neural-network

    0热度

    1回答

    我试图找到NN回归模型采用GridSearchCV与下面的代码的最佳参数: param_grid = dict(optimizer=optimizer, epochs=epochs, batch_size=batches, init=init grid = GridSearchCV(estimator=model, param_grid=param_grid, scoring='neg_mean

    1热度

    1回答

    我正在caffe中构建图像分类。所有图像都是固定大小,我知道它们的性质。现在我想引导神经网络更加接近具体的领域,因为我知道这个领域有很多信息。最后,我想结合堆叠回来。这是我用自定义python图层为我绘制特定区域所取得的成就。 的事情是Python的层甚至做的工作是非常缓慢的。我知道咖啡作物层,但它看起来不像我想要的那样,据我了解,它只是将一个形状与另一个形状对齐,但我不能指定是直接的。 我在这里

    2热度

    2回答

    在学习阶段的神经网络中,有两种机制发生。前馈和后向传播。以异或操作为例。 A B Q 0 0 0 0 1 1 1 0 1 1 1 0 对于第一遍(0,0-> 0)的前馈发生时,然后反向传播happens.After此步骤被重新计算所有的权重。 现在会发生什么? 问题1:同样的输入0,0是用新计算的权重(反向传播期间)前馈,然后反向加工直至错误变为无效?如果是的话,如果错误从来没有发生过

    1热度

    1回答

    分类器网络的隐藏层使用sigmoid或其他激活函数来引入非线性并规范化数据,但最后一层使用sigmoid与softmax结合使用吗? 我有一种感觉并不重要,网络会训练任何一种方式 - 但是应该只使用softmax层?或者应该首先应用sigmoid函数?

    2热度

    3回答

    标准是FLOAT32但我在什么条件下是确定使用float16疑惑? 我一直运行比较两者的数据类型相同covnet,并没有发现任何问题。对于大型数据集,我更喜欢float16,因为我可以少担心内存问题..

    0热度

    1回答

    我有一个三维卷积神经网络[k​​eras,tensorflow]和先进的阿尔茨海默氏症患者,早期阿尔茨海默氏症和健康人(三类)的3D脑图像。我拥有324个图像的训练集和74个图像的测试集。当我训练我的CNN时,我有大约65-70%的准确性,但是对于测试集我只有30-40%。当我使用测试数据作为验证数据时,那么对于训练集,我的准确性也不会超过37%,并且整个时间损失保持在同一水平。不知道我改变了哪些

    0热度

    1回答

    编辑后返回相同的值:我设法张罗几个简单的例子https://github.com/developer239/neural-network-playground 我刚开始玩neataptic。我想让神经网络学习如何使用数字计数:1,2,3,4,5,6,7,8,9。 我将输入规范化为0.1,0.2,0.3,0.4, 0.5,0.6,0.7,0.8,0.9。 然后我写了一个非常简单的培训课程,教会网络如

    0热度

    2回答

    反向传播的工作原理是在监督学习一番韵味在输出标签中给出。但是我想知道Backpropagation是否适用于Un-supervised learning。如果是这样如何?

    0热度

    2回答

    许多RNN类(BasicRNNCell,LSTMCell等)的构造函数接受名为num_units的参数。这设置单元格中的单位数量。 我认为这个标识的RNN应该按顺序处理元素的数量。所以如果你想要一个RNN来处理长度为N的序列,你将每个单元有N个单位。它是否正确?什么是RNN单位?

    0热度

    2回答

    我建立一个模型来检测的身体部位的关键点。为此,我使用COCO数据集(http://cocodataset.org/#download)。我试图理解为什么我会遇到过度劳累的问题(训练损失趋于一致,但为了测试损失,我真的达到了上限)。在模型中,我已经尝试添加差(逐渐更高的概率增加更多层的多层,但我很快得到一个点时,训练停止损失减少是一样糟糕。我的理论是,该模型我用ISN” T个复不够好,但我想知道这是