1回答
当我添加另一个层- torch.add(torch.bmm(out, exp_w2), self.b2) -时，梯度不会更新，模型也不会学习。当我将训练前后的权重加在一起时，它们是相同的。
浏览 4提问于2018-08-20得票数 0
回答已采纳
表示a[2, 3]是2x3维的矩阵。假设每个输入中有10个元素，网络是一个两个元素的分类器(例如，猫或狗)。假设只有一个致密层。现在，我忽略了偏差向量。神经网络密集层中的每个输出可以计算为 output = matmul(input, weights) 其中weights是权重矩阵10x2，input是输入向量1x10，output是输出向量1x2。我的问题是:可以用一个矩阵乘法同时计算整个输入序列吗？
浏览 20提问于2020-11-28得票数 1
回答已采纳
2回答
解释神经网络中的神经元
、、、
我也得到了同样的权重向量。数据是5维的，隐藏层中有5个神经元。假设神经元1有输入权重w11，w12，...w15，我必须解释这些权重的物理解释，这些权重的组合，在problem.Does中代表什么，任何这样的解释存在，或者神经元本身没有特定的解释？
浏览 4提问于2014-07-16得票数 0
我正在尝试在spark和scala中实现神经网络，但无法执行任何向量或矩阵乘法。Spark提供了两个向量。Spark.util向量支持点运算，但已弃用。使用哪一个来存储权重和训练数据？
如何使用mllib在spark scala中执行向量乘法，如w*x，其中w是向量或权重矩阵，x是输入。
浏览 0提问于2016-01-20得票数 8
1回答
通过构造两个矩阵(权矩阵和输入(或激活)矩阵)，并执行矩阵到矩阵乘法(matmul)形成线性方程组，我看到了许多ML教程解释了全连通网络。为什么我不能执行权重乘以输入(假设权重矩阵是正确创建的，列计数等于输入矩阵行计数)？
浏览 5提问于2019-12-31得票数 0
回答已采纳
Keras文档并不清楚这到底是什么。我知道我们可以用它将输入特征空间压缩成一个更小的空间。但从神经设计的角度来看，这是如何做到的呢？它是一个自动编码程序吗，RBM？
浏览 27提问于2016-07-05得票数 102
问题是我想要一种方法来输入输入和权重，并接收输出，而不是网络试图训练自己(正如我能找到的所有教程和示例中所做的那样)。
浏览 20提问于2017-08-30得票数 0
回答已采纳
1回答
<-- hidden然而，当我在网络的权值上运行激活函数时，我会得到一个core.matrix错误，它不能在一维向量的输入上用权值的转置来进行矩阵乘法/* inputs (transpose weights))我理解为什么这不能从矩阵乘法的角度工作
浏览 0提问于2015-08-11得票数 3
回答已采纳
我将按照本教程制作神经网络https://www.kaggle.com/antmarakis/another-neural-network-from-scratch。 我不理解这段代码中将1附加到输入特征向量的训练部分。 def Train(X, Y, lr, weights):` `for i in range(len(X)):` `x = np.matrix(np.append(1, x)) # Augment feature vector`
浏览 37提问于2020-12-23得票数 1
回答已采纳
我目前正在用TF 2.8在Keras中培训NLP模型，在那里我正在通过添加GRU和LSTM层进行实验。当我训练模型时，我用不同的批次大小来观察它对准确性和总训练时间的影响。我以2的批次开始，然后慢慢增加到4096倍，试两倍，但在512之后的训练时间保持不变。
浏览 20提问于2022-12-04得票数 2
回答已采纳
1回答
这里有两个主要部分:找出权重和拟合回归。拟合由statsmodels.regression.linear_model.WLS.fit (2个矩阵乘法，1个矩阵求逆和3个其他矩阵乘法)组成，耗时约3ms。固定权重由减去两个数组组成，将每个元素除以标量，对每个元素平方，找到相反的元素，加1，在每个和0之间找到最大值(epanechnikov核关于拟合的标准化误差)
err = y - y_hat我不明白为什么矩阵求逆所需的时间要少10倍。我
浏览 17提问于2020-05-20得票数 0
1回答
以下给出的权重是本文所提供的真实权重。所以，我用权值来产生几个训练例子，几个输出样本，通过保持权值固定，也就是只运行几次神经网络。0.0 0.0 0.0 -0.6 0.0];
Input2 = 1,0,0,0,
浏览 1提问于2014-03-31得票数 2
回答已采纳
2回答
这的答案表明，使用这种矩阵运算可以训练线性函数和多项式函数的权重：因此，这些函数不需要梯度下降等算法。根据我的理解，线性回归模型的梯度下降为每个权重找到了完美的导数，因此成本函数是最小的。在询问上面的梯度下降和方程之间的联系之前，让我们用更小的步骤将这个方程分开：$y=$开始{b矩阵}1和1\2和1\3和1\4矩阵乘法$X^TX$：\be
浏览 0提问于2018-03-25得票数 1
回答已采纳
2回答
更新我看到了这个：为什么一个矩阵的特征(1，5)可以乘另一个矩阵的权重(1，5)，而不首先转换权重？更新2matrixA * matrixB不同于torch.mm(matrixA，matrixB)和torch.matmul(matrixA，matrixB)。因此，*表示向元素方向的乘法，而multiplication.
浏览 1提问于2020-07-21得票数 3
回答已采纳
我读了很多关于Jetson Nano和Google Coral Devboard的文章，在我读过的大多数文档和论文中，推断和部署都是使用预先构建的卷积神经网络来完成的，例如AlexNet，Inception，MobileNet和其他用于图像分类的神经网络。据我所知，这些微型计算机需要将神经网络转换为tensorflow模型或任何它们接受的框架，以执行模型的推断。 我想知道的是:对于Jetson Nano和Google Coral Devboard，我是否可以拥有与文档中举例说明的卷积神经网络无关的卷积神经网络，并将其部署到这些板上？
浏览 20提问于2020-12-24得票数 1
回答已采纳
对于gpus，由于速度优势，nchw模式是首选模式，但是对于tflite模型，在移动性能方面更好的模式是什么？现在，从pytorch到tflite的转换产生了一个工作的nchw模型，但是这种模式是最优的吗？
浏览 142提问于2021-03-17得票数 0
回答已采纳
我在python中使用tensorflow来构建一个简单的回归神经网络，我想提取权重和偏差，以便在另一个程序中使用它们。有人能指出如何从tf神经网络中提取权重，并在tensorflow神经网络训练完成后，通过简单的矩阵乘法和加法从相同的权重计算预测。
浏览 36提问于2019-01-19得票数 0
1回答
我的输入矩阵是(60,4)，权重矩阵是(4，2)。乘法可以很容易地完成(从数学的角度来看，最后的矩阵是(60,2))。但是Numpy显示了一个我无法解释的错误。
浏览 10提问于2021-12-08得票数 0
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
