览 0提问于2016-10-28得票数 2
1回答
我正在构建一个二进制分类，其中我想要预测的类只出现在<2%的时间。我用的是火把和问题6)和损失如下我所想的是，我将保持我的最后一次激活和损失如下BCE
浏览 0提问于2022-03-03得票数 0
回答已采纳
1回答
我的问题可能很容易为你解决，但我没有找到任何答案，也不知道如何实现它，因为我也是Keras和Tensorflow的新手。问题:我使用了一个预先训练好的图像分割网络( Hengshuang Zhao et al 2017的)，对于这个网络，有人使用Tensorflow后端()将权重从Caffe转换为Keras。我想要计算关于权重的分类交叉损失函数的梯度，到目前为止还没有那么复杂，我可以解决。但问题是损失</em
浏览 1提问于2018-04-13得票数 2
1回答
然而，我平衡了不平衡问题和班级权重。我在输出层使用“二元交叉熵”作为成本函数和sigmoid激活函数。但是，我混淆了损失曲线(因为验证损失和测试损失是平行的)。这是过度适应的情况吗？
浏览 1提问于2019-03-14得票数 0
回答已采纳
因此，我正在使用每个字母的数据集制作一个本地语言翻译器。我只有最少的机器学习知识，只做了一个2类图像分类器。最初，这些是我的代码，它工作得很好。我得到了分类报告和混淆矩阵。它显示了我的所有参数和不可训练的参数这里是代码 from keras.preprocessing.image import ImageDataGenerator optimizer=Adam(lr=.0001
浏览 103提问于2020-02-01得票数 1
回答已采纳
3回答
什么是体重衰减？
、、、
在浏览网站上的时，我看到了一段让我有点困惑的段落：
训练网络进行N维分类的常用方法是多项式logistic回归。softmax回归Softmax回归将一个softmax非线性应用于网络的输出，并计算归一化预测和标签的1-热编码之间的交叉熵。对于正则化，我们还将通常的质量衰减损失应用于所有学习变量。模型的目标函数是交叉熵损失和所有这些重量衰减项之和，由损失()函数
浏览 14提问于2017-08-07得票数 2
回答已采纳
我总共有13个类别可供选择，我将我的LSTM网络的输出乘以一个维数为[2*num_hidden_unit,num_classes]的矩阵，然后应用softmax来获得句子落入13个类别中的1个类别的概率tf.truncated_normal([2*num_hidden_unit,num_classes])) result = tf.matmul(output[-1],W_output) + bias
我得到了我的[现在，我也有一个信息，一个给定的句子肯定不属于给定的类，
浏览 14提问于2016-07-25得票数 0
1回答
Keras分类中损失的意义
、、、、
，我使用稀疏的分类交叉熵： callbacks=callbacks,我的数据的形状如下：y：(232，)
其中X是图像，
浏览 1提问于2019-10-31得票数 0
回答已采纳
在火炬文档中，交叉熵损失是这样说的：这是否意味着对于二进制(0,1)预测，输入必须转换为(N,2)张量，其中第二维等于(1-p)？因此，例如，如果我预测一个类的目标1 (true)为0.75，是否需要将两个值(0.75；0.25)叠加在一起作为输入？
浏览 0提问于2018-08-18得票数 3
2回答
火炬中的软交叉熵
、、、
我有一个小问题，实现一个软交叉熵损失在火把。
对于我的模型，我需要实现一个加权的软交叉熵损失，这意味着目标值也是概率向量，而不是热向量。我尝试使用在几个论坛上的建议，但它不期望一个权重向量，所以我不能使用它。一般来说，我有点搞不懂如何用pytorch创建一个自定义损失函数，以及自动梯度是如何遵循自定义损失函数的，特别是在模型建立之后，我们应用了一些非数学的函数，例如将模型的
浏览 2提问于2021-08-24得票数 0
我有一个分类器网络，它选择三种分类中的一种，并以交叉熵损失作为损失函数。如果每个分类的培训数据比例为100:10:5，我是否应该自动将权重设置为1/100、1/10、1/5？
浏览 0提问于2020-06-26得票数 1
回答已采纳
1回答
我正在做一个项目(我的第一个人工智能项目)，我遇到了一些麻烦。当在我训练的分类器上执行测试时，它预测所有东西都是1类的。现在数据集严重偏向1类；但是，我已经实现了权重来补偿这一点。print('model saved')这是分类器--这里有大量的随机评论
浏览 0提问于2020-03-31得票数 0
2回答
我正在尝试实现一个具有三个类别的分类问题：'A'，'B‘和'C'，其中我希望在我的模型损失函数中加入对不同类型的错误分类的惩罚(类似于加权交叉熵)。类权重不适用，因为它适用于属于类的所有数据。例如，真正的标签'B‘被错误分类为'C’与被错误分类为'A‘相比，应该有更高的损失。权重表如下：A
浏览 1提问于2019-06-21得票数 6
我使用的数据集是一个具有大量0的二进制分类数据集。我决定尝试使用PyTorch的交叉熵损失的weight参数.通过sklearn.utils.class_weight.compute_class_weight计算权重，得到[0.58479532, 3.44827586]的权重值。当我将这个class_weights张量添加到损失的weight参数中时(即，criterion = nn.CrossEn
浏览 6提问于2022-05-27得票数 0
我刚接触神经网络和R中的mxnet包。我想对我的预测值进行逻辑回归，因为我的观测值是介于0和1之间的概率。我希望通过我拥有的向量obsWeights对我的观测值进行加权，但我不确定在哪里实现权重。我应该如何继续权衡我的观察结果？这是我目前的代码。
浏览 3提问于2017-02-18得票数 2
classLabelList = [0, 1, 2, 3] 在下面给出的列表中，每个类都有一个特定的频率。classFrequencyList = [150751, 79995, 65858, 69102] 类0在数据中过度表示，而类2的表示最少。现在我想要计算一个权重向量，使得过度表示的类具有较低的权重，而其他少数类具有较大的权重。稍后，我会将这个权重应用到我的绝对交叉点<em
浏览 29提问于2021-10-15得票数 0
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
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
