1回答
当我将l2正则化添加到分类数据的嵌入中时，如下所示： emb_layer = [] emb_layer = Flatten(name = 'embedding')(emb_layer) 我收到以下警告
浏览 37提问于2021-01-29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。mymodel.compile(optimizer = 'ad
浏览 71提问于2018-06-02得票数 18
回答已采纳
2回答
用于二元分类的CNN模型
、、、
我们是数据科学(和编程)方面的新手学生，我们正在尝试建立一个用于二元分类的cnn模型(男-女)。我们的精度是良好的enouch，0.97，但验证精度为0.56 (我们认为存在过度拟合)。loss='binary_crossentropy', metrics=['accuracy'])
如何提高验证的准确性
浏览 5提问于2020-08-26得票数 0
回答已采纳
我看了tensorflow关于的教程，发现了一个代码，如下所示：class ActivityRegularizationLayerself, inputs): return inputs
def call(self, i
浏览 0提问于2020-07-04得票数 2
1回答
tf.nn.dynamic_rnn似乎遭到了反对：
我已经签出了keras.layers.RNN(单元格)，它说它可以使用掩蔽，我假设它可以替代dynamic_rnn的sequence_length该层支持用可变的时间步骤对输入数据进行掩蔽。若要将掩码引入数据，请使用嵌入层，将mask_zero参数设置为True。但是，
浏览 2提问于2019-03-20得票数 3
回答已采纳
当我使用这个代码( )时，我需要知道覆盖图(标记)的名称： console.log(e);map.on('overlayremove',function(e) {});
我在控制台的结果中没有看到name param。
浏览 2提问于2014-05-17得票数 2
1回答
我见过tensorflow 2.0的代码片段，它用于计算损失。总损失由两部分组成: 1)正则化损失；2)预测损失。我的问题是为什么model.losses是正则化的损失？model这里是tf.keras.Model的一个实例。我对tensorflow官方API文档感到有点困惑。，上面说
与此层相关的损失。当访问该属性时，会创建变量正则化张量，因此它非常安全:在tf.GradientTape下访问损失会将梯度传播回相应的</e
浏览 1提问于2019-06-20得票数 9
我编写了一个自定义丢失函数，将正则化损失添加到总损失中，我只在内核中添加了L2正则化程序，但是当我调用model.fit()时出现了一个警告，该警告声明这些偏差不存在梯度，并且不更新偏差，如果从其中一个层的内核中删除正则化损失，则该内核的梯度也不存在。我试图在每一层中添加偏置正则化器，所有的东西都正常工作，但我不想将偏见正则化，那么我该怎么办呢？
浏览 1提问于2021-06-09得票数 0
回答已采纳
2回答
我正在阅读关于神经网络的tensorflow教程，我看到了体系结构部分，这有点让人困惑。有人能解释一下他为什么在这段代码中使用以下设置吗？嵌入值为16？对于单元的选择，我得到了在最后一个密集层后面的直觉，因为它是二进制分类(1)，但是为什么第二层有16个单元呢？16个嵌入单元与第一个致密层中的16个单元相关吗？好像他们应该是平等的？如果有人也能解释这段话
第一层是嵌入层。该<em
浏览 1提问于2018-08-07得票数 0
回答已采纳
在其他问题中，我发现在卷积网络中使用tensorflow进行L2正则化的标准方法如下。对于每个conv2d层，将参数kernel_regularizer设置为l2_regularizer，如下所示
通过为单个层设置kernel_regularizer，您正在告诉网络将该层<em
浏览 2提问于2018-08-04得票数 2
回答已采纳
最初的帖子删除并增加了层，但我认为我的情况并没有那么不同。我还想添加层或更多的过滤器或字嵌入。我的主要动机是AI代理不知道整个词汇表/字典，因为它很大。我强烈地(暂时)不做字符的RNN。因此，当代理启动前向传递时，它可能会发现它从未见过的新单词，并需要将它们添加到嵌入表中(或者在开始向前传递之前添加新的过滤器)。所以我
浏览 1提问于2019-04-11得票数 16
我正在努力训练一个LSTM层在火把。我正在使用4个GPU。初始化时，我添加了.cuda()函数，将隐藏层移动到GPU。但是，当我使用多个GPU运行代码时，我得到的是运行时错误：我试图在前向函数中使用type(torch.FloatTensor).cuda(), self.hidden[1].type(torch.FloatTensor).cuda())
浏览 3提问于2019-02-04得票数 17
我需要从一组图像的视觉特征，以便有一种嵌入的输入图像。我需要的维数是128。我考虑删除预先训练过的模型(如ResNet50 )的最后一层，而不是用平坦层替换最后一个完全连接的层，并对每幅图像进行前向传递。问题是，在扁平层之后，ResNet50给出了一个512个模糊的特征向量。如果我添加另一个输出dim为128的完全连接层，我需要
浏览 1提问于2021-10-03得票数 0
回答已采纳
1回答
在编码器-译码器模型的构造之间，似乎存在着显著的、根本性的差异.这是，这是。
Pytorch使用在编码器中没有激活的嵌入层，但对解码器中的嵌入层使用relu激活。鉴于这些意见，我的
浏览 9提问于2020-06-09得票数 0
回答已采纳
我正在寻找一种简单的方法，如何创建一个按钮(或UIView的其他子类)，该按钮不是在其所有框架中绘制，而是仅在指定的内嵌矩形中绘制。内(内嵌)矩形将有一些自定义半径的圆角。下图说明了这一点：概括如下：
内矩形及其角半径的大小必须是可定制的。子类是一个选项，但是有更简单的解决方案，我将继续这样做。
浏览 1提问于2014-10-22得票数 0
回答已采纳
微调的一种方法是提取一个模型(比如在Imagenet上训练的VGG16 )，添加一层左右，然后训练模型。 是否可以使用Tensorflow.Keras将正则化应用于模型层，而不是添加的层。我不认为将正则化仅添加到一层会对结果产生太大影响。我知道我们可以对添加的层应用正则化，如下所示： x = Dense(cla
浏览 45提问于2020-07-22得票数 1
回答已采纳
1回答
我正在寻找一种方法来实现在Pytorch中使用LSTM层实现word嵌入网络，这样nn.Embedding层的输入与单词I的向量具有不同的形式。在我的例子中，每个单词都有一个对应的向量，因此，我的语料库中的句子是一个向量向量。例如，我可能有"King“和向量500，3，18，其中500是单词ID，3是单词颜色，18是字体大小等等。嵌入层的作用是进行一些自
浏览 3提问于2019-10-08得票数 0
回答已采纳
1回答
我已经构建了一个定制的Keras模型，它由不同的层组成。由于我希望向这些层添加L2正则化，所以我传递了一个keras.regularizers.l2实例作为这些层的kernel_regularizer参数的参数(作为示例，请参见的构造函数)。，而是必须：
用model.trainable_variables计算损失相对于模型权重(即tf.G
浏览 1提问于2020-09-18得票数 3
回答已采纳
1回答
您能够在App上的嵌入式类中存储HashMap吗？> requests;
requests = new HashMap<String, Integer>();}指定的类com.google.appengine.api.datastore.Blob不是可持久的
我知道您可以在“普通”类中成功地使用Hash
浏览 1提问于2011-05-24得票数 1
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
