deep-learning相关内容
我正在尝试使用带有KERAS的TF2.4和tf.nn.sampled_softmax_loses来训练单词嵌入分类器。但是，当调用模型的FIT方法时，"；无法将符号Kera输入/输出转换为数字数组&Quot；TypeError。请帮助我修复错误或使用其他方法进行候选人抽样。 import tensorflow as tf import numpy as np TextVecto
..
您好，我正在处理关键点分析任务，该任务由IBM共享，这里是link。在给定的数据集中有多行文本，任何人都可以告诉我如何将文本列转换为张量，并在同一个dataFrame中再次赋值它们，因为那里还有其他列的数据。 问题 这里我面临着一个问题，我以前从未见过这种数据，比如有多个文本列，我如何将所有这些列转换为张量，然后应用一个模型。大多数情况下，数据是这样的：一个文本列 其他栏为标签，例如：电影评论
..
我希望对单个示例或一批示例进行并行化(在我的情况下，我只有CPU，最多可以有112个)。我试过了，但我得到了一个错误，即损失不能从单独的进程中获得梯度(这完全破坏了我的尝试)。我仍然想这样做，重要的是，在多进程处理之后，我可以执行优化器步骤。我怎么才能绕过它呢？我做了一个完全自成体系的例子： import torch import torch.nn as nn from torch.opt
..
我正在尝试使用最近发布的 tensorflow_dataset API 在开放图像数据集上训练 Keras 模型.数据集大小约为 570 GB.我用以下代码下载了数据: 将 tensorflow_datasets 导入为 tfds将张量流导入为 tfopen_images_dataset = tfds.image.OpenImagesV4()open_images_dataset.downloa
..
我从 Caffe 开始，mnist 示例运行良好. 我将火车和标签数据作为 data.mat.(我有 300 个训练数据，其中 30 个特征和标签是保存在 data.mat 中的 (-1, +1)). 但是，我不太明白如何使用 caffe 来实现自己的数据集? 有没有分步教程可以教我? 非常感谢！！！！任何建议将不胜感激！ 解决方案 我认为将数据从 Matlab 传输到
..
我正在尝试在 Keras 中使用多元 LSTM 进行多步时间序列预测.具体来说，我最初为每个时间步长有两个变量(var1 和 var2).跟着在线教程here，我决定使用时间数据(t-2) 和 (t-1) 来预测 var2 在时间步 t 的值.如示例数据表所示，我使用前 4 列作为输入，Y 作为输出.我开发的代码可以看here，但是我有三个问题. var1(t-2) var2(t-2) var
..
我想使用 Anaconda (python 3.6) 设置深度学习环境.我的系统有 nvidia get force 1060 并安装了 windows.现在我想在 VB 中安装 Ubuntu 操作系统.我可以在基于 VB 的 Ubuntu 操作系统中安装 Cuda 和 CuDNN 库吗?有哪位能帮帮我? 解决方案 你不能在virtual box上使用你的GPU.因为虚拟盒子不能通过宿主G
..
我一直在学习人工智能以及如何使用 Python 进行编码.我正在做一个项目，我决定更新一些 Python 包，这些包并不是新的工作，然后发生了一些事情，我无法编译我的代码.我删除了 Anaconda3 并重新设置但没有用.我一直看到我写的这个问题作为一个主题.如果有人帮助我，我会很高兴得到一些帮助. >>>将张量流导入为 tf文件“C:\Users\AliGalip\Anaconda3Yeni\
..
如何定义我自己的损失函数，它需要 Keras 中先前层的权重和偏差参数? 如何从每一层获得 [W1, b1, W2, b2, Wout, bout]?在这里，我们需要传递比平常更多的变量 (y_true, y_pred).我附上了两张图片供您参考. 我需要实现这个损失函数.在此处输入图片描述 在此处输入图片描述 解决方案 为了回答你的第二部分，我使用以下代码来获取模型中每
..
比如说，我想训练一个 CNN 来检测图像是否是汽车. 选择“非汽车"数据集有哪些最佳做法或方法? 因为这个数据集可能是无限的(基本上任何不是汽车的东西) - 是否有关于数据集需要多大的指南?它们是否应该包含与汽车非常相似但又不是汽车的物体(飞机、船等)? 解决方案 与所有监督机器学习一样，训练集应该反映模型将要使用的真实分布.神经网络基本上是一个函数逼近器.您的实际目标是近似真
..
据我所知，CNN 依赖于滑动窗口技术，只能指示给定边界框中的任何位置是否存在某种模式.这是真的吗? 如果没有任何此类技术的帮助，是否可以使用 CNN 实现本地化? 解决方案 这是图像识别中的一个悬而未决的问题.除了滑动窗口，现有的方法包括预测图像中的对象位置作为 CNN 输出、预测边界(将像素分类为是否属于图像边界)等.参见例如 这篇论文 和其中的参考资料. 还请注意，使用最大
..
例如，在我创建了操作后，通过操作输入批处理数据并运行操作，tf.train.batch 是否会自动输入另一批处理数据到会话? 我问这个是因为 tf.train.batch 有一个 allow_smaller_final_batch 属性，这使得最终批次可以以小于指定批次大小的大小加载.这是否意味着即使没有循环，下一批也可以自动喂食?从教程代码中我很困惑.当我加载单个批次时，我实际上得到一个批
..
我指的是 Google 的 Tensor-Flow 对象检测 API.我已经成功地训练和测试了这些对象.我的问题是在测试后我得到输出图像，在对象周围绘制了框，我如何获得这些框的 csv 坐标?测试代码可以在 (https://github.com/tensorflow/models/blob/master/research/object_detection/object_detection_tut
..
我需要使用YOLO物体检测得到上图中生成的边界框坐标. 解决方案 一个快速的解决方案是修改 image.c 文件打印出边界框信息: ...如果(机器人 > im.h-1)机器人 = im.h-1；//打印边界框值printf("边界框:左=%d, 上=%d, 右=%d, 下=%d\n", left, top, right, bot);draw_box_width(im, left, to
..
我正在关注 this 学习 TensorFlow Slim 的教程，但是在为 Inception 运行以下代码时: 将 numpy 导入为 np导入操作系统将张量流导入为 tf导入 urllib2从数据集导入 imagenet从网络导入开始从预处理导入 inception_preprocessing苗条 = tf.contrib.slim批量大小 = 3image_size = inceptio
..
我正在尝试使用 caffe 来实现 Schroff、Kalenchenko 和 Philbin "FaceNet: A Unified Embedding for人脸识别与聚类"，2015. 我是新手，如何计算反向传播中的梯度? 解决方案 我假设你将损失层定义为 层{名称:“三元组损失"类型:“TripletLoss"底部:“锚"底部:“积极"底部:“负面"...} 现在您需要计
..
导入torch将 torch.nn 导入为 nndevice = torch.device('cuda' if torch.cuda.is_available() else'中央处理器')类模型(nn.Module):def __init__(self):超级(模型，自我).__init__()self.layer = nn.Sequential(nn.Conv2d(1, 16, kernel_s
..
我浏览了官方文档.我很难理解这个函数的用途以及它是如何工作的.有人可以用外行的方式解释吗? 尽管我使用的 Pytorch 版本与文档匹配，但他们提供的示例出现错误.也许修复我所做的错误应该教会我一些东西?文档中给出的片段是: fold = nn.Fold(output_size=(4, 5), kernel_size=(2, 2))输入 = torch.randn(1, 3 * 2 *
..
我正在尝试在 PyTorch 中实现一个神经网络，但它似乎不起作用.问题似乎出在训练循环中.我已经花了几个小时来解决这个问题，但无法正确解决.请帮忙，谢谢. 我没有添加数据预处理部分. # 导入库将熊猫导入为 pd将 numpy 导入为 np进口火炬将 torch.nn 导入为 nn从 torch.utils.data 导入数据集从 torch.utils.data 导入 DataLoad
..
有没有办法在 PyTorch 中区分梯度? 例如，我可以在 TensorFlow 中执行此操作: from pylab import *将张量流导入为 tftf.reset_default_graph()sess = tf.InteractiveSession()def gradient_descent( loss_fnc, w, max_its, lr):'''梯度下降“RNN"'''对
..
