《神策数据》专题
-
运行训练的卷积神经网络
这是我的问题。我训练了一个卷积神经网络，用tensorflow将图像分为两类。我现在想知道如何使用神经网络的权重，并在未标记的随机图像上进行测试。tensorflow中是否有这样的函数，或者我现在应该自己运行卷积吗？
-
神经网络反向传播和偏见
我很难构建好的神经网络教学算法，因为有一些人工操作。第一件事：我的目标是教nn-xor函数，我使用sigmoid作为激活函数和简单的梯度下降。前馈很容易，但backprop在某种程度上令人困惑——大多数算法描述中常见的步骤有：1。计算输出层上的错误。2、将此错误传播到有关权重3的隐藏层。更新突触上的权重 所以我的问题：1。偏差也应该更新吗？如果是，如何更新？目前我随机选择偏差[0.5；1]？2.在
-
灰度图像的卷积神经网络
我正在尝试运行一个CNN（卷积神经网络），具有1通道/灰度图像，大小为28x28像素。当我尝试训练模型时，它说： ValueError：图层sequential_5输入0与图层不兼容:: 预期min_ndim=4，发现ndim=3。完整形状收到：[无，28,28]
-
卷积神经网络Conv1d输入形状
我正在尝试创建一个CNN来对数据进行分类。我的数据是X[N\u数据，N\u特征]我想创建一个能够对其进行分类的神经网络。我的问题是关于keras后端Conv1D的输入形状。 我想在上面重复一个过滤器。。假设有10个特征，然后为接下来的10个特征保持相同的权重。对于每个数据，我的卷积层将创建N\U特征/10个新神经元。我该怎么做？我应该在input\u形状中放置什么？ 有什么建议吗？非常感谢。
-
CNN输入层有多少个神经元？
在所有文献中，他们都说convnet的输入层是形状张量（宽度、高度、通道）。我知道一个完全连接的网络有一个输入层，其神经元数量与图像中的像素数量相同（考虑到灰度图像）。所以，我的问题是，卷积神经网络的输入层中有多少个神经元？下面的图片似乎有误导性（或者我理解错了），它说输入层有3个神经元。如果是，这3个神经元代表什么？它们是张量吗？根据我对CNN的理解，难道不应该只有一个大小的神经元（高度、宽度、
-
卷积神经网络-权值可视化主要问题 我无法理解特定图层的权重图。我使用了一种“无学习”的方法： 我用千层面作为我的神经网络库。 情节很好，但我不知道该怎么解释。 神经网络结构 im使用的结构： 以下是前3层的权重： **关于图片** 所以对我来说，它们看起来是随机的，我无法解释它们！ 然而，在Cs231上，它说： Conv/FC过滤器。第二种常见策略是将权重可视化。这些通常在第一个CONV层上最容易解释，该层直接查看原始像
-
卷积神经网络，卷积矩阵（核）
下午好在第一阶段，在卷积神经网络（输入层）的输入上，我们接收一个源图像（因此是手写英文字母的图像）。首先，我们使用一个从左到右的nxn窗口来扫描图像并在内核（卷积矩阵）上乘法来构建特征映射？但没有人写过内核应该具有什么样的精确值（换句话说，我应该将从n*n窗口检索到的数据相乘到什么样的内核值）。是否适合在这个用于边缘检测的卷积核上乘以数据？有许多卷积核（浮雕、高斯滤波器、边缘检测、角度检测等）？但
-
Python中的sorted（）有神奇的方法吗？
我知道python中有一些神奇的方法可以被类覆盖，以控制某些内置函数处理这些类成员的方式。例如，
-
如何修复找不到插件神器？
我收到这个错误：[错误]插件组织。阿帕奇。专家插件：maven surefire插件：2.12.4或其依赖项之一无法解析：找不到工件组织。阿帕奇。专家nexus xyz插件中的插件：maven surefire插件：jar:2.12.4 我试图运行maven与依赖：树，但我看不到surefire，我不知道为什么它正在寻找这个特定的版本2.12.4，这是没有指定在我的pom！ 即使surefire插
-
卷积神经网络的分层训练
是否有方法按层（而不是端到端）训练卷积神经网络，以了解每一层对最终架构性能的贡献？
-
Angular 6神秘堆栈跟踪：globalZoneAware回调
最近，使用Angular6，我开始在浏览器控制台中观察到异常糟糕的stacktrace描述： 错误错误:"[Object Object]" < br > resolve promise < br > http://localhost:8080/poly fills . js:3136:31 resolve promise < br > http://localhost:8080/poly fill
-
Quarkus兵变和无神论与反应性
TL；DR：哪种模式更常见？使用Mutiny Imperative resteasy，还是只使用resteasy？ 我的理解是，哗变允许我传递给Quarkus一个更长的运行动作，并让它处理代码如何在上下文中运行的细节。使用被动技能比兵变命令有同等或更多的好处吗？如果从功能的角度看，从线程处理的角度看，它是相等的或者更好，那么Reactive将是很好的，因为它需要更少的代码来维护(创建uni，等等)
-
在求神学中搜索查询 - 包含
我对Sumologic中的搜索查询有点迷茫。我需要获取包含
-
卷积神经网络(CNN)模型结构
首先我们来看看CNN的基本结构。一个常见的CNN例子如下图： 图中是一个图形识别的CNN模型。可以看出最左边的船的图像就是我们的输入层，计算机理解为输入若干个矩阵，这点和DNN基本相同。 接着是卷积层（Convolution Layer）,这个是CNN特有的，我们后面专门来讲。卷积层的激活函数使用的是ReLU。我们在DNN中介绍过ReLU的激活函数，它其实很简单，就是$$ReLU(x) = max
-
深度神经网络（DNN）的正则化
想到正则化，我们首先想到的就是L1正则化和L2正则化。L1正则化和L2正则化原理类似，这里重点讲述DNN的L2正则化。 而DNN的L2正则化通常的做法是只针对与线性系数矩阵W,而不针对偏倚系数b。利用我们之前的机器学习的知识，我们很容易可以写出DNN的L2正则化的损失函数。 假如我们的每个样本的损失函数是均方差损失函数,则所有的m个样本的损失函数为：$$J(W,b) = f