我正在使用tensorflow实现深度愚人，但我不知道如何计算梯度，所以我希望你能帮我解决这个问题。
浏览 18提问于2019-06-30得票数 0
我有一个使用numpy和opencv方法实现的丢失函数。此函数还使用网络的输入图像和输出。
是否有可能将输入和输出层转换为numpy数组，计算损失并使用它优化网络？
浏览 2提问于2017-10-01得票数 2
回答已采纳
1回答
在提亚诺实施辍学
、、、、
我目前正在使用一个建立在Theano的卷积神经网络。丢包是一种正则化技术，其中节点输出以一定的概率被屏蔽，据我所知，掩码应该在正向和反向传播中应用。由于我目前在Theano工作，反向传播步骤被T.grad函数所代替，该函数使用自动微分来计算模型的梯度。在我在网上发现的几个例子中，它们只是在前向掩蔽值，在梯度计算步骤中根本不考虑辍学掩码。这会对网络产生什么样的影响，如果我想在梯度计算中包括掩码，我会怎么做呢？我现在拥有的代码主要是基于L
浏览 4提问于2016-06-16得票数 0
3回答
我试图实现决策树分类器来分类我的数据集。我正在使用Python。现在在scikit学习中很容易实现，但是我如何在tensorflow中实现这一点。
浏览 0提问于2018-02-20得票数 10
回答已采纳
1回答
差分隐私显着降低了模型性能
、、、、
它是PyTorch实现的。我使用一个训练集来训练，使用验证集来保存性能最好的模型，然后使用一个测试集来衡量模型的“真实”性能。因此，我选择样本不足(减少其他课程(正常和肺炎)的培训实例数量，以获得平等的群体)。这是很好的工作，但我的样本集已经减少到1500个样本(低！)的问题是：如何在一定程度上增加隐私，同时确保我的模型仍然适合数据？
但是，我使用了欠采样，我认为这
浏览 0提问于2020-06-07得票数 2
1回答
我正在尝试在PyTorch中为软Q学习、参与者-批评者策略梯度算法实现一个自定义损失函数。这来自于下面的论文。该算法的结构类似于深度Q学习，因为我们使用网络来估计Q值，并使用目标网络来稳定结果。然而，与DQN不同的是，我们从Q(s)计算V(s)的方法是：这非常简单，可以用PyTorch进行计算。我的主要问题是如何设置损失函数。我可以计算V和Q的值，但是在这种情况下，我如何处理梯度呢？如果
浏览 21提问于2019-11-20得票数 0
1回答
我正在研究如何在深度神经网络上实现辍学，并发现了一些与直觉相反的东西。在前向相位丢失掩码中，随机张量为1s和0时，迫使网络学习权重的平均值。这有助于网络更好地推广。但是在梯度下降的更新阶段，激活没有被掩盖。这在我看来是违反直觉的。如果我用辍学来屏蔽连接激活，为什么我不应该掩盖渐变下降阶段？
浏览 0提问于2015-08-27得票数 9
回答已采纳
2回答
Keras中的策略梯度
、、、、
我一直试图建立一个使用‘深度Q-学习’的模型，其中我有大量的行动(2908)。在使用标准DQN：()取得有限的成功之后，我决定做更多的研究，因为我认为动作空间太大，无法进行有效的探索。然后我发现了这篇论文：，在这里他们使用了一个参与者-评论家模型和策略梯度，这导致了我：，在那里，他们使用策略梯度来获得比DQN更好的结果。我已经找到了几个在Keras、和中实现策略梯度的站点，但是我很困惑它们是如何实现
浏览 6提问于2016-11-05得票数 23
我想知道，如果我有一个层生成一个底部斑点，并被两个后续层进一步消耗，这两个层都将在后向传播阶段生成一些梯度来填充bottom.diff。是否将两个梯度相加以形成最终的梯度？在我的理解中，咖啡层需要在填充一些计算出的梯度之前将bottom.diff设置为全零，对吗？memset会刷新另一层已经计算出的渐变吗？谢谢!
浏览 0提问于2017-06-07得票数 2
我使用tf.keras实现并训练了一个顺序模型。假设我得到一个大小为8X8的输入数组和一个输出0，1，0，(其余全部0)。
如何计算输入w.r.t到给定输出的梯度？我正在尝试实现一个类似Google深度梦想的项目，这样如果我提到一个数字，那么在每次迭代时，我都会用它的梯度更新输入，使图片更像被问到的数字。这样，给定一个数组作为输入和一个预期的输出数组，就可以计算出输入的损失梯度w.r.t。
浏览 0提问于2020-07-18得票数 2
回答已采纳
请有人用简单的术语和例子来解释一下，在执行conv2d前传之后，这些操作是如何工作的。
浏览 7提问于2017-03-15得票数 2
回答已采纳
1回答
我正在运行梯度检验，以发现我的数学计算的梯度和实际的采样梯度之间的任何差异，以保证我的支持被正确实现。\frac{1}{m}\sum_{i=0}^{i=m}(g_i-n_i)^2\sqrt{\sum_{i=0}^{i=m}(g_i-n_i)^2}
浏览 0提问于2018-04-25得票数 3
回答已采纳
TensorFlow中的自动微分过程是否在需要时计算次梯度？如果有许多子梯度，那么将选择哪一个作为输出？我正在尝试在link <code>C0</code>中实现这篇论文，它使用递归神经网络来执行有效的语言解析。目标函数使用铰链损失函数来选择最优输出向量，这使得该函数不可微。我在急切模式下使用TensorFlow (v1.12)对模型进行编程，并使用自动微分来计算梯度。每批处理后，我
浏览 21提问于2019-04-02得票数 0
回答已采纳
1回答
在GDI+中用梯度绘制多边形线
、、、、
如何将这些点绘制到位图中，以获得与此相同的内容：
请注意，梯度不是径向的，如果你把多边形线解成一条直线，你会得到从一端到另一端的简单的线性梯度。我只需要沿着这条线的“断点”扭曲这个线性梯度。我目前的解决方案是分别绘制每一行，同时为每一行计算适当的起始颜色和结束颜色，因此我可以使用LinearGradientBrush，然后使用DrawLine。1)除了自己计算
浏览 2提问于2010-06-28得票数 2
回答已采纳
你可以去看我的理由，但要点是：
这样的深度复制不是意味着(外部循环)优化器将根据计算图中不存在的参数计算梯度吗？如果我的理论是正确的，在MAML的内循环结束时，当外部优化器(通常是Adam)计算梯度时，它们应该是零(我有时观察到)。但我假设它们不是零，否则这个教程就行不通了。因此，我询问在创建内部优化器时是否需要使用深度复制。它的目的是什么，为什么它不会引起我在最初的MAML教程中描述的问题。为什么深度复制不会破坏前向传递，从而破坏<
浏览 2提问于2020-06-17得票数 1
我正在做一个需要反褶积的项目。我读到gen_nn_ops.max_pool_grad_v2()可以做到这一点。我从tensorflow.python.ops加载函数。ksize = [1,2,2,1]padding = 'SAME'不幸的是，
浏览 1提问于2018-07-25得票数 2
回答已采纳
1回答
我目前正在研究反向传播过程和梯度体面算法，形成了由Michael和3 Blue1Brown通道在YouTube中编写的“神经网络和深度学习”一书。我的问题是计算梯度体面算法中的梯度(整个数据集作为输入)。📷
例如，我们有100万张手写数字图像，通过第一次迭代，我们向网络提供了这100万张图像。在这个过程中，梯度的平均值是根据每幅图像的成本而不是整个数据集的平均成本(100万)在一次迭代中计算出来的，因此计算</e
浏览 0提问于2019-11-06得票数 2
回答已采纳
1回答
仅使用梯度幅度图像计算梯度方向
、、、、
如何使用梯度幅度图像计算梯度方向图像-是否有一种技术可以用Sobel滤波器反转输入图像的卷积步长，以计算两个梯度方向图像(Ix和Iy)？
浏览 6提问于2020-05-26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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
