深度学习是一个机器学习领域,其目标是使用“深层”(由多层组成)的特殊神经网络架构来学习复杂的功能。此标记应用于有关深度学习体系结构实现的问题。一般机器学习问题应标记为“机器学习”。包括相关软件库的标签(例如,“keras”或“tensorflow”)是有帮助的。
错误:“bitwise_and_cpu”未针对“Float”实现
我希望为 ResNet50(预训练)模型生成 Intersection over Union (IoU) 分数。这是我计算 IoU 分数的函数: def IoU(预测: torch.Tensor, 目标: torch.Tensor): 我=(
将 numpy 导入为 np 进口火炬 导入 torch.nn.function 作为 F def layer_norm(x, 权重, 偏差, eps=1e-6): # x 形状:[bs, h, w, c] # 计算空间维度的均值和方差...
我正在使用 PyTorch 实现基于骨架的动作识别的分类网络。该模型由三个卷积层和两个全连接层组成。这个基本模型给出了...
为什么我的模型(使用 GATv2conv)陷入了损失? (预测每个节点的值相同)
我正在尝试使用 Pytorch 创建几何深度学习模型。我有大约 5000 个图表,它们分为训练集、验证集和测试集。每个图都有一个“正确”节点...
我有一大组包含数字和文本数据的 CSV;这是一个示例: 公司编号 公司名称 组号 货币 数量 ... 8494494 艾克美公司 F942G 欧元 1.56 美元 ... 9283422A 沃尔玛 XXH3F3 澳元 5.64 美元 ....
我从https://github.com/tencent-ailab/IP-Adapter下载了软件包 运行命令来训练 IP-Adapter plus 模型(输入:文本 + 图像,输出:图像): 加速启动 --num_processes 2 --
观看此视频后,在此处输入链接描述(仅需要时间戳 00:25s - 1:20s),我想确认必须传递给数据加载器的批量大小。 该视频指出“效果...
我想在pytorch中尝试一些玩具示例,但是训练中训练损失并没有减少。 这里提供了一些信息: 模型是 vgg16,由 13 个卷积层和 3 个密集层组成......
我想创建一个深度学习模型(最好使用 Tensorflow/Keras)来进行图像异常检测。我所说的异常检测本质上是 OneClassSVM。 我已经尝试过 sklearn 的
我正在研究异常检测问题。我有一个记录情景时间序列数据的传感器。例如,传感器偶尔会激活 10 秒并以毫秒记录值
我正在使用 DDQN 进行经验回放,就像本教程中的那样 https://pytorch.org/tutorials/intermediate/reinforcement_q_learning.html 除了我通过模糊使问题变得更加困难......
如何在Python桌面应用程序中加载Keras模型而不导入Keras?
我有一个经过训练的 Keras 模型,保存为 model.h5,我通常会使用 keras.models.load_model("model.h5") 加载它。我目前正在开发一个带有 GUI 的 Python 桌面应用程序......
我最近尝试通过提供附加到最后一个编码块的附加分支来修改一维数据的U-NET模型,其目的是将数据分类为...的十八个区域
我正在尝试制作我的第一个张量流模型,但是我遇到了一些问题。看起来它使火车正确,但是当它进行预测时,它只返回(几乎)总是相同的值。哈...
我有一个 PyTorch Conv2d 层: Conv2d(96, 1000, kernel_size=torch.Size([10, 10]), 步长=(1, 1)) 我知道 Conv2d 层是 Linear 层的特例。如何将 Conv2d 图层转换为
tensorflow.keras.layers.MultiHeadAttention 警告查询层正在破坏遮罩
我正在使用tensorflow==2.16.1构建一个变压器模型,其中一层是tensorflow.keras.layers.MultiHeadAttention层。 我在下面的 TransformerBlock 中实现了注意力层...
层“3dcnn”需要 1 个输入,但它收到了 16 个 > 输入张量
我有一个关于 keras 深度学习的问题。我编写了一个自定义数据生成器,因为我的内存不足,并且我需要加载 x x x 样本进行训练,因为我正在使用 nifty
基于模型的强化学习代码训练太慢,12小时才3个epoch(3000步)
我是基于模型的强化学习的研究员。我将归一化流模型添加到我的代码中,以便通过流获得更好的模拟样本。我将两部分集成并调试...
我正在 Google Colab 上拟合迁移学习模型。但是,我遇到了带有代码的警告消息 纪元 1/30 /usr/local/lib/python3.10/dist-packages/keras/src/trainers/data_adapters/
如何限制夸张? 我正在制作遗传算法并编写适应度函数。我想让逻辑“如果值接近零,则给出更多分,但不超过 7”