Questions marquées «deep-learning»

Le Deep Learning est un domaine d'apprentissage automatique dont le but est d'apprendre des fonctions complexes à l'aide d'architectures de réseau neuronal spéciales qui sont «profondes» (composées de plusieurs couches). Cette balise doit être utilisée pour les questions sur la mise en œuvre d'architectures d'apprentissage en profondeur. Les questions générales d'apprentissage automatique doivent être étiquetées «apprentissage automatique». Inclure une balise pour la bibliothèque logicielle appropriée (par exemple, "keras", "tensorflow", "pytorch", "fast.ai" et etc.) est utile.

1
Enregistrer le modèle toutes les 10 époques tensorflow.keras v2
J'utilise des keras définis comme sous-module dans tensorflow v2. J'entraîne mon modèle en utilisant la fit_generator()méthode. Je veux enregistrer mon modèle toutes les 10 époques. Comment puis-je atteindre cet objectif? En Keras (pas en tant que sous-module de tf), je peux donner ModelCheckpoint(model_savepath,period=10). Mais dans tf v2, ils ont changé …
2
À l'aide du module cerveau de Gekko, comment puis-je déterminer le nombre de couches et le type de couche à utiliser pour résoudre un problème d'apprentissage en profondeur?
J'apprends à utiliser le module cérébral de Gekko pour des applications d'apprentissage en profondeur. J'ai mis en place un réseau neuronal pour apprendre la fonction numpy.cos () et produire des résultats similaires. J'obtiens un bon ajustement lorsque les limites de ma formation sont: x = np.linspace(0,2*np.pi,100) Mais le modèle s'effondre …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.