theano

    1热度

    1回答

    我正在将项目从Keras 1.x迁移到2.x. 在代码中,在1.x中正常运行的keras.backend.conv2d操作现在在2.x中崩溃。 convs = K.conv2d(a, b, padding='valid', data_format='channels_first') 输入张量形状a和b均为(1024, 4, 1, 1)和输出张量形状1.x中是(1024, 1024, 1, 1)

    3热度

    1回答

    我必须以管理员身份运行Visual Studios 2008,以编译我正在处理的旧代码。但是,发现一个问题,即在没有管理员权限的情况下运行应用程序时偶尔会导致发生错误。 我想知道在管理员下运行Visual Studio时是否有一种使用用户权限调试程序的方法?这将允许我追踪并修复错误。 谢谢。

    0热度

    1回答

    小时,我试图找出这个问题没有任何结果。我下载并按照本指南安装laravel的StarterPack。一切看起来都很顺利。当我去看应用程序:http://localhost/laravel/public正确地出来主页,但另一个链接 - 路线不起作用。任何建议找出这个问题?

    0热度

    1回答

    我有我想在TensorFlow重现以下简单Theano代码: import theano as th import theano.tensor as T import numpy as np x = T.vector() c = th.shared(np.array([1.0, 2.0])) y1 = x + c c.set_value(np.array([10.0, 20.0]))

    0热度

    1回答

    我在添加对binary_crossentropy的惩罚时遇到了问题。当预定义的错误组的平均值违反某个阈值时,这个想法是惩罚损失函数。 以下是帮助函数,它用掩码表示组和已计算的crossentropy。它会简单地返回违反某个阈值的次数来惩罚调用它的实际损失函数。 def penalty(groups_mask, binary_crossentropy): errors = binary_c

    0热度

    1回答

    重新安装anaconda后,我使用此命令行得到此信息。这是为什么? pip install --upgrade --no-deps git+git://github.com/Theano/Theano.git (C:\Users\AM\Anaconda3) C:\Users\AM\Documents>pip install --upgrade --no- deps git+git://git

    0热度

    1回答

    我试图制作我的第一个GXT分页网格。所以不要严格:-)我根据官方网站上的例子渲染我的网格。但工具栏中的按钮不起作用。当我尝试点击Next btn或Refresh或其他什么都不会发生。它甚至不显示ALT信息或突出显示按钮。我试图用click()命令在控制台中单击此按钮,但它没有任何反应。我想我需要包括一些js到html页面。现在我有这样的CSS: <link rel="stylesheet" typ

    1热度

    1回答

    我有一个前馈DNN模型,有几个图层来执行二进制分类。输出层是1 sigmoid单位和损失函数binary_crossentropy。作为预测,我期望一个带有零/一个的矢量。为此,我围绕预测并对他们进行打击。然后我使用sklearn分数函数来计算(f1score,rocauc,precision,recall,mcc)。问题是我得到的预测向量与我假装的单热编码不匹配。尽管如果我使用一个mse损失函数

    0热度

    1回答

    我正在使用MNIST数据集构建用于手写数字识别的ConvNet。我的代码是使用Theano后端在Keras中编写的。 我想训练我的ConvNet,因此它可以识别类的一个子集(例如,仅数字'1'和'2')并输出任何其他类作为通用'未知'类。我知道这可以在Theano上完成,因为它在"Distributed Neural Networks for Internet of Things: The Big

    1热度

    1回答

    我有一个使用tensorflow函数的函数。我需要Theano的这个功能,因为在平台上我想使用这个代码只有Theano安装而不是tensorflow。我主要和Keras一起工作,所以tensorflow对我来说很神秘。 功能如下: class WeightedBinaryCrossEntropy(object): def __init__(self, pos_ratio):