neural-network

    0

    1答えて

    大きなホワイトゾーンのグレースケール画像を使用しているときに、CNNフィルタが完全な適合パッチにどのように高い値を与えるかを理解するのに問題があります。 0-1-0 0-1-0 0-1-0 そして、このフィルタは、大きな完全に白い帯で一つの画像に適用されます。 例えば、私は次の3×3のフィルタを持っていることを想像してみてください。 255-255-255 255-255-255 25

    0

    1答えて

    Andrew Traks's exampleに続いて、私はバイナリ分類のための単純なドロップアウトで、1入力、1隠れ、1出力の3層ニューラルネットワークを実装したいと考えています。 バイアス用語b1とb2を含めると、以下のようにAndrewのコードを少し修正する必要があります。 X = np.array([ [0,0,1],[0,1,1],[1,0,1],[1,1,1] ]) y = np.ar

    1

    1答えて

    満足のいく結果を得たモデルを訓練したばかりで、frozen_inference_graph.pbを持っています。 iOSでこれを実行するにはどうすればいいですか?それはSSD Mobilenet V1で訓練されています。最適にはGPUを使って実行したいのですが(私はテンソルフローAPIがiOS上でそれを行うことはできませんが)、最初にCPU上に置くのは素晴らしいことです。

    0

    1答えて

    私はGANチュートリアルを行っていますが、私は '再利用'フラグを使用していることに気付きました。下のコードを見ると、可変範囲の初期化でreuseが使用されていることがわかります。 (私はドキュメントを見ているが、まだ明確ではない試してみました: https://www.tensorflow.org/versions/r0.12/how_tos/variable_scope/) def discr

    0

    1答えて

    Tensorフローでニューラルネットワークモデルを実装しようとしていますが、プレースホルダの形状に問題があるようです。私はTFの新人だから、単純な誤解かもしれない。私のコードとデータのサンプルは次のとおりです。 _data=[[0.4,0.5,0.6,1],[0.7,0.8,0.9,0],....] データは4列の配列で構成され、各配列の最後の列はラベルです。私の所望の出力はのパフォーマンスで

    0

    1答えて

    私のデータセットは以下のとおりです。意味がありません。 。ホットエンコードされたターゲット配列[0,1]、[1,0]を使用していくつかの結果を得ました(テストセットで〜83%の精度に達する)。これは私がターゲット配列をバイナリ形式[0]または1に変更し、categorical_crossentropyをバイナリクロスエントロピーに変更したことがどれほど愚かであるかを認識しています。 このアプローチ

    0

    1答えて

    キャレットパッケージを使用してニューラルネットワークモデルに適合したいと思います。208の予測子がすべて重要であり、破棄することはできません。 サイズパラメータに与えることができる最大値は4を超えていますが、重みが多すぎるというエラーが表示されます。 > ctrl<-trainControl(method = 'cv',number = 5) > my.grid <- expand.grid(.

    0

    1答えて

    私は非常に不均衡なデータセットを持っており、model.fit_generatorでclass_weight = 'auto'を使用したいと思います。しかし、私がそれを行うと、私のモデルは学習しません:training_acc = 0.65、val_acc = 0.64(エポック1から50まで) class_weight = 'None'に設定すると、training_acc = 0.92となり、

    0

    1答えて

    scaler = MinMaxScaler() scaler.fit(data_train) data_train = scaler.transform(data_train) data_test = scaler.transform(data_test) こんにちは、 私はニューラルネットワークを作成しましたが、出力を元の値に戻して再スケーリングしようとしています。どうすればいい?

    1

    1答えて

    ためPyTorchにバイアスを使用して、基本的な機能を近似することは非常に容易である: library(nnet) x <- sort(10*runif(50)) y <- sin(x) nn <- nnet(x, y, size=4, maxit=10000, linout=TRUE, abstol=1.0e-8, reltol = 1.0e-9, Wts = seq(0, 1, by=1