我有一个用 pytorch 编写的 CNN 输出音频,我一直在寻求通过在预测值和实际值之间添加 RFFT 的比较来提高音频质量。当前网络输出...
我有两个不同大小的损失函数,例如 损失1 = 0.5 损失2 = 32131313 我正在寻找一种适当的方法来平衡这两个损失,然后再将它们加在一起进行反向传播。
使用 MultipleNegativesRankingLoss 训练句子转换器
我必须微调一个只有正数据的句子转换器模型。因此,我想使用 MNR Loss。 我可以从句子转换器运行这个玩具示例,一切正常: 来自
我想为每个替代时期或每 5 个时期更改损失函数。我尝试使用此中建议的损失包装器方法。这没有用。它保持 current_epoch 值初始化为...
我正在训练一个简单的注意力网络,其中存储了提取的 ResNet 特征。每个十亿像素图像被分成大约 20000 个大小为 256x256 的块,每个块都与一个
具有自定义交叉熵分数和损失函数的 LightGBM 概率校准
我目前正在尝试使用自定义交叉熵分数和损失函数对二元分类问题执行 LightGBM 概率校准。我的问题与自定义 cross-en 有关...
我正在尝试实现一个损失函数,它将目标和预测姿势关节坐标作为输入,将它们转换为高斯热图,并计算 MSE。 然而,这个计算需要...
二进制分类器中的 nn.BCEWithLogitsLoss() 损失函数 pytorch 的精度值大于 1
我正在尝试将 nn.BCEWithLogitsLoss() 用于最初使用 nn.CrossEntropyLoss() 的模型。但是,在对训练函数进行一些更改以适应 nn.BCEWithLogitsLoss() ...
我正在尝试训练图像分割网络。我想做一个自定义损失,除了 y_true (地面真值掩码)和 y_pred (预测掩码)之外,它还将基于灰度图像......
需要帮助在 lightGBM(零膨胀对数正态损失)中实现自定义损失函数
我正在尝试根据本文在 lightGBM (https://arxiv.org/pdf/1912.07753.pdf)(第 5 页)中实现这个零膨胀对数正态损失函数。但是,诚然,我只是不知道该怎么做。我没有
使用 nn.BCEWithLogitsLoss() 损失函数 pytorch 的精度值大于 1
我正在尝试将 nn.BCEWithLogitsLoss() 用于最初使用 nn.CrossEntropyLoss() 的模型。但是,在对训练函数进行一些更改以适应 nn.BCEWithLogitsLoss() ...
在 torch 中的 mps 上调用 backward() 时“未实现 aten::linear_backward 的导数”
我正在研究 GAN 来生成声音。我从 wavegan-pytorch github 复制了大部分代码。我正在使用带有 M2 内核的 MacBook,所以我想将处理从 cpu 转移到带有 m 的 gpu ...
我在文科实践中遇到这个问题,教授把实践扔了,没有任何解释,所以我一个人想了想,但问题没有解决好,所以我问...
为什么人们在预训练语言模型时将具有<pad>标记的标签标记的值设置为-100?
在这里输入图片描述 为什么人们在预训练语言模型时将具有标记的标签标记的值设置为-100?例如下图中带有 pad token 的值,是转换...
我正在尝试实现这个: https://arxiv.org/pdf/1708.02002.pdf eq4。 许多公共可用的实现是多类的,而我的问题是二进制的。 我努力了 损失 = -((1-p) ** 伽马) * t...
我想在我的神经网络模型中建立一个软约束,该模型适用于整个输入域的输出。我的计划是在损失函数中添加一个术语,代表......
使用预训练 vgg19 tensorflow、Keras 在 CNN 自动编码器中定义自定义损失(感知损失)
我想在 keras 中构建的自动编码器中定义 perceptual_loss。 我的自动编码器是这样的: 编码器: input_encoder = 输入((32,32,3),name = 'encoder_input') 编码器 = Conv2D(16,(3,3),
我遇到了一个有趣且令人沮丧的问题,即使用 Unet 进行图像分割时使用的 Dice 损失。 我必须将图像分为两类:背景和感兴趣区域。该地区...
我尝试使用infomer模型来预测我自己的数据集。但是当我将训练数据集更改为我的数据集时。虽然程序可以运行,但我的损失一直是Nan,并且没有预测到...
我在 TensorFlow 1.14 中设计了一个图像分类器。在这段代码中,我设计了一个特征提取器部分和一个分类器部分,并定义了一个自定义损失函数来计算类的数量