那么我可能会因为以下原因而丢失： outputs[0],loss = tf.reduce_mean( logits=logits, labels=labels)
是否适合为输出中的每个项目生成损失值，然后将这些都传递给tf.reduce_mean？这感觉效率很低，特别是对于长序列--有没有其他方法可以更有效地计算序列每一步的softmax</
浏览 10提问于2017-08-16得票数 1
回答已采纳
我正在尝试使用tensorflow训练序列到序列模型，并一直在查看他们的示例代码。然而，我真的不清楚这是怎么回事。在单词的向量表示示例中，他们谈了很多关于这些嵌入的用途，然后似乎没有提供访问它们的简单方法，除非我错了。
任何帮助弄清楚如何访问它们的人都会非常感激。
浏览 0提问于2016-06-06得票数 4
Tensorflow 1.X曾经有一个层tensorflow.contrib.layers.spatial_softmax。该层基本上在每个通道上执行softmax，并返回最大点的坐标。但是，在TF 2.0中似乎缺少此功能。这是不是还没有移植，或者我错过了什么？还有别的选择吗？
浏览 25提问于2020-03-08得票数 0
我想将softmax函数分别应用于每个频道。例如，如果U=2和C=3以及该层生成[ [1 2 3], [10 20 30] ]，我希望输出对通道0执行softmax(1, 2, 3)，对通道1执行softmax(10, 20, 30)。我使用TensorFlow作为后端。还请解释如何确保损失是两个交叉熵之和，我如何才能证实？(也就是说，我不希望优化器只在一个softmax上对损失进行训练，而是希望每个
浏览 0提问于2018-11-23得票数 0
回答已采纳
我正在使用Tensorflow 2.1.1，并试图建立一个序列序列模型。attn_out])
decoder_dense = tf.keras.layers.TimeDistributed(Dense(y_voc, activation='softmaxthe model 当我运行该程序时，在创建注意层我检查了encoder_output
浏览 8提问于2020-08-06得票数 3
回答已采纳
import tensorflow as tf import csvwith open('wine_data.csv', 'rb'= tf.matmul(x, W_fc1)+b_fc1
b_fc2 = bias_variable([3])
cross_entropy = tf.re
浏览 1提问于2017-04-19得票数 0
= tf.get_variable("softmax_w", [lstm_size, vocab_size]) #outputs, states = rnn_decoder我在调试方面已经做了很大的努力
浏览 3提问于2016-11-12得票数 1
回答已采纳
使用TensorFlow，我构建了一个简单的分类CNN。32,32,1 Grayscale ImageRelu Activated128 FC1在这个上可以找到完整的代码3.234, validation accuracy 57.63%除非我误解了，或者在某个地方有错误
浏览 3提问于2016-12-16得票数 1
回答已采纳
实际上，在描述softmax时，x显示为列矩阵：但是，在tensorflow中声明的x如下所示：我读取了一个x，它是一个可变长度的数组( None )，该数组的每个元素都是大小为784的列矩阵。尽管x被声明为列矩阵的数组，但它被用作仅仅是列矩阵：在本例中，W和b被直观地声明
浏览 1提问于2016-12-06得票数 3
回答已采纳
我有一个有多个输入和几个层的tensorflow模型，还有一个最终的softmax层。该模型使用Python (使用Keras框架)进行培训，然后使用C++程序进行保存和推理，该程序可以方便TensorFlow的CMake构建(基本上遵循以下说明：)。在python (tensorflow- GPU )中，所有操作系统都使用GPU(使用log_device_placement)：
out/MatMul: (MatMul): /job:localhost进一步调查发现：
浏览 3提问于2017-12-04得票数 2
我目前正在使用tensorflow来解决上的多类分割问题。reshaped_logits = tf.reshape(logits, [-1, nClass])loss = tf.nn.sparse_softmax_cross_entropy_with_logits(resha
浏览 1提问于2016-09-12得票数 3
1回答
在该示例中，CTC Lambda层的输入是softmax层(y_pred)的输出。Lambda层调用内部调用Tensorflow的ctc_loss的ctc_batch_cost，但是说ctc_loss函数在内部执行softmax，所以您不需要首先使用softmax。我认为正确的用法是将inner传递给Lambda层，所以您只在ctc_loss函数内部应用一次softmax。我已经试过这个例子了，效果很好。我应该学习这个例子还是Tensorflo
浏览 2提问于2017-04-18得票数 10
回答已采纳
activation=tf.nn.relu), 我想知道tf.nn.softmax在课程描述中有什么内容，但我不清楚。顺序:在神经网络中定义一个层序列。
扁平化:还记得早些时候我们的图像是正方形的吗，当你打印出来的时候？扁平化就是把这个正方形变成一个一维的集合。Relu实际上是指“如果X>0返回X，否则返回0" --所
浏览 0提问于2019-05-07得票数 1
回答已采纳
在tensorflow 1.7rc1中，我试图在急切模式下使用GPU加速，但是在各种tf函数中我总是遇到NotFoundError。以下是我的简单测试：import tensorflow.contrib.eager as tfeimport numpy as(weights=softmax_weights, biases=softmax_biases, inputs=embed
浏览 1提问于2018-03-29得票数 1
回答已采纳
1回答
当我在输出层和softmax_cross_entropy_with_logits_v2损失函数一起尝试softmax时，我所有的预测都是相同的0、1或1，0。较长版本：
我有以下模型，它尝试使用维度2的输出节点执行二进制分类。当我运行它时，它的输出层上没有激活函数，并且使用softmax_cross_entropy_with_logits_v2损失函数。此外，我看了一下这个，关于使用softmax函数的正确方法，我认为使用soft
浏览 0提问于2019-01-16得票数 0
我用tensorflow写了一个简单的logistic回归。我发现，当使用tf.nn.softmax时，该算法收敛速度更快，最终精度更高。:# Tensorflow softmax: Training accuracy: 79.4%Test
浏览 0提问于2018-03-25得票数 3
回答已采纳
在Tensorflow中，我有一个分类器网络和不平衡的训练班。由于各种原因，我不能使用重采样来补偿不平衡的数据。因此，我不得不用其他方法来弥补这种不平衡，特别是根据每个类中的例子数将逻辑乘以权重。我的训练损失是tf.nn.softmax_cross_entropy_with_logits (我也可以尝试tf.nn.sparse_softmax_cross_entropy_with_logits)Tensorflow文档在对这些操作的描述中包括以下内容：
警告:此操作期望不缩放的日志，因
浏览 4提问于2016-09-30得票数 4
回答已采纳
3回答
我很难在tensorflow中计算交叉熵。具体来说，我使用的是函数：使用看似简单的代码，我只能让它返回一个零sess.run(tf.global_variables_initializer())
c = tf.nn.softmax_cross_entropy_with_logits我
浏览 0提问于2017-03-01得票数 9
回答已采纳
1回答
在中，输出层没有激活。logits = tf.layers.dense(net, params['n_classes'], activation=None)问题
一般来说，输出层也应该有激活功能吗sparse_softmax_cross_entropy是指在计算损耗时，采用
浏览 1提问于2018-03-26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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
