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。
为了从“第一原理”的角度更好地理解机器学习,我正在实现自己的 ML 相关功能。 目前我正在尝试实现 SoftMax:
在 Tensorflow 中评估并保存 DNN 线性组合分类器模型
我正在为我的模型使用张量流估计器,它适用于训练和评估部分(下面给出的代码片段)。虽然结果显示的准确度为 93%,但精度和...
我正在使用 keras 构建用于信号分类的 cnn 模型。 keras 中进行超参数调整和选择步幅数以及数字过滤器的最佳方法是什么?
我正在寻找一种方法来分割阿拉伯文本并纠正拼写。空格是第一个分割标准,然后,也许应该根据正确单词的字典进行分割,
我正在研究 HMER(手写数学表达式识别)问题,我尝试使用 CNN-transformer 架构。但是,当我尝试训练模型时,遇到以下错误:
我正在开展一个项目,我想利用图神经网络(GNN)进行图像分类任务。然而,我在理解如何专门针对
我需要你的帮助。我有两组图形结构化数据,一组来自开放图基准(OGB),另一组使用 torch_geometric.data.Dataset 根据我自己的数据创建。数据如下: 数据(
我们正在 CIFAR10 图像上训练 AE。我们使用了以下架构: 我们的AE类(nn.Module): def __init__(self, in_channels, z_channels): 超级(我们的AE,自我).__...
我正在使用对比学习来微调嵌入模型。对于损失函数,我使用 torch.nn.CrossEntropyLoss。 训练过程最初似乎运行良好 - 损失逐渐减少......
卷积层:滤波器是否也通过 nlayers_in 进行卷积,还是采用所有维度?
在领先的深度学习库中,卷积层中的过滤器(又名内核或权重)是否也在“通道”维度上进行卷积,或者是否采用...
例如,我们有 3 个通道(红、绿、蓝)的 RGB 图像。我们使用卷积神经网络。 每个卷积滤波器的每个通道总是有 3 个不同的系数吗...
所以我尝试迭代一些眼底图像,但我的 ipynb 文件不断崩溃。只有 3662 张图像,是否有更优化的方式来迭代我的整个数据?唯一的目的是...
获取中间层(Functional API)的输出并在SubClassed API中使用
在keras文档中,它说如果我们想要选择模型的中间层的输出(顺序的和功能的),我们需要执行以下操作: model = ... # 创建原始模型
我正在尝试使用自定义数据集在 Pytorch 预训练模型上进行迁移学习。我已经能够使用 SqueezeNet 成功地执行迁移学习。 对于 Squeezenet,我的分类器是,l...
我正在努力在复杂的数据集上使用深度学习模型来测试准确性和性能,但我已经达到了很好的准确性,但我需要改进它,所以除了我所做的之外还有任何建议(
我的深度学习架构也接受大小为 512 的输入向量和大小为 512 的输出向量。 问题是我的 X_data 版本与相同的 y_data 配对。 我有这些张量...
因此,我正在训练 400 个图像数据集标签,其中包含大约 900 张图像,这些图像分为 80% 的训练和 20% 的验证。我在这里遵循张量流的指南(https://www.tensorflow.org/
如何计算暹罗网络中的相似度/距离,然后对它们进行分类? 这是我目前的尝试 类 SiameseNetwork(nn.Module): def __init__(self) -> 无: ...
我正在尝试实现/学习如何实现对比损失。目前我的梯度正在爆炸到无穷大,我想我一定是错误地实现了某些东西。我想知道是否有人可以
InceptionResnetV2 STEM 块 keras 实现与原始论文中的不匹配?
我一直在尝试将 Keras 实现中的 InceptionResnetV2 模型摘要与他们论文中指定的模型进行比较,但在涉及