tflearn

-1熱

1答えて

私は深いニューラルネットワーク構築にtflearn.DNNを使用します。 # Build neural network net = tflearn.input_data(shape=[None, 5], name='input') net = tflearn.fully_connected(net, 64, activation='sigmoid') tflearn.batch_normal

0熱

1答えて

PythonのTFLearn形状が完全に定義されていますが、その代わりだったしなければならない（1、1、？、32）

こんにちは、私は私の自己に挑戦したかったので、CNNの予測株式をしようとしていていますし、私はそれがConvd2Dが完全に定義されていませんが、私はそのエラーを修正するためにそこに置くために他に何かわからないことを考えて、このエラーを越えカム。誰かが私をここに助けることができる私のコードは、私が手にエラーが File "C:\Users\User\Desktop\Python Projects\I

1熱

1答えて

現実と予測の間の遅延ギャップ

機械学習を使用する（ライブラリとして私はTensorflowとTflearnを試しました（これはTensorflowのラップです））私は次の週（あなたがそれ以上の裏話をしたいなら私の以前の質問を見てください）。私の訓練セットは、400Kのタグ付けされたエントリで構成されています（日付は毎分の輻輳値です）。私の問題は、今や予測と現実の時間差があることです。現実と予測でチャートを描く必要があった場

0熱

2答えて

tf.one_hot（）はインデックスパラメータとしてSparseTensorをサポートしていますか？

tf.one_hot()関数が "インデックス"パラメータとしてSparseTensorをサポートしているかどうか質問したいと思います。私は、複数のラベルの分類（各ラベルには複数のラベルがあります）を行い、クロスエントロピーの損失を計算する必要があります。私が直接、「インデックス」パラメータでSparseTensorを配置しようが、それは次のエラー発生します TypeError例外を：テンソルへ

1熱

1答えて

Tflearn悪い魔法の数のエラー？

私はtflearnでこのエラーを取得しています： Traceback (most recent call last): File "aaa.py", line 1, in <module> import tflearn ImportError: bad magic number in 'tflearn': b'\x03\xf3\r\n' 私はアンインストールし、再インスト

0熱

1答えて

双方向LSTMの集約レイヤー

私はtflearnを使用して多対1の設定（感情分析タスク）で双方向LSTMを使用しています。確率的な出力を得るためにソフトマックスレイヤーに送る前に、順方向および逆方向のLSTMレイヤーからどのように集約表現を集めるのかを理解したいですか？たとえば、次の図では、通常、連結層と集約層はどのように実装されていますか？この上で利用可能なドキュメントはありますか？ありがとうございました！

4熱

1答えて

TfLearn混乱マトリックストレーニング:: bad_alloc

は畳み込みニューラルネットワークの作成にTFLearnを使用する際に混同行列を取得する方法をワークアウトの問題を持ちます。次のように私がこれまで持っているコードは次のとおりです。 STD」のインスタンスを投げた後に呼び出さTERMINATE :: bad_alloc：私は、私は次のエラーメッセージが与えられています。このコードを実行しようと from __future__ import divis

0熱

1答えて

コードが機能しない：電車にalexnetモデルを試してみよう

私はゲーム入力で神経ネットワークを鍛えようとしています.GTA 5のバイクはモデルによって駆動されています。画面フレームを入力として受け取り、トレーニング中に入力したキーを記録します。このエラーメッセージが常に表示されていて、修正方法を見つけることができません。 >Traceback (most recent call last): File "training_model.py",

1熱

1答えて

softmax出力レイヤーを持たないニューラルネットワークを使用したTflearnランキングドキュメント

テキスト分類を行うバニラフィードフォワードニューラルネットワーク（2つの隠れレイヤーとソフトマックス出力レイヤー）があります。これはtflearnで実装されています。 softmaxの機能は、出力インスタンスを密度確率分布に変換して、入力インスタンスのうち最も確からしいクラスがどれであるかを判断することです。分類の代わりに、ドキュメントをランク付けしたい（各クラスは確率ではなく「スコア」を持つ）