Domande taggate «deep-learning»

Qual è la differenza tra epoca e iterazione durante l'allenamento di un percettrone multistrato?

413 machine-learning  neural-network  deep-learning  artificial-intelligence  terminology 

Sto cercando di conciliare la mia comprensione degli LSTM e sottolineato qui in questo post di Christopher Olah implementato a Keras. Sto seguendo il blog scritto da Jason Brownlee per il tutorial di Keras. Ciò di cui sono principalmente confuso è Il rimodellamento della serie di dati in [samples, time …

311 python  deep-learning  keras  lstm 

Qual è la differenza tra 'SAME' e 'VALID' padding in tf.nn.max_poolof tensorflow? Secondo me, 'VALIDO' significa che non ci sarà alcuna imbottitura zero al di fuori dei bordi quando facciamo il pool massimo. Secondo una guida all'aritmetica della convoluzione per l'apprendimento profondo , si dice che non ci sarà alcuna …

309 python  tensorflow  deep-learning 

Per qualsiasi livello Keras ( Layerclasse), qualcuno può spiegare come capire la differenza tra input_shape, units, dim, ecc? Ad esempio, il documento afferma di unitsspecificare la forma di output di un livello. Nell'immagine della rete neurale di seguito hidden layer1ha 4 unità. Questo si traduce direttamente unitsnell'attributo Layerdell'oggetto? Oppure unitsin …

262 neural-network  deep-learning  keras  keras-layer  tensor 

Nella seguente funzione TensorFlow, dobbiamo alimentare l'attivazione dei neuroni artificiali nello strato finale. Che ho capito. Ma non capisco perché si chiama logits? Non è una funzione matematica? loss_function = tf.nn.softmax_cross_entropy_with_logits( logits = last_layer, labels = target_output )

250 tensorflow  machine-learning  neural-network  deep-learning  cross-entropy 

Quando ho allenato la mia rete neurale con Theano o Tensorflow, riferiranno una variabile chiamata "perdita" per epoca. Come devo interpretare questa variabile? Una perdita maggiore è migliore o peggiore, o cosa significa per le prestazioni finali (accuratezza) della mia rete neurale?

201 machine-learning  neural-network  mathematical-optimization  deep-learning  objective-function 

Stavo cercando modi alternativi per salvare un modello addestrato in PyTorch. Finora ho trovato due alternative. torch.save () per salvare un modello e torch.load () per caricare un modello. model.state_dict () per salvare un modello addestrato e model.load_state_dict () per caricare il modello salvato. Mi sono imbattuto in questa discussione …

195 python  serialization  deep-learning  pytorch  tensor 

Sto cercando di formare una CNN per classificare il testo per argomento. Quando utilizzo l'entropia incrociata binaria ottengo un'accuratezza dell'80% circa, con un'entropia incrociata categorica un'accuratezza del 50% circa. Non capisco perché questo sia. È un problema multiclasse, non significa che devo usare l'entropia incrociata categorica e che i risultati …

160 machine-learning  keras  neural-network  deep-learning  conv-neural-network 

tf.nn.embedding_lookup(params, ids, partition_strategy='mod', name=None) Non riesco a capire il dovere di questa funzione. È come una tabella di ricerca? Che cosa significa restituire i parametri corrispondenti a ciascun id (in id)? Ad esempio, nel skip-grammodello se utilizziamo tf.nn.embedding_lookup(embeddings, train_inputs), allora per ognuno train_inputtrova l'incorporamento corrispondente?

159 python  tensorflow  deep-learning  word-embedding  natural-language-processing 

Ho addestrato un modello di classificazione binaria con la CNN, ed ecco il mio codice 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], kernel_size[1])) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=pool_size)) # (8, 8, 64) = (2048) model.add(Flatten()) model.add(Dense(1024)) …

155 python  tensorflow  deep-learning  keras 

Ho letto alcune cose sulle reti neurali e capisco il principio generale di una rete neurale a singolo strato. Comprendo la necessità di livelli aggiuntivi, ma perché vengono utilizzate le funzioni di attivazione non lineari? Questa domanda è seguita da questa: che cos'è un derivato della funzione di attivazione utilizzata …

139 math  machine-learning  neural-network  deep-learning 

Qualcuno può spiegare chiaramente la differenza tra le convoluzioni 1D, 2D e 3D nelle reti neurali convoluzionali (nell'apprendimento profondo) con l'uso di esempi?

126 machine-learning  deep-learning  signal-processing  conv-neural-network  convolution 

Cerco di capire gli LSTM e come costruirli con Keras. Ho scoperto che ci sono principalmente le 4 modalità per eseguire un RNN (le 4 a destra nella foto) Fonte immagine: Andrej Karpathy Ora mi chiedo come sarebbe uno snippet di codice minimalista per ciascuno di essi in Keras. Quindi …

108 machine-learning  neural-network  deep-learning  keras  recurrent-neural-network 

Sto cercando di capire il ruolo della Flattenfunzione in Keras. Di seguito è riportato il mio codice, che è una semplice rete a due strati. Accetta dati bidimensionali di forma (3, 2) e genera dati monodimensionali di forma (1, 4): model = Sequential() model.add(Dense(16, input_shape=(3, 2))) model.add(Activation('relu')) model.add(Flatten()) model.add(Dense(4)) model.compile(loss='mean_squared_error', …

108 machine-learning  tensorflow  neural-network  deep-learning  keras 

Come inizializzare i pesi e i bias (ad esempio, con l'inizializzazione He o Xavier) in una rete in PyTorch?

106 python  neural-network  deep-learning  pytorch