1回答
我的卷积神经网络在softmax输出(out1)上只返回1和0，有人知道为什么吗？def build(self): conv0 = Conv2D(32, 2, 1, padding="same", activation= "relu")(inp)
drop0 = MaxPool2D((2,2))(conv
浏览 64提问于2020-05-13得票数 1
1回答
我在tensorflow上训练CNN，但我的损失并没有改善；我注意到tf.nn.softmax()正在返回一个只有0和1的张量，而不是我所期望的分布。
浏览 0提问于2018-05-04得票数 0
1回答
我正在使用Tensorflow 1.15和Keras 2.3.1我的Keras模型，代码如下：model.add(L.InputLayer(batch_input_shaperelu', units = 128))model.add(L.Dense(input_shape=(None,128), activation='softmaxmetrics=['accuracy', precision, recall,
浏览 7提问于2021-12-01得票数 0
2回答
软极大值层置信度的计算
、、、
我正在做一项多级别的计算机视觉分类任务，并使用CNN将FC层叠加在上面，使用softmax激活，问题是，如果我预测了一个岩石图像是什么，它将返回一个高概率的概率，因为使用softmax激活返回压缩在0到1之间的概率分布。我可以用什么来确定我的模型概率输出的可信度，来判断我是否可以依赖这些概率。PS:我不想添加no_label类
是否可以使用拥有模型的两个输出，pre_softmax和</em
浏览 8提问于2022-08-23得票数 1
在几个通道中，只有一个像素值是1，其余的值是0。对于其他通道，所有像素值都是0。我是应用softmax激活沿空间维，同时训练一个深层神经网络。即使所有的值都为零，即空间维上所有像素值的和不等于1，使用1也是一个好主意。
浏览 3提问于2020-06-14得票数 0
回答已采纳
2回答
方法一: Unet输出一个带有乙状结肠激活的类，然后使用骰子损失来计算损失 方法2:将基本事实连接到它是相反的，因此有两个类。Unet的输出是2个类，并对它们应用softmax激活。
浏览 33提问于2020-01-18得票数 0
list(self.i2o.weight.size()) self.softmax), 1) output = self.i2o(hidden)n_iters = 500
for iter
浏览 4提问于2018-03-06得票数 0
回答已采纳
它已经进行了适当的训练，但是当我在测试数据上运行model.predict()时，它会返回一个满是1的列表，有时还会返回一些小于1的数字。这导致argmax只返回0作为标签。我该怎么解决这个问题？谢谢，提前！
浏览 2提问于2021-12-03得票数 1
我有一个神经网络模型，它的最后一层是完全连接层，有9个输出神经元。[[ 0. 0. 0. 0. 0. 1. 0. 0. 0.]]在conv_plus_max_pool_layer(x_image，5，<
浏览 1提问于2017-02-14得票数 1
回答已采纳
4回答
在与对象检测和语义分割相关的深度学习实现中，我看到了使用sigmoid或softmax的输出层。我不是很清楚什么时候用哪种？在我看来，他们两个都可以支持这些任务。这个选择有什么指导原则吗？
浏览 57提问于2016-12-31得票数 10
回答已采纳
1回答
将西格莫德输出改为概率
、、、
如果我不能用softmax对网络进行再培训，我是否可以将最终的预测改变为概率？现在，pred = fin_model.predict_proba(x_train)的输出如下 [0.65919983,[0.53297156, 0.47564888],与0.6524+0.4589相似的每一项的和都不是1，因此不可能是概率。
浏览 3提问于2020-12-02得票数 0
我的目标:我想合并这些模型，更新后的模型应该有(1个输入，4个输出)。[y_1, y_2], axis=0)new_model.summary()sequential_1 (Sequential) (None, 2) 203874 input_2[0][0</
浏览 0提问于2021-07-11得票数 1
2回答
我已经缩小了至少一个错误的成本函数，总是返回零。给定的程序使用一些随机输入，并且存在同样的问题。self.X_train和self.y_train最初是从文件中读取的，self.predict()函数有更多的层，形成了前馈神经网络。)
self.y_train = np.random.randint(0,2, size=(100, 1))
with
浏览 3提问于2017-08-12得票数 5
回答已采纳
输出张量是一个包含65个元素的列表。对Softmax函数进行张量输入，得到分类结果。我认为这个输出张量中的最大值是分类结果，为什么不用这种方法来完成分类任务呢？仅仅是Softmax函数就可以很容易地取到导数？
浏览 1提问于2018-06-22得票数 4
回答已采纳
2回答
我们的数据集如下所示：|attribs 535000 21685.9351529239 |isMatch 1|isMatch 0我们正在尝试确定一个学校巴士站是否与计划的路线相匹配。第一个值是计划停靠点和实际停靠点之间的增量时间(毫秒)，第二个值是计划位置和实际位置之间的增量距离(毫米)。我
浏览 4提问于2017-08-10得票数 1
1回答
输出的分辨率为200x200，但它有两种分类(1的0-这是一个分段网络)，因此网络预测的维度是200x200x2 (加上batch_size)。让我们来谈谈具有反v层的网络。
奇怪的是..。conv层和反褶积层由ReLu激活。优化器做了一些奇怪的事情。在此之后，定义了成本函数、优化器和精度。您会注意到，当我测量精度并作出预测时，我用tf.nn.sigmoid(pred)重新激活输出--这是因为成本函数sigmoid_cross_entropy_with_logits将激活和</e
浏览 2提问于2016-06-22得票数 1
回答已采纳
5回答
我知道，对于多个类的问题，我们通常使用softmax，但我们也可以使用sigmoid吗？我尝试在输出层用sigmoid实现数字分类，它可以工作。我不明白的是它是怎么工作的？
浏览 0提问于2018-10-06得票数 12
, "training-data")b1 = tf.Variable(tf.zeros([2]),([1]), "B1") # number of neurons
Y1 = tf.nn.soft
浏览 19提问于2017-07-07得票数 0
2回答
Flatten())model.add(Activation('relu'))model.add(Dense(1)augmentation configuration we will use for training rescale=1.)) test_image
浏览 0提问于2019-03-07得票数 1
为了实现交叉熵代价函数，我实现了Softmax，但我的问题是，是否应该使用Softmax的输出(即概率)来进行反向传播和更新权重？在我看来，这看起来不完全正确，因为Softmax返回的是一个概率，而不是神经元的实际值。
另一种选择是使用Softmax导数的输出。有人能解释一下吗？
浏览 6提问于2017-09-20得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
