nolearn

2热度

1回答

我一直在玩千层面一段时间，现在使用卷积神经网络的二元分类问题。然而，虽然我得到了良好（ish）的训练和验证损失结果，但我的验证和测试精度始终保持不变（网络始终预测同一类别）。我碰到过this，这个人和我一样有烤宽面条的问题。他们的解决方案是设置regression=True，因为他们在烤宽面条上使用Nolearn。有没有人知道如何在千层面内设置相同的变量（因为我不想使用Nolearn）？除此之

2热度

1回答

当没有正确的参数调用时，这个类的__call__方法是如何工作的？

我正在通过Daniel Nouri的关于面部识别的tutorial使用CNN的，我遇到了一些我不明白的代码。丹尼尔是定义一个类在网络的训练中每次迭代结束时被调用，这将决定训练是否应该提前停止： class EarlyStopping(object): def __init__(self, patience=100): self.patience = patience

0热度

1回答

Python：深度神经网络

我目前正在研究一些与机器学习相关的项目。我从对象中提取了一些特征。所以我训练和测试，与NB，SVM等分类算法和功能造成了约70％到80％当我训练与神经网络使用nolearn.dbn，然后同样的功能测试我约有25％正确分类。我有2个隐藏层。我还是不明白神经网络有什么问题。我希望能有一些帮助。谢谢

1热度

2回答

Theano类型错误

我读的JPG图片，然后重塑他们到一个张量。我铸造的图像作为FLOAT32： def load(folder,table): X=[] train = pd.read_csv(table) for i,img_id in enumerate(train['Image']): img = io.imread(folder+img_id[2:]) X.append(im

0热度

1回答

尝试使用具有不同形状输入的ConcatLayer

我正尝试使用nolearn并使用ConcatLayer来组合多个输入。只要每个输入具有相同的类型和形状，它就会很好地工作。我有三种不同类型的输入，最终会产生一个标量输出值。第一输入是尺寸（288,1001）第二输入是长度87 第三的向量是一个标量值的图像我在第一个输入上使用Conv2DLayer（s）。第二个输入使用Conv1DLayer或DenseLayer（不知道哪个会更好，因为我无法

5热度

3回答

如何在nolearn，lasagne中定义成本函数？

我在nolearn做了一个神经网络，一个使用烤宽面条的基于Theano的库。我不理解如何定义我自己的成本函数。输出层只有3个神经元[0, 1, 2]，我想这是大部分肯定时，它提供1或2，但在其他方面 - 如果它是不是真的知道的1，2 - 回馈只需0.1 因此，我想出了一个成本函数（将需要调整），其中1和2的成本是0的两倍，但我无法理解如何告诉网络。 # optimization method:

2热度

2回答

nolearn多标签分类

我试图用从nolearn包进口DBN功能，这里是我的代码： from nolearn.dbn import DBN import numpy as np from sklearn import cross_validation fileName = 'data.csv' fileName_1 = 'label.csv' data = np.genfromtxt(fileName, d

3热度

1回答

nolearn 0.5与烤宽面条0.1或0.2不相容？

当我想导入： from nolearn.lasagne import NeuralNet 我总是得到这个错误 "cannot import name mse". 我Theano的版本是0.7.0。

1热度

1回答

逼近一个简单的sin（）函数与烤宽面条

我正在尝试烤宽面条和nolearn NeuralNet函数来近似一个简单的sin函数。毕竟，神经网络被证明是通用的逼近器，所以我想通过一个简单的非线性函数尝试千层面来实验性地显示这个事实。这是代码： import lasagne import numpy as np from lasagne import layers from lasagne.updates import nesterov

0热度

1回答

NeuralNet nolearn的一致性测试结果

我在nolearn库中使用NeuralNet类来完成分类任务。代码如下： layers0 = [('input', InputLayer), ('hidden', DenseLayer), ('output', DenseLayer)] net0 = NeuralNet(layers=layers0, input_shape=(None, 7),