1回答
我熟悉一个完全连接的层，但是如何在PyTorch中创建一个只有1到1的自定义层呢？也就是说，每个神经元只连接到另外一个神经元。例如:1层神经元: a，b，c联系：b-e
c-f
浏览 2提问于2021-02-24得票数 0
回答已采纳
2回答
Pytorch复制层中的神经元
、、、、
我使用的是pytorch 0.3.0。我试图有选择地复制一个神经元和它在同一层中的权重，然后用另一组权重替换原始神经元。然后我沿着维度0将我的层的张量与重塑的data2连接起来。然后，我将位于索引i处的原始data2替换为data1。最后，我将所有这些内容复制到我的层中。number of e
浏览 62提问于2020-02-29得票数 0
回答已采纳
2回答
如图所示，它是一个具有神经网络的3层，即输入层、隐藏层和输出层。我想设计神经网络(在PyTorch中，只是拱)，其中输入的隐藏层是完全连接的。但是，从隐层到输出层，隐层的前两个神经元应该连接到输出层的第一个神经元，第二个神经元应该连接到输出
浏览 11提问于2022-06-23得票数 3
1回答
我想制造一个类似大脑的烂摊子：
J“创造”层是从一组或ReLued“近”神经元(+- range c)中创建的新神
浏览 2提问于2020-08-13得票数 0
1回答
假设我们在分类层之前有一个kN神经元的特征表示。现在，分类层产生一个只有本地连接的大小为N的输出层。也就是说，输出端的kth神经元是通过从k_N到k_N+N位置的输入神经元来计算的，因此输入层中的每个N个位置(具有步长N)在输出时都给出单个神经元的值。这是在Keras中使用conv1dloca
浏览 6提问于2019-12-23得票数 4
对于一层20个神经元，我的代码非常简单：FFNN_trained = train(FFNN,x,y);
这可能会在几百年内产生非常好的性能。我想在Pytorch中复制它，所以我需要知道学习速度、激活函数、优化器、批大小、何时停止等细节。而且，用于训练/验证/测试的数据分割在feedforwardnet中似乎是随机的。在哪里可以找到feedfo
浏览 6提问于2021-04-20得票数 1
回答已采纳
1回答
所以我们想要一个随机的类似大脑的神经元混乱。意思：
神经元应该做的操作是加权和+一些减少，如LeakyReLu。因此，人们可以想象，当连接随机控制，使连接被定位在图像补丁相似的CNN层，它可以产生无止
浏览 2提问于2020-10-24得票数 0
回答已采纳
4回答
我想要建立稀疏的前馈网络，在Pytorch和Tensorflow中，也就是说，每个节点只连接到下一层的k个神经元数，其中k严格地小于下一层的节点总数。但是，到目前为止，我看到的所有教程/示例都是关于完全连接的前馈网络的。有没有办法在这些工具中构建这样稀疏的网络？
浏览 0提问于2018-05-10得票数 1
我正在制作一个GUI，用于创建不同的独特神经网络。我不赞成使用TensorFlow 2.0 (使用Keras )或PyTorch作为后端。但我缺乏关于这些主题的信息，如果有人能回答这些问题，我将非常感激：1)如何利用这些框架去除神经网络中各层间的特定神经元连接?2)如何为神经网络中神经元的某些设置特定的学习规则? 3)如何设置该层神经元的特
浏览 2提问于2020-01-16得票数 0
回答已采纳
2回答
我试图用pytorch构造一个卷积神经网络，不知道如何解释第一个密集连接层的输入神经元。self.fc_layer = nn.Sequential( nn.Linear(512, 128),这里，X是第一个线性层中神经元的数目那么，我是否需要跟踪每一层输出张量的形状，以便计算出X。
现在，我可以将值放在公式(W - F
浏览 2提问于2021-08-24得票数 0
回答已采纳
1回答
如何将隐藏的神经元添加到pytorch中的递归神经网络？在我的理解中，torch.nn.RNN有n个神经元，输入是输入和隐藏状态，其中n等于隐藏状态的大小。我尝试使用num_layers参数，但这只是添加了更多层的单个神经元</e
浏览 1提问于2020-08-02得票数 0
1回答
我有一个图(网络)，它由层组成，包含节点(神经元)。我想写一个过程，以尽可能优雅的方式复制整个图--也就是说，在节点或层的结构中增加最小或不增加开销。它们不应该仅仅因为它们是可复制的而变得复杂。我用C#编写了代码，到目前为止如下所示：
神经元有额外的字段-- copy_of，它指向从这是我的附加的overheadneuron有无参数的方法Clon
浏览 4提问于2010-06-02得票数 0
在火炬文档中，交叉熵损失是这样说的：这是否意味着对于二进制(0,1)预测，输入必须转换为(N,2)张量，其中第二维等于(1-p)？因此，例如，如果我预测一个类的目标1 (true)为0.75，是否需要将两个值(0.75；0.25)叠加在一起作为输入？
浏览 0提问于2018-08-18得票数 3
我感兴趣的是在PyTorch中训练一个CNN模型和一个简单的线性前馈模型，并在训练之后将更多的滤波器添加到CNN层和神经元-线性模型层和两者的输出(例如，从二分类到多类分类)。通过添加它们，我的具体意思是保持训练的权重不变，并将随机初始化权重添加到新的传入权重中。
这里有一个CNN模型的例子和一个简单的线性前馈模型的</
浏览 18提问于2021-02-26得票数 2
回答已采纳
在PyTorch中，我想使用torch.nn.CrossEntropyLoss函数。我是否必须格式化目标以便它们是一次性编码的，或者我可以简单地使用数据集附带的它们的类标签？
浏览 839提问于2020-06-19得票数 10
回答已采纳
我有一个PyTorch网络，它使用Wi RSS数据预测设备的位置.因此，输出层包含两个对应于x和y坐标的神经元。我想用平均定位误差作为损失函数。
该方程求出了预测位置与实际位置之间的误差距离。
浏览 1提问于2021-07-28得票数 1
回答已采纳
1回答
感谢你在这方面给我的任何帮助！我已经得到了简单的单层感知器的python代码，任务是修改代码，使其成为多层感知器。我对这一切仍然很陌生，但据我所知，重复的前馈和反向传播循环是创建隐藏层的原因。根据下面的代码，应该修改哪些内容来帮助创建这些隐藏层？parameter = {"W1":W1, "B1":B1} # assign return(parameter, loss_array)
我们还
浏览 6提问于2020-08-26得票数 0
我想在pytorch中创建一个用于二进制图像分类的完全卷积网络，它可以采用动态输入图像大小，但从概念上讲，我不太理解将最终层从完全连接层更改为卷积层的想法。假设我有一张16x16x1的图像作为CNN的输入。经过几次卷积后，输出为16x16x32。如果使用完全连接的层，我可以通过创建16*16*32权重并将其提供给单个神经元来产生单值输出。我不明白的是，如何通过应用
浏览 25提问于2019-03-09得票数 0
回答已采纳
我想知道在TensorFlow、PyTorch或其他库中是否有一种方法可以选择性地连接神经元。我想要在每一层中建立一个具有非常多神经元的网络，但层之间的连接很少。请注意，我不认为这是这个答案的重复：。我实现了一个自定义keras层，使用的方法基本上与问题中的方法相同-本质上是通过创建一个密集层，其中除了指定的权重之外，所有的权重
浏览 3提问于2018-10-18得票数 0
1回答
我试图在上注册一个反向钩子，网络中每个神经元的权重。所谓动态，我的意思是它将取一个值，并将相关的梯度乘以那个值。在中，似乎可以用一个固定的值在张量上注册一个钩子(但请注意，我需要它来获取一个会发生变化的值)。从上看，似乎也可以在所有参数上注册一个钩子--他们用它来进行梯度裁剪(但请注意，我只是试图只对每个神经元的权重进行注册)。5个神经元，每个神经元有3个相关的重
浏览 5提问于2022-02-19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
