Tag: deep-learning

Ich versuche zu bauen, LSTM autoencoder mit dem Ziel, immer eine Feste Größe-Vektor aus einer Reihenfolge, welche die Reihenfolge darstellt, so gut wie möglich. Diese autoencoder besteht aus zwei teilen: LSTM Encoder: Dauert eine Folge und liefert

Spiele ich mit ANN, die ist ein Teil von Udacity DeepLearning natürlich. Habe ich eine Belegung, die die Einführung Verallgemeinerung auf das Netzwerk mit einer versteckten aufgrund der Kr-Ebene mit L2-Verlust. Ich Frage mich, wie man richtig

Ich bin versucht, zu replizieren VGG16 Modell in keras, Folgendes ist mein code: model = Sequential() model.add(ZeroPadding2D((1,1),input_shape=(3,224,224))) model.add(Convolution2D(64, 3, 3, activation='relu')) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(64, 3, 3, activation='relu')) model.add(MaxPooling2D((2,2), strides=(2,2))) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(128, 3, 3, activation='relu')) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(128, 3, 3,

Ich versuche eine Op, die nicht verhält wie erwartet. graph = tf.Graph() with graph.as_default(): train_dataset = tf.placeholder(tf.int32, shape=[128, 2]) embeddings = tf.Variable( tf.random_uniform([50000, 64], -1.0, 1.0)) embed = tf.nn.embedding_lookup(embeddings, train_dataset) embed = tf.reduce_sum(embed, reduction_indices=0) Also muss ich

Für alle Keras layer (Layer Klasse), kann mir jemand erklären, wie zu verstehen, den Unterschied zwischen input_shapeunitsdim usw.? Beispielsweise der doc sagt units geben Sie den Ausgabe-Form einer Ebene. In das Bild des neuronalen Netzes unter hidden

Ich versuche zu verstehen, LSTMs und wie Sie zu bauen mit Keras. Ich fand heraus, dass es hauptsächlich um die 4 Modi zum ausführen einer RNN (die 4 richtigen im Bild) Bild-Quelle: Andrej Karpathy Nun Frage ich

Ich versuche, die Implementierung eines neuronalen Netzwerks, das Stuft die Bilder in einer der zwei diskreten Kategorien. Das problem ist jedoch, dass es derzeit immer prophezeit 0 für jeden input und ich bin mir nicht wirklich sicher,

Ich bin neu Tensorflow Ich bin mit einem Tiefen lernen Zuordnung von Udacity auf iPython notebook. link Und es hat einen Fehler. AttributeError Traceback (most recent call last) `<ipython-input-18-3446420b5935>` in `<module>`() 2 3 with tf.Session(graph=graph) as session:

Angenommen, Sie benötigen, um eine Aktivierung der Funktion ist nicht möglich, nur mithilfe von vordefinierten tensorflow Bausteine, was können Sie tun? So, in Tensorflow es ist möglich, um Ihren eigenen Aktivierungs-Funktion. Aber es ist ziemlich kompliziert, Sie

Habe ich gelesen, einige Dinge, die auf neuronale Netze und ich verstehe das Allgemeine Prinzip eines single-layer neural network. Ich verstehe die Notwendigkeit für zusätzliche Schichten, aber warum sind nichtlineare Aktivierung von Funktionen verwendet? Diese Frage ist,

Meine Frage ist in zwei miteinander verbundene Teile: Wie berechne ich die max entlang einer bestimmten Achse von tensor? Zum Beispiel, wenn ich x = tf.constant([[1,220,55],[4,3,-1]]) Ich möchte etwas wie x_max = tf.max(x, axis=1) print sess.run(x_max) output:

Ich studiere TensorFlow und wie es zu benutzen, auch wenn ich bin kein Experte in neuronalen Netzen und deep learning (nur die Grundlagen). Folgenden tutorials, ich verstehe nicht, die Reale und praktische Unterschiede zwischen den drei Optimierer

Ich bin auf der Suche nach einer Methode wie die Berechnung der Anzahl der Ebenen und die Anzahl der Neuronen pro Schicht. Als Eingang habe ich nur die Größe des input-Vektors, die Größe der output-Vektor und der

War ich auf der Suche nach alternativen Möglichkeiten, um speichern Sie eine trainierte Modell in PyTorch. Bisher habe ich zwei alternativen gefunden. Fackel.save() zum speichern einer Modell-und Fackel.load() ein Modell laden. Modell.state_dict() speichern Sie eine trainierte Modell

Ich bin versucht zu versöhnen, mein Verständnis von LSTMs und wies darauf hin, hier: http://colah.github.io/posts/2015-08-Understanding-LSTMs/ mit dem LSTM umgesetzt in Keras. Ich bin nach dem blog geschrieben http://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/ für die Keras tutorial. Was ich bin vor allem

Ich versuche nur, um herauszufinden, wie ich verwenden können,Caffe. So zu tun, ich habe nur einen Blick auf die verschiedenen .prototxt Dateien im Ordner Beispiele. Es ist eine option, die ich nicht verstehe: # The learning rate

Ich bin nach diese tutorial für das erlernen der TensorFlow Schlank, aber bei der Ausführung des folgenden code für die Gründung: import numpy as np import os import tensorflow as tf import urllib2 from datasets import imagenet

Angesichts der Beispielcode. Ich würde gerne wissen, Wie sich zu bewerben gradient clipping auf dieses Netzwerk auf der RNN, wo es eine Möglichkeit von explodierenden Verläufe. tf.clip_by_value(t, clip_value_min, clip_value_max, name=None) Dies ist ein Beispiel, das verwendet werden

Wenn ich trainierte mein neuronales Netz mit Theano oder Tensorflow, Sie werden berichten, eine variable namens "Verlust" pro Epoche. Wie deute ich diese variable? Höheren Verlust besser oder schlechter ist, oder was bedeutet es für die endgültige

Drop-Out ist die Regularisierung der Techniken. Und ich will es anwenden, um notMNIST Daten zu reduzieren, over-fitting bis zum Ende meiner Udacity Deep-Learning-Kurs Zuordnung.Ich habe gelesen das docs tensorflow auf wie nennen die tf.nn.dropout. Und hier ist

Ich trainiert eine binäre Klassifikation Modell mit CNN, und hier ist mein code model = Sequential() model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='valid', input_shape=input_shape)) model.add(Activation('relu')) model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1])) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=pool_size)) # (16, 16, 32) model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1])) model.add(Activation('relu')) model.add(Convolution2D(nb_filters*2, kernel_size[0],

Verwendung Von Anaconda Python 2.7 In Windows 10. Ich trainiere eine Sprache Modells mit dem Keras Beispiel: print('Build model...') model = Sequential() model.add(GRU(512, return_sequences=True, input_shape=(maxlen, len(chars)))) model.add(Dropout(0.2)) model.add(GRU(512, return_sequences=False)) model.add(Dropout(0.2)) model.add(Dense(len(chars))) model.add(Activation('softmax')) model.compile(loss='categorical_crossentropy', optimizer='rmsprop') def sample(a, temperature=1.0):

Beim "googl ' Ing" und mache ein paar Untersuchungen, die ich nicht in der Lage waren zu finden, alle ernst/beliebte framework/sdk für den wissenschaftlichen GPGPU-Computing und OpenCL auf AMD hardware. Gibt es eine Literatur-und/oder software, die ich

Ich begann zu spielen mit TensorFlow vor zwei Tagen, und ich Frage mich, ob es ist der Triplett-und der kontrastiven Verluste umgesetzt. Habe ich die Dokumentation, aber ich habe nicht gefunden, irgendein Beispiel, oder eine Beschreibung über