问题标签 [cntk]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
cntk - 图片阅读器是否支持。作为当前目录？
我在这里阅读了图像阅读器支持的https://github.com/Microsoft/CNTK/wiki/Image-reader ...作为地图文件所在目录的符号。
我觉得使用 ... 而不仅仅是一个点作为当前目录的符号有点奇怪。我想我尝试使用 . 在我的第一次尝试中，它没有奏效，但我不是 100% 确定。
不像大家习惯的那样只使用单点的背景是什么？
cntk - CNTK：用于模型消费的 Python vs C# API
我们已经使用 CNTK 训练了一个模型。我们正在构建一个服务，该服务将加载此模型并响应对句子进行分类的请求。关于性能，最好的 API 是什么？我们更愿意在https://github.com/Microsoft/CNTK/tree/master/Examples/Evaluation/CSEvalClient中构建一个 C# 服务，但或者我们正在考虑构建一个将在 python 中加载模型的 Python 服务。
您对其中一种方法有什么建议吗？（关于哪个 API 更快、更积极地维护或您能想到的其他参数）。下一步是建立一个测量两个 API 调用性能的实验，但想知道这里是否有一些先验知识可以帮助我们做出决定。
谢谢
machine-learning - 如何从深度模型中获取输入图像的特征向量（softmax 之前的 N-1 层输出）？
如何从深度模型中获取输入图像的特征向量（softmax 之前的 N-1 层输出）？我正在使用微软的 CNTK 深度学习工具包。
cntk - 如何验证GPU的使用情况？
如何验证 CNTK 正在使用 GPU？我已经在我的机器上安装了 CNTK-2-0-beta7-0-Windows-64bit-GPU-1bit-SGD 二进制文件。但是，当我尝试从 Python 运行它时：
我得到：
今天补充一些信息：
这是运行 NVidia_smi.exe 的结果
在 Jupyter Notebook 中重新启动内核后，我得到：
但是今天我能够运行：
GPU应该是GPU机器上的默认值，还是需要显式设置？
python - CNTK python api - 继续分类器训练
这实际上不是这个问题...... CNTK python api - continue training a model它们是相关的，但是它们不一样。
我训练了一个模型 1500 个 epoch，平均损失 67% 左右。然后我想继续训练，我编码如下：
注意代码行： if(checkpoint_path): 大约一半。
我从以前的培训中加载了 .dnn 文件，该文件是通过此功能保存的...
这实际上会生成一个 .dnn 和一个 .dnn.ckp 文件。显然我只在load_model中加载了.dnn文件。
当我重新开始训练并加载模型时，它似乎正在加载网络架构，但可能不是权重？这样做的正确方法是什么？
谢谢！
cntk - RuntimeError: Node '__v2libuid__Plus502__v2libname__Plus225' (加号操作): DataFor: FrameRange的动态轴与矩阵不一致
在一台机器上工作的相同训练代码在另一台机器上得到以下错误。第一台机器是 SurfaceBook，另一台是我的 GTX 1080 台式机。知道这里出了什么问题吗？
错误是：
回溯（最后一次调用）：文件“MultitaskAtis.py”，第 162 行，在 trainer_intent.train_minibatch(mb) 文件“C:\local\Anaconda3-4.1.1-Windows-x86_64\envs\cntk-py34\lib\ site-packages\cntk\trainer.py”，第 90 行，在 train_minibatch 中更新 = super(Trainer, self).train_minibatch(arguments, device) 文件“C:\local\Anaconda3-4.1.1-Windows-x86_64\envs\ cntk-py34\lib\site-packages\cntk\cntk_py.py"，第 1768 行，在 train_minibatch return _cntk_py.Trainer_train_minibatch(self, *args) RuntimeError: Node '__v2libuid__Plus502__v2libname__Plus225' (加号操作): DataFor: FrameRange 的动态轴不一致使用矩阵：{numTimeSteps:1, numParallelSequences:14, 序列：[{seqId:0, s:0, begin:0, end:1}, {seqId:1, s:1, begin:0, end:1} , {seqId:2, s:2, begin:0, end:1}, {seqId:3, s:3,开始：0，结束：1}，{seqId：4，s：4，开始：0，结束：1}，{seqId：5，s：5，开始：0，结束：1}，{seqId：6， s:6, begin:0, end:1}, {seqId:7, s:7, begin:0, end:1}, {seqId:8, s:8, begin:0, end:1}, { seqId:9, s:9, begin:0, end:1}, {seqId:10, s:10, begin:0, end:1}, {seqId:11, s:11, begin:0, end: 1}, {seqId:12, s:12, begin:0, end:1}, {seqId:13, s:13, begin:0, end:1}]} 与 {numTimeSteps:23, numParallelSequences:11 , 序列：[{seqId:0, s:0, begin:0, end:16}, {seqId:1, s:1, begin:0, end:10}, {seqId:2, s:1, begin :10, end:21}, {seqId:3, s:2, begin:0, end:15}, {seqId:4, s:3, begin:0, end:23}, {seqId:5, s :4, begin:0, end:11}, {seqId:6, s:5, begin:0, end:14}, {seqId:7, s:6, begin:0, end:14}, {seqId :8, s:4, begin:11, end:22}, {seqId:9, s:7, begin:0, end:11}, {seqId:10, s:8, begin:0, end:14 }, {seqId:11, s:9, 开始:...开始：0，结束：1}，{seqId：6，s：6，开始：0，结束：1}，{seqId：7，s：7，开始：0，结束：1}，{seqId：8， s:8, begin:0, end:1}, {seqId:9, s:9, begin:0, end:1}, {seqId:10, s:10, begin:0, end:1}, { seqId:11, s:11, begin:0, end:1}, {seqId:12, s:12, begin:0, end:1}, {seqId:13, s:13, begin:0, end: 1}]} 与 {numTimeSteps:23, numParallelSequences:11, sequences:[{seqId:0, s:0, begin:0, end:16}, {seqId:1, s:1, begin:0, end :10}, {seqId:2, s:1, begin:10, end:21}, {seqId:3, s:2, begin:0, end:15}, {seqId:4, s:3, begin :0, end:23}, {seqId:5, s:4, begin:0, end:11}, {seqId:6, s:5, begin:0, end:14}, {seqId:7, s :6, begin:0, end:14}, {seqId:8, s:4, begin:11, end:22}, {seqId:9, s:7, begin:0, end:11}, {seqId :10, s:8, begin:0, end:14}, {seqId:11, s:9, begin:...开始：0，结束：1}，{seqId：6，s：6，开始：0，结束：1}，{seqId：7，s：7，开始：0，结束：1}，{seqId：8， s:8, begin:0, end:1}, {seqId:9, s:9, begin:0, end:1}, {seqId:10, s:10, begin:0, end:1}, { seqId:11, s:11, begin:0, end:1}, {seqId:12, s:12, begin:0, end:1}, {seqId:13, s:13, begin:0, end: 1}]} 与 {numTimeSteps:23, numParallelSequences:11, sequences:[{seqId:0, s:0, begin:0, end:16}, {seqId:1, s:1, begin:0, end :10}, {seqId:2, s:1, begin:10, end:21}, {seqId:3, s:2, begin:0, end:15}, {seqId:4, s:3, begin :0, end:23}, {seqId:5, s:4, begin:0, end:11}, {seqId:6, s:5, begin:0, end:14}, {seqId:7, s :6, begin:0, end:14}, {seqId:8, s:4, begin:11, end:22}, {seqId:9, s:7, begin:0, end:11}, {seqId :10, s:8, begin:0, end:14}, {seqId:11, s:9, begin:...开始：0，结束：1}，{seqId：10，s：10，开始：0，结束：1}，{seqId：11，s：11，开始：0，结束：1}，{seqId：12， s:12, begin:0, end:1}, {seqId:13, s:13, begin:0, end:1}]} vs. {numTimeSteps:23, numParallelSequences:11,sequence:[{seqId:0 , s:0, begin:0, end:16}, {seqId:1, s:1, begin:0, end:10}, {seqId:2, s:1, begin:10, end:21}, {seqId:3, s:2, begin:0, end:15}, {seqId:4, s:3, begin:0, end:23}, {seqId:5, s:4, begin:0, end :11}, {seqId:6, s:5, begin:0, end:14}, {seqId:7, s:6, begin:0, end:14}, {seqId:8, s:4, begin :11, end:22}, {seqId:9, s:7, begin:0, end:11}, {seqId:10, s:8, begin:0, end:14}, {seqId:11, s ：9，开始：...开始：0，结束：1}，{seqId：10，s：10，开始：0，结束：1}，{seqId：11，s：11，开始：0，结束：1}，{seqId：12， s:12, begin:0, end:1}, {seqId:13, s:13, begin:0, end:1}]} vs. {numTimeSteps:23, numParallelSequences:11,sequence:[{seqId:0 , s:0, begin:0, end:16}, {seqId:1, s:1, begin:0, end:10}, {seqId:2, s:1, begin:10, end:21}, {seqId:3, s:2, begin:0, end:15}, {seqId:4, s:3, begin:0, end:23}, {seqId:5, s:4, begin:0, end :11}, {seqId:6, s:5, begin:0, end:14}, {seqId:7, s:6, begin:0, end:14}, {seqId:8, s:4, begin :11, end:22}, {seqId:9, s:7, begin:0, end:11}, {seqId:10, s:8, begin:0, end:14}, {seqId:11, s ：9，开始：...s:1, begin:0, end:10}, {seqId:2, s:1, begin:10, end:21}, {seqId:3, s:2, begin:0, end:15}, { seqId:4, s:3, begin:0, end:23}, {seqId:5, s:4, begin:0, end:11}, {seqId:6, s:5, begin:0, end: 14}, {seqId:7, s:6, begin:0, end:14}, {seqId:8, s:4, begin:11, end:22}, {seqId:9, s:7, begin: 0, end:11}, {seqId:10, s:8, begin:0, end:14}, {seqId:11, s:9, begin:...s:1, begin:0, end:10}, {seqId:2, s:1, begin:10, end:21}, {seqId:3, s:2, begin:0, end:15}, { seqId:4, s:3, begin:0, end:23}, {seqId:5, s:4, begin:0, end:11}, {seqId:6, s:5, begin:0, end: 14}, {seqId:7, s:6, begin:0, end:14}, {seqId:8, s:4, begin:11, end:22}, {seqId:9, s:7, begin: 0, end:11}, {seqId:10, s:8, begin:0, end:14}, {seqId:11, s:9, begin:...
cntk - 为什么在并行训练的第一个时期，动量作为时间常数是不同的？
给定配置momentumPerMB=0.9，我观察到momentumAsTimeConstant第一个时期的价值。剩余的 epoch 具有预期的这个值。这似乎只发生在并行训练中（1bit 和 BM，尚未验证 MA）。
01/11/2017 00:08:08: Starting Epoch 1: learning rate per sample = 0.000500 effective momentum = 0.900000 momentum as time constant = 155504.2 samples
01/11/2017 00:18:04: Starting Epoch 2: learning rate per sample = 0.000500 effective momentum = 0.900000 momentum as time constant = 19438.0 samples
任何想法为什么会发生这种情况？
cntk - CNTK 抱怨未实现功能
我在 Brainscript 中有以下网络。
我的数据如下所示：
当我运行 cntk 命令尝试训练模型时，出现以下异常。
发生异常：内部文件：Matrix.cpp 行：1323 功能：Microsoft::MSR::CNTK::Matrix::SetValue -> 未实现功能。
我错过了什么？
cntk - 使用 CNTKTextFormat 阅读器时如何访问评论列？
我不知道如何访问我的数据文件中 CNTKTextFormat 中的注释列。例如，在本教程中，您有以下内容：
如何访问评论的数据？
azure - Azure 数据科学 VM 上的 CNTK
我有一个带有 Tesla K80 GPU 的 N 系列 Azure VM（数据科学 VM）。根据 NVIDIA 扫描仪，我的 GPU 驱动程序是最新的。当我运行我的 CNTK Brainscript 时，它显示“未找到 GPU”并在 CPU 模式下运行。我可以做些什么来排除故障？
编辑：这是 NVidia_smi.exe 的输出：