问题标签 [feed-forward]

这是我使用 Keras 和 TensorFlow 作为后端运行的确切代码。对于相同程序的每次运行，训练结果都是不同的。有时它在第 400 次迭代中获得 100% 的准确度，有时在第 200 次迭代中获得 100% 的准确度。

那么为什么每次执行的结果都会随着训练数据的固定而变化呢？将不胜感激一些解释。

看着这段代码

我想了解为什么我们要通过outputs(i+1)而不是outputs(i)在上面的代码片段中。据我了解，这仅适用于具有导数的 sigmoid 激活层f'(x) = f(x) * (1-f(x)) = outputs(i) * (1-outputs(i))

这意味着为了找到 prevDelta 我们应该使用outputs(i).

假设我有一个不同大小的输入列表，例如，有些是 [10,9,5] 的形状，有些是 [7,6,5]，我必须填充 0 以将它们以相同的形式输入张量流大小，比如 [10,9,5]，我需要在前向过程中进行矩阵乘法并添加偏差，这将在填充的 0 位置引入数字。所以我必须自己创建一个掩码矩阵来掩码它们？或者有没有从张量流更简单的方法？谢谢！

顺便说一句，我没有提供序列，也没有使用 rnn。所以我不能使用动态 rnn

我的神经网络解决了一个非线性问题，但是测试损失很高。当我使用没有隐藏层的神经网络时，测试损失低于隐藏层但也很高。有人知道为什么吗？以及如何改善损失？

n4sid我对子空间识别函数中的馈通选项有疑问。根据 MathWorks 帮助，'Feedthrough'应指定为长度为Nu的逻辑向量，其中Nu是输入的数量。例如，对于具有 2 个输入和一个输出的系统，我们可以使用n4sid：

然而，在 MIMO 系统上工作时，D矩阵是Ny by Nu，其中Nu和Ny分别是输入和输出的数量。对于指定'Feedthrough'选项，我希望指定一个Ny*Nu矩阵，而不是1*Nu向量。

当我使用矩阵而不是向量时，我收到一个错误，即必须将馈通设置为向量。事实上，从输入Ui到输出Yj的馈通很可能为零，而从Ui到另一个输出（例如，Yk）的馈通不为零。换言之，D矩阵的条目可以是零或非零，与D矩阵的其他条目无关。如果我们为馈通指定一个向量，我们就隐含地说从一个输入到所有输出的所有馈通都为零或全部非零。有人对此有任何想法吗？

我正在尝试编写一个可以识别手写数字的神经网络。我正在使用 MNIST 数据集和张量流库。目前，我只是在尝试训练网络，但每当我运行它时它都会抛出一个巨大的错误。我是初学者，所以如果代码看起来不好，我很抱歉。

每次我运行这段代码时，它都会给我这个错误：

我目前正在尝试决定我应该选择哪种类型的神经网络来完成以下任务：

首先想象以下问题设置：

我们正在研究具有规定运动模式（横向以及周期性旋转/摆动运动）的 2D 翼型。这意味着由翼片产生的升力和阻力将表现出某种与翼片的拍打运动相关的谐波行为。

对于与所选几何参数中的训练数据不同的翼型几何形状，神经网络应该能够在一个扑动运动周期内估计翼型升力（或阻力）的行为。目前我可以设想两种方法来解决这个问题（必须使用某种神经网络方法）

1) 使用标准前馈神经网络，其输出参数是扑动周期离散点的升力/阻力。根据升力/阻力曲线的复杂性，将需要许多输出参数。输入参数是几何参数，例如弦长/弯度/...

2) 使用循环神经网络来捕捉时间进程。我不确定这是否需要或有意义，但大多数与时间序列相关的问题都可以通过 RNN 解决。

对于有关该问题的任何建议，我将不胜感激！

此致，

鲍勃

我正在尝试对包含多维特征作为输入的分类器进行建模。任何人都知道包含多维特征的数据集吗？例如：在 mnist 数据中，我们将像素位置作为特征和特征值是从 (0 - 255) 变化的一维灰度值，但是如果我们考虑彩色图像，那么在这种情况下，单个灰度值是还不够，在这种情况下，我们也将像素位置作为特征，但特征值将是 3 维（R(0-255) 作为一维，G(0-255) 作为第二维，B(0-255)作为第三维）那么在这种情况下，如何使用前馈神经网络解决？小建议也被接受。

我有两个特征 X1 和 X2 并想预测 Y。

训练数据

如何使用 tf.layers.dense 和 tf.data.Dataset 做到这一点？请不要使用 feed_dict，因为它不再推荐。

我搜索了同时使用 tf.layers.dense 和 tf.data.Dataset 但没有任何可靠的代码示例。

训练模型后，我想预测以下测试数据的 Y。预测测试数据是否需要 dataset.make_initializable_iterator()？

测试数据

如果模型架构包括批量标准化、正则化和 dropout，但现在不是优先事项，它将是一个插件。

谢谢

有人可以查看这段代码，看看我做错了什么吗？我正在尝试使用 Kaggle 的手语 MNIST，但默认使用 MNIST。图像为 100x100，在“SLMNIST/Dataset/(label)/imagexxxx.JPG”目录中，一切正常，但无论出于何种原因，我都无法使其适应 mnist 默认值（在调整图像大小差异后） .

https://gist.github.com/JLeavell/06ff1c946f76d65d06003fb531592a49

编辑：错误：https ://gist.github.com/JLeavell/fb24c3912928e607acb561a58cc5fe0a