1回答
例如，假设一个神经网络为训练执行了1000次反向传播。另一个神经网络执行反向传播500来进行训练(假设它们在训练后都具有相同的精度)。第二个会不会大大加快？还是这不重要？这将提高训练的速度。
浏览 2提问于2020-04-15得票数 0
回答已采纳
1回答
如果一个gpu/cpu拥有两倍的GFlops，那么另一个是否意味着该设备上的神经网络的训练速度将提高一倍？
浏览 1提问于2018-04-04得票数 1
回答已采纳
1回答
我注意到，在我一直在研究的几个caffe模型中，偏差的学习率通常是权重学习率的两倍。有什么理由让不同的学习率的偏差作为权重？我是否错过了一些论文，提供了一个理论或实验的理由这一点？
浏览 0提问于2017-10-04得票数 6
回答已采纳
1回答
仅用CPU训练神经网络
、、、
我正在远程服务器上的虚拟机上工作，我想在它上训练一个神经网络，但是我在这个VM中没有GPU。是否可以仅使用CPU在此VM上训练网络？如果是这样的话，它是否适用于大型数据集，还是会成为一个问题？
浏览 1提问于2019-02-27得票数 0
我在用产生一个新的神经网络。validation checks数的默认值是6。，我正在训练很多网络，这需要很多时间。，我想如果我的结果不太准确，如果他们能变得更快的话，那也没关系。
正如我说过的，速度</e
浏览 4提问于2009-11-14得票数 3
回答已采纳
1回答
我的科学博览会项目是关于用神经网络代替多项式的曲线拟合。我知道在datascience中这是一个被广泛完成的过程，但我想做我自己的研究。目前最大的问题是训练时间，为了解决这个问题，我有了一个主意。如果我训练一个人工神经网络来预测最适合模型的多项式的程度，然后使用标准多项式回归来拟合曲线呢？这将使训练只进行一次，这样我就可以在我想训练的时间内训练，因此它将大大提高速度。这里面你有什么想法？
浏览 0提问于2019-02-25得票数 1
回答已采纳
我已经训练了神经网络，我想通过使用新的数据集保留训练好的神经网络来提高网络的性能。我能用命令行而不是GUI来做这件事吗？net=patternnet(20);使用第一个数据集训练神经网络后，其性能低于预期，因此我希望在不改变网络结构的情况下，使用数据集2和3来改进训练
浏览 8提问于2016-08-01得票数 0
我用keras库建立了卷积神经网络模型，tensorflow作为后端，所以我想要做的是在一点时间内对模型进行训练，然后保存该模型，然后再使用经过训练的模型来训练自己，以提高精度。那我该怎么办呢？
浏览 0提问于2019-01-26得票数 2
1回答
并行训练神经网络，理论框架
、、、、
我正在与神经网络合作，目前正在探索除我的cpu之外的其他方法来加速训练过程。在AWS中的GPU机器上使用带有Tensorflow的Keras，我能够真正加快这个过程。
这种并行化理论上是如何工作的？
浏览 3提问于2017-02-22得票数 2
回答已采纳
我现在正在阅读tensorflow文档，我不明白“批处理”和"batch_size“在解释跳过图模型中意味着什么。拜托，谁能解释一下吗？回想一下，跳过格会反转上下文和目标，并尝试从目标词中预测每个上下文单词，因此任务变成从“快速”、“快速”和“狐狸”预测“快速”和“棕色”，因此我们的数据集变得(快速，快速)，(快速，快速)，(棕色，快速)，(棕色，狐狸)，.(输入，输出)对目标函数是在整个数据集上定义的，但是我们通常使用随机梯度下降(SGD)来优化目标函数，每次使用一个示例(或batch_size示例的“小批”，通常为16 <= batch_size <=
浏览 0提问于2017-02-02得票数 0
回答已采纳
1回答
你认为深度学习的未来会是什么？很多人谈论深度学习，我看到它提供了各种各样的可能性。例如，这个问题给出了一个很好的解释。我很想听听你对此的看法，无论是从实践角度还是从科学角度。有任何实际经验或研究可以帮助解决这个问题吗？更具体地说:我们应该在我们的公司引进深度学习吗？
浏览 0提问于2016-10-17得票数 1
1回答
减少输出神经元数量
、、、
我试图训练一个神经网络来控制一个字符的速度在二维。X和y在-1到1米/秒之间。目前，我把范围分割成0.1m/秒的间隔，所以我得到400个输出神经元(20x值*20y值)，如果我把精度提高到0.01，我就得到40k输出神经元。有没有办法减少输出神经元的数量？
浏览 1提问于2014-09-14得票数 0
回答已采纳
1回答
最近我发现一个例子，一个神经网络试图对字符进行分类。训练了两个神经网络。一种有噪声的数据集，另一种没有它。我试图找到任何理论解释，为什么使用嘈杂的训练集带来更好的结果，但我没有得到足够的理解。
浏览 5提问于2015-03-30得票数 2
回答已采纳
2回答
我对python中的神经网络( NN )完全陌生，我不知道NN是否能在raspberry pi 3中运行？因为我认为问题在于神经网络在训练、数据传输和计算方面需要良好的CPU/GPU性能。那么，用单类训练数据训练神经网络是可能的吗？为了节省CPU/GPU？
例如，我希望系统只检测图像中的海参。一个好的答案/解释或链接到任何例子将是非常感谢的。谢谢你，PO
浏览 2提问于2017-08-26得票数 1
回答已采纳
2回答
我的问题是如何进一步提高以下代码的准确性。
我试图增加/减少隐藏节点的数量。另外，将学习率改变为不同的值，但准确性不会超过96%。
浏览 1提问于2017-04-11得票数 1
回答已采纳
1回答
实时神经网络
、、、
简单地说，：是否有可能让神经网络对用户的输入进行实时反应？
想象一下，一个由接收周围环境的输入并利用神经网络产生输出以实现生存的实体组成的世界的小游戏。解决这一问题的一个简单方法是使用遗传算法改进神经网络，并找到一组具有更高生存性的实体(适合这种情况)。现在，如果用户应该能够控制一个这样的实体，系统就会崩溃，因为他显然比这些实体更聪明，因为他们的网络没有经过处理用户行为的训练。这种行为可以通过让用户多次重放游戏来实现，直到神经网络适应为止，但对于我的目标来说，这是一个过于繁琐和耗时的过程。因此提出了我的问
浏览 4提问于2014-03-16得票数 5
回答已采纳
1回答
神经网络(BP FF)能否自主学习如何控制螺旋桨以避免试飞和稳定？为了简单起见，只采用垂直螺旋桨控制和垂直速度。由于反向传播神经网络从输出和期望输出的差异中得到误差，它如何在不知道期望输出的情况下教自己(实际上，它需要学习期望的输出)。如果我把错误看作垂直速度(stopped=no错误)，那么它会更合适，但是如何更改Encog的ResilientPropagation
浏览 4提问于2013-09-19得票数 1
回答已采纳
我正在用反向传播算法训练一个神经网络，这是总体误差的图表：(我用这个公式计算总体误差：第6.3部分:总体训练错误)编辑:我的神经网络有一个隐藏层，有200个神经元。我的输入和输出层有10-12个神经元。我的问题是聚类字符。
浏览 2提问于2012-01-19得票数 2
回答已采纳
我试图使用CuDNNLSTM Keras细胞来提高递归神经网络(doc )的训练速度。
浏览 5提问于2017-12-17得票数 16
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
