问题标签 [flux-machine-learning]
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.
julia - Julia 错误：UndefVarError：σ 未定义
我从朱莉娅运行这个：
我收到此错误：
我不明白这个错误。我是朱莉娅的新手。请帮帮我。我正在关注本教程：https ://fluxml.github.io/Flux.jl/stable/models/basics.html#Taking-Gradients-1
谢谢你。
machine-learning - Julia 中的尺寸不匹配
我收到此错误：
对于以下代码。我正在尝试在一些样本上训练模型data。我Flux在 Julia 中使用机器学习库。
我检查了我的尺寸，它们对我来说似乎是正确的。问题是什么？
machine-learning - 使用 Flux.jl 的逻辑回归
我有一个数据集，其中包含 2 个科目的学生分数以及该学生是否被大学录取的结果。我需要对数据执行逻辑回归并找到最佳参数 θ 以最小化损失并预测测试数据的结果。我不想在这里建立任何复杂的非线性网络。
数据看起来像这样
我有像这样为逻辑回归定义的损失函数，效果很好
我需要最小化这个损失函数并找到最佳 θ。我想用 Flux.jl 或任何其他使它更容易的库来做。阅读示例后，我尝试使用 Flux.jl，但无法将成本降至最低。
我的代码片段：
machine-learning - 使用 Flux.jl 更新函数的参数
我在玩flux.jl，我在更新自定义函数的参数时遇到了麻烦。
该函数定义如下objective：
我尝试按如下方式进行一次更新：
产生错误：
我也试过grads[p]用grads[p].data. 这不会产生错误，但不会更新参数！
环境细节：
- Julia 版本 1.0.2
- Flux v0.7.0
- Distributions v0.16.4
machine-learning - 如何在 Flux 中正确定义自定义 STE 渐变？
我正在尝试使用 Flux 编写自定义 STE 渐变。激活基本上只是 sign() 函数，它的梯度是传入的梯度，因为它的绝对值 <=1，否则取消。我目前拥有的实施似乎无法正常工作
所以对于一个随机的 5x1 矩阵，我得到：
我希望 a 的梯度类似于 a，除了最后一个元素为 0。
我究竟做错了什么？
julia - Julia：Flux.jl：“函数渐变不接受关键字参数”
我正在尝试使用Flux.jl v"0.6.10（我新安装的并且看起来像一个很棒的软件包）并从flux.jl文档Julia Version 1.1.0的“基本”部分复制以下代码
但是我收到了这个错误信息：
我究竟做错了什么？
neural-network - 使用 DiffEqFlux 预测 ODE 参数
我正在尝试构建一个神经网络，它将接受 ODE 系统的解决方案并预测系统的参数。我正在使用 Julia，尤其是DiffEqFlux包。网络的结构是几个简单的Dense层链接在一起，预测一些中间参数（在这种情况下，一些化学反应自由能），然后输入一些确定性（非训练）层，将这些参数转换为进入方程组（在这种情况下，反应速率常数）。我从这里尝试了两种不同的方法：
将 ODE 求解直接链接到网络的最后一层。在这种情况下，损失函数只是将输入与输出进行比较。
让 ODE 在损失函数中求解，因此网络输出只是参数。
但是，在这两种情况下，我都Flux.train!无法真正运行。
第一个选项的一个愚蠢的小例子，它给出了我得到的相同错误（我试图让尽可能多的东西与我的实际情况平行，即求解器等，尽管我确实省略了中间确定性层因为它们似乎没有区别）如下所示。
我已经尝试了所有三个求解器层 、diffeq_adjoint和diffeq_rd，diffeq_fd它们都不起作用，但所有这些都给出了我无法解析的不同错误。
对于另一个选项（我实际上更喜欢，但无论哪种方式都可以），只需将模型和损失函数定义替换为：
抛出与上面相同的错误。
我已经破解了一个多星期了，完全被难住了；有任何想法吗？
neural-network - 将具有 ReLU 的神经网络拟合到多项式函数
出于好奇，我试图将具有校正线性单元的神经网络拟合到多项式函数。例如，我想看看神经网络想出一个函数的近似值是多么容易（或困难）f(x) = x^2 + x。下面的代码应该可以做到，但似乎什么也没学到。当我跑
它返回
这里的任何人都看到我如何使网络适合f(x) = x^2 + x？
julia - 通量损失函数未按预期读取数据
这可能是我的一个非常简单的错误，但我似乎无法弄清楚。我正在尝试构建一个可以学习数字序列的 RNN。示例数据集（每行代表一个数据点）
我主要关注这个例子：https ://www.juliabloggers.com/a-basic-rnn/
我的数据和示例中的数据被读取为 Array{Array{Float64,1},1}。这是我的一些代码
输出：
损失函数正在读取序列中的每个数字作为损失函数的单独输入（我尝试过其他序列长度，错误是相同的，但它是“MethodError：没有方法匹配损失（（序列长度）*： :Float64)”。
在我正在处理的示例中，这不是问题。我可以从头开始构建训练程序，但宁愿将东西传递给 Flux。
neural-network - DiffEqFlux.sciml_train 如何在 Julia 中用于神经 ODE？
我有一个关于如何在 Julia 中训练神经 ODE 网络的一般性问题。是否从定义 Nural ODE 的 tspan 中采样数据点，并在其上计算参数更新？换句话说，在训练期间是否发生了一些洗牌和批处理，或者是否在 tspan 中的所有数据点上计算了损失？