neural-network

    0热度

    1回答

    我正在阅读关于活动识别论文https://arxiv.org/pdf/1705.07750.pdf。在这里,他们使用初始v1的3D卷积来执行活动识别。我正在听一场讲话,表示从视频中可视化功能的嵌入空间。 1)可视化嵌入空间意味着什么?您是在查看已经学过的过滤器,还是正在寻找类似活动的集合? 2)您是否只是将权重矩阵可视化以查看它捕获的特征?如果是,哪个权重矩阵? 3)tf.summary.imag

    2热度

    1回答

    我是Tensorflow的新手。 我正在使用64位版本的Windows 10,我想为CPU安装Tensorflow。 我不记得,我也跟着安装的具体步骤,但是当我使用检查安装: import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))

    2热度

    1回答

    我想通过训练AlexNet在黑白图像上使用Circles(标签:“1”)和 Rectangles(标签:“0 “)。我正在使用1800个训练图像(900个圈和900个矩形)。例如: 我train_val.prototxt看起来是这样的: name: "AlexNet" layer { name: "data" type: "Data" top: "data"

    0热度

    1回答

    我将使用细胞神经网络的人脸标志检测。(Python和tensorflow) 的问题是在海伦数据库图像有不同的尺度。 我觉得我不能只是调整或裁剪图像,因为该数据是图像的位置。((X,Y)坐标) 然而,我发现了很多的论文(细胞神经网络)测试他们的模型与海伦数据集。 有没有人有想法如何处理海伦数据集? 我真的很感激它。

    3热度

    2回答

    我有一个小问题,在张量流中恢复模型时使用批量常量。 下面是我的批处理规范从here: def _batch_normalization(self, input_tensor, is_training, batch_norm_epsilon, decay=0.999): """batch normalization for dense nets. Args: inp

    1热度

    1回答

    我想写一个代码来创建一个神经网络。它应该从特定的csv文件读取数据,该文件包含13与每个输入不同的特征。这里是我的代码片段: n_inputs = 13 X = tf.placeholder(tf.float32, shape=(None, n_inputs), name="X") y = tf.placeholder(tf.int64, shape=None, name="y") def

    -1热度

    1回答

    数据集源:https://archive.ics.uci.edu/ml/datasets/wine 完整的源代码(需要与NumPy,Python 3中):https://github.com/nave01314/NNClassifier 从我读过的东西,看来80%左右,培训20%VA的分裂验证数据接近最优。随着测试数据集大小的增加,验证结果的差异应以降低有效训练为代价降低(验证准确度较低)。 因此

    1热度

    1回答

    我写一个神经元用于确定手写数字 import numpy as np from keras.utils import np_utils from keras.models import model_from_json from keras.preprocessing import image import matplotlib.pyplot as plt json_file = ope

    4热度

    1回答

    最近我正在使用Tensorflow。我正在探索如何在Tensorflow中实现多层Perceptron。 我在网上通过了很多教程。他们大多数利用一个或两个隐藏层。一个简单的例子取自here def forwardprop(X, w_1, w_2): """ Forward-propagation. IMPORTANT: yhat is not softmax sinc

    2热度

    1回答

    我想写一个MLP与TensorFlow(我刚开始学,所以道歉的代码!)为多元回归(无MNIST,请)。这里是我的MWE,我选择使用sklearn的linnerud数据集。 (实际上我使用的是一个更大的数据集,在这里我只使用一层,因为我想让MWE变小,但如果需要,我可以添加)。顺便说一句,我在train_test_split中使用shuffle = False,因为实际上我正在使用时间序列数据集。