0回答
我目前正在尝试比较一些RNN，我只对LSTM有问题，我不知道为什么。 callbacks = [checkpoint, early])
这是具有相同输入的GRU和LSTM[0 0 <e
浏览 3提问于2017-11-24得票数 3
回答已采纳
5回答
我试图一步一步地理解Keras和LSTM。现在，我构建了一个LSTM，输入是一个句子，输出是一个由五个值组成的数组，每个值可以是0或1。示例:输入句子：‘我讨厌cookie’输出示例: 0,0,1,0,1现在我不确定我应该使用哪种丢失函数。现在，我只知道两个预定义的损失函数稍微好一点，这两个函数似乎都不适合我的例子：
二进制交叉熵:好的，如果我的输出只有0或1，<em
浏览 0提问于2019-02-23得票数 1
回答已采纳
2回答
LSTM文本分类精度差Keras
、、、、
这是多标签文本分类与lstm在角.我的模型是：model.add(Dropout(0.25))
model.add(LSTMsigmoid', inner_activation='hard_sigmoid', return
浏览 0提问于2018-08-22得票数 5
回答已采纳
3回答
一种多标签分类模型的评价
、、、、
我目前有一个多标签的分类问题，我正在使用keras构建一个神经网络，如下所示：print(n_cols)
plt.xlabel('Epoch')plt.show()
我被告知，对于多标签分类对于多标签的分类，使用精度度量是
浏览 0提问于2020-07-16得票数 0
回答已采纳
我在keras中搜索了分类交叉熵和二进制交叉熵之间的区别(作为损失函数)，但我找不到一个完整而有说服力的答案。在多标签分类问题中，应该使用哪一种？每个公式是什么？
提前感谢
浏览 0提问于2019-02-19得票数 1
我试图构建一个非常简单的自动编码器，只使用Keras中的LSTM层。在角蛋白-博客上，它们使用二进制交叉熵，但我认为原因在于它们使用黑白图像。
谢谢
浏览 0提问于2018-03-28得票数 0
在keras后端中，with_logits在中有一个标志。普通的二元交叉熵和带有逻辑的二元交叉熵有什么区别？假设我使用的是seq2seq模型，并且输出序列为100111100011101类型。对于递归的LSTM或RNN，如果我在输入中给出了类似的顺序以及时间步骤，我应该从这些数据中学习什么？
浏览 0提问于2017-10-01得票数 5
回答已采纳
1回答
以下两种模型/编译的行为不同： return keras.losses.binary_crossentropy(y_true, y_predcustom_loss, optimizer=optimizer, metrics=['accuracy'])optimizer = Adam(lr=5e-3)
model.compile(loss=keras.losses.binary_crossentropy
浏览 2提问于2019-04-18得票数 0
回答已采纳
4回答
我试图用LSTM解决一个简单的二进制分类问题。我正在努力找出正确的网络损失函数。问题是，当我使用二元交叉熵作为损失函数时，训练和测试的损失值要比使用均方误差(MSE)函数要高。在研究中，我发现了二元交叉熵用于分类问题，MSE用于回归问题的理由。然而，在我的情况下，我得到了更好的准确性和较小的损失值与MSE的二进制分类。
我不知道如何证明这些结果是合理的。为什么不使用均方误差来解决分类问题呢？
浏览 0提问于2019-05-06得票数 11
回答已采纳
model = tf.keras.Sequential()model.add(Bidirectional(LSTM(32)))
model.add(Dense(`categorical_crossentropy` expects targets to be binary matrices (1s and 0</e
浏览 0提问于2020-08-02得票数 2
回答已采纳
但是当我运行代码时，弹出了这个错误：我曾尝试更改lstm层中的input_shape=(10000,1)，但随后出现此错误：
ValueError: Errorwhen checking target: expected dense_39 to have shape (1,) but got array with
浏览 0提问于2019-07-09得票数 0
我试图对一些文本数据进行RNN分类器的训练。--我一直试图以为例，但是这个示例使用的是通过tensorflow_dataset包下载的数据，而我有一个本地的数据集。I偏离了这个示例，将损失改为分类交叉熵，并将最终的稠密层设置为激活softmax和32维。32是每条热编码线的长度。我想这就是我想要的最终输出。model = tf.keras.Sequential([ tf.keras.layers.Embedding(
浏览 1提问于2021-06-17得票数 0
回答已采纳
导入库和模型，import kerasfrom keras.modelsimport Sequentialfrom keras.layers import Conv2D,MaxPooling2D
import keras.backend as k
浏览 1提问于2020-09-07得票数 6
回答已采纳
import pandas as pdfrom keras.models import Sequentialfrom keras.layers import LSTMfrom(LSTM(15, input_shape=(1,look_b
浏览 1提问于2017-10-10得票数 7
回答已采纳
1回答
我想用一个逻辑损失函数作为我的深度学习模型来解决一个二元分类问题。我正在用角码来建立模型。然而，keras没有任何预先定义的逻辑。在阅读关于损失函数的文章时，我遇到了关于交叉熵损失和逻辑损失的混淆陈述。在这个维基百科中，有一个关于物流损失和交叉熵损失的单独章节。然而，在这个维基百科中，它提到：
原木损失，又称物流损失或交叉熵损失。
浏览 0提问于2018-03-01得票数 3
1回答
我试图把我的大脑包裹在绝对的交叉熵损失上。在Keras中查看交叉熵损失的implementation： # scale preds so that the class probas of each sample sum to 1
output
浏览 24提问于2021-04-23得票数 0
回答已采纳
1回答
#%%
inputResults = numpy.array([[0],[1],[1],[0]])
print(inputResults) keras.layers.Flatten(input_shape=(2,)),
浏览 1提问于2022-03-13得票数 0
最近我在玩Kaggle中的叶子分类问题。我见过笔记本电脑。但当我尝试使用Tensorflow构建相同的模型时，它产生的精度很低，损失变化很小。d:d+batch_size:1]Iter: 0 loss: 0.69941 accuracy: 0.0Iter: 20但
浏览 16提问于2017-01-20得票数 1
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
