2回答
我正试着自己写一个骰子损失函数。这是我写的前传。但是我不知道如何计算支撑力。我试着写一些，但它不起作用。或者骰子损失根本不需要支撑？
浏览 35提问于2019-06-03得票数 1
1回答
我试图创建一个定制的损失功能，用于千层面。我想使用我用numpy编写的Sorensen-骰子系数，并使用这样的方法进行评估：它正在做：我现在正试图在西亚诺实现这一点是否可以将其用作
浏览 2提问于2016-05-18得票数 0
回答已采纳
我已经研究了大量的Keras自定义损失函数的例子。所有这些都可以概括为“写吧”。也就是说，需要编写函数获取参数(y_true，y_pred)。但是通常CNN需要损失函数的导数来进行反向传播。例如，如果你在Caffe中实现自定义损失，你必须编写2个函数:你需要的损失本身，以及它对反向传播的导数。但在Keras中，你似乎不需要第二个。这个魔法是如何工作的？
浏览 6提问于2018-01-05得票数 8
我正在实现一个自定义损失函数，如下面的代码所示，用于简单的分类。ValueError:没有为任何变量提供渐变： import os
import numpymatrixdef custom_loss(y_true, y_pred):
y_pred = y_pred.numpyy_p
浏览 32提问于2021-02-04得票数 0
2回答
有这样的主张：
有人能解释一下，用外行人的话说吗？什么功能是被区分的？什么是“特例”？
浏览 4提问于2014-05-06得票数 14
回答已采纳
1回答
我已经运行了模型，但失败了，损失也没有减少。然后我发现，我的输入是复杂的，它们不能很好的训练。实际上，我认为激活函数，卷积和优化器，反向传播，成本应该改变。我想知道如何用复杂的输入实现我的CNN。
浏览 0提问于2018-10-13得票数 1
回答已采纳
2回答
在本例中执行反向传播的位置
、、、、
我有一个学习XOR的DNN示例(右击在新选项卡中打开)：Grads = T.gradient(Loss,[W1,B1,W2,B2]);我猜想反向循环是在T.gradient，因为这些是与损失相关的梯度值，但我仍然不清楚。Question2.中是否存在反向传播(反向循环)？如果有反向传播，它在T.
浏览 4提问于2019-09-28得票数 0
回答已采纳
我的分布的大小(批量，时间步长，输出) (512,251天，1到8个时间序列) 示例中给出的传统损失函数是使用分布的对数概率。当我离开NAs时，它会像预期的那样产生NaN损失。 我已经试验了tf$的许多不同的排列，其中将损失替换为0，标签为0，等等。在每种情况下，模型都会停止训练，损失保持在某个常数附近。loss_nonan = tf$where( tf$math$is_finite(x) , loss, 0 ) return( )
} 我在这里使用R是偶然的，任何用
浏览 24提问于2020-10-23得票数 0
回答已采纳
2回答
假设我在做一个标准的DNN分类任务，我使用交叉熵损失。在损耗计算之后，我应用了一个掩码向量( 0，0，0，1，1，…将部分损失设定为零。
问题是Tensorflow将如何处理这个零损失？它会否涉及到反向传播？
浏览 6提问于2021-10-18得票数 0
回答已采纳
我使用PyTorch积累和添加损失，然后在最后实现反向传播(loss.backward())。以下是发生在一批中的损失计算。loss.backward()
loss_mean.append(loss.detach().cpu().numpy
浏览 1提问于2022-04-21得票数 0
1回答
import tensorflow as tfimport itertools
sess.run(opt, feed_dict={input_bits: input_bit, code_out: code_preview})import tensorflow as tfimport
浏览 0提问于2019-08-20得票数 3
1回答
它们似乎在引用输入和第一个隐藏层之间的链接时使用重构，然后在引用到输出层的链接时使用反向传播。
这些术语是互换使用的，还是不同的概念？
浏览 0提问于2018-12-17得票数 0
回答已采纳
1回答
带最大池的卷积神经网络
、、、、
下面是代码行，它确实意味着在前向传播期间进行池操作：skimage.measure.block_reduce(activation, block_size=(1, 1, 2, 2), func=np.mean) # delta is a numpy array of 3D
浏览 0提问于2016-06-28得票数 8
回答已采纳
1回答
为了这个MWE的目的，我尝试用一个多项的自定义损失函数来拟合线性回归。然而，当我尝试在我的损失函数中加权不同的术语时，我遇到了奇怪的行为，方法是将一个权重向量与我的损失相加。仅仅对损失进行求和就像预期的那样；然而，当点缀权重和损失时，反向传播就会被破坏，损失函数也不会减少。import torch.nn as nn
import num
浏览 0提问于2019-07-01得票数 0
回答已采纳
在我的项目中，我必须定制损失函数，这是匈牙利损失函数。tf.float32) final_cost.append(cost)
它工作得很好，并返回以下结果
<tf.Tensor: shape=(), dtype=float32, numpypredicted values
浏览 0提问于2021-10-01得票数 1
2回答
如果我没有弄错，在进行反向传播时，神经网络会用原始值检查预测值并计算误差，并根据误差为神经元设置新的权重。是否也有任何方法来设定这个训练的门槛？
浏览 1提问于2019-08-23得票数 0
回答已采纳
# ...numpy_state = initial_state.eval() total_loss += current_loss这些行实现截断反向传播(BPTT)部分，但我不确定上面的代码部分本质上是必需的。Tensorflow (我使用的是1.3)是否自
浏览 3提问于2017-10-08得票数 2
回答已采纳
1回答
但我很难理解如何对反向传播进行建模。我的意思是，我可以编写模块化的向前和向后传递，但让我困扰的是，如果我有下面的模型：
让我们假设这里的损失函数是softmax损失函数。在我的模块化softmax_loss()函数中，我正在计算关于分数的损失和梯度(dSoft = dL/dY)。
浏览 8提问于2018-08-17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
腾讯会议
云直播活动推荐
腾讯云开发者
