신경망에서 라자뉴와 함께 일하고 있습니다. 나는 첫 번째 레이어에 같은 무게가 입력 층의 많은 뉴런에 적용되는 것을 원하는 (그리고 분명히 나는 무게 업데이트는이 모든 신경 세포의 기여 고려하고 있다고합니다) 내 입력이 많은이이 때문에 대칭성 : 24 * n 개의 서로 다른 입력이 있지만 4 * n 개의 다른 가중치 만 필요합니다 (n은 여전히 결정
I theano에 로지스틱 회귀 분석을 할 수있는 다음과 같은 코드를 가지고 있지만 차원 불일치 오류가 점점 계속 : 오류 theano가 제공 inputs = [[0,0], [1,1], [0,1], [1,0]]
outputs = [0, 1, 0, 0]
x = T.dmatrix("x")
y = T.dvector("y")
b = theano.share
나는 훈련 한 CNN 모델 및 저장 매개 변수의 4D 텐서이 필요하지만, 내가 사진을 테스트하기 위해이 PARAMS를 사용할 때,이 같은 질문 사항 : enter image description here load_data의 코드는 다음과 같습니다를 def use_CNN(pag_name,nkerns=[20,40,60]):
data = load_data(pa
이 질문은 github issue으로도 존재합니다. 2 차원 컨볼 루션과 LSTM 레이어가 모두 포함 된 Keras 신경 네트워크를 구축하고 싶습니다. 네트워크는 MNIST를 분류해야합니다. MNIST의 학습 데이터는 0에서 9까지의 자필 자릿수 60000 회색 이미지입니다. 각 이미지는 28x28 픽셀입니다. 이미지를 4 개 부분 (왼쪽/오른쪽, 위/아래
theano에 scan 기능을 더 잘 이해하려고 노력하고 있습니다. 제 생각에이 코드는 document에 기반한 for 루프처럼 동작합니다. 선형 회귀를 수행 할 때 무게와 편향을 찾기 위해 아주 간단한 작업 예제를 만들었습니다. #### Libraries
# Third Party Libraries
import numpy as np
import the
단일 출력 뉴런에 대한 선형 활성화 기능 (Keras 기본값)과 다음 I 순차 모델했습니다 model = Sequential()
model.add(...
...
model.add(Dense(100, activation='relu'))
model.add(Dense(1))
가 I (100)에 의해 제한 될 최종 번호가 필요하므로 I 수정 코드의 마지
인접 행렬이 있다고 가정 해 보겠습니다. 은 가중치가없고 방향이없는 그래프를 나타냅니다. I은 B [난]J]가 노드 I 및 J 포함 닫힌 삼각형의 개수 B를 계산하고 싶다. 단지 선형 대수를 사용하여 에서 B을 계산하는 방법이 있나요? 나는 이것을 theano에서 구현하고 싶다.
Keras 또는 Theano에서 기하 급수적 인 학습률로 길쌈 신경 네트워크 (CNN)를 구현하고 싶습니다. 내가 Keras이 설정에 대한 SGD 최적화 할 수 있습니다 알고 eta = et0*exp(LossFunction)
where et0 is the initial learning rate and LossFunction is a cost functio
현재 VGG16 + Keras + Theano는 트랜스퍼 학습 방법론이 식물 클래스를 인식한다고 생각했습니다. 그것은 잘 작동하고 내게 좋은 정확성을 제공합니다. 그러나 내가 풀려고하는 다음 문제는 입력 이미지가 식물을 전혀 포함하지 않는지 확인하는 방법을 찾는 것이다. 나는 정말 효율적이지 않기 때문에 그것을 할 다른 분류자를 하나 갖고 싶지 않습니다.