问题标签 [flux.jl]

我在 Julia 中有一些用符号表示的分类数据，用于解决我想解决的几个不同问题，我认为这些数据非常适合 One-Hot 编码所需的形式。如何在 Flux.jl 中设置和表示这些数据？

当我阅读 Flux 文档时，我看到为我们定义了许多不同的损失函数，我们可以使用它们。我知道损失告诉我们距离目标值还有多远。但是我在训练循环中实际在哪里使用损失函数呢？

我已经看到自适应平均池在 Tensor Flow和PyTorch中都可用。

我想知道如何在Flux.jl中实现这一点？

我有一个我定义的简单模型，但我希望它使用批量标准化，所以我不必手动计算和提供标准化。该模型目前看起来像：

如何编辑此模型以添加 BN 层或一起定义新层？

我之前在 Flux.jl 中训练了一个模型并通过以下方式保存它：

现在我想重新加载该模型并再次使用它。如何在 Flux 中实现这一点？

我有一个特定的计算机视觉问题，我想尝试使用一些预先训练的模型来解决。Flux.jl 文档实际上并没有像其他一些 ML 框架（以 PyTorch 为例）那样的任何预训练模型。我将如何访问 Flux 中的那些相关模型？

我想在 FastAI.jl 中定义我自己的模型，而不是使用预训练的模型之一（其中看起来每个源代码只有一两个可用）。我正在阅读文档，它似乎在需要模型的任何地方都引用了预训练的重新发送模型，我没有看到有关定义我自己的模型的部分。是否可以在 FastAI.jl 中执行此操作，如果可以，如何操作？

我目前的笔记本电脑上没有 Nvidia GPU，但我仍然希望能够加快训练速度。根据 Flux docs，它说 Nvidia GPU 是开箱即用的，但根本没有提到 AMD GPU。是否可以在 AMD GPU 上使用 Flux？

我目前正在使用带有 M1 Mac 芯片的笔记本电脑。Flux.jl 文档仅提及对 Nvidia GPU 的支持。是否可以使用我的本地 GPU 训练我的模型，还是不支持 M1 Mac？注意：Julia 1.7 beta 3目前正在提供 M1 Mac 支持，所以这似乎是可行的，但我不是 GPU 专家。

When I run this

drb = DenseResidualBlock(64)

I get this error ERROR: MethodError: no method matching *(::Chain{Tuple{Conv{2,4,typeof(identity),Array{Float32,4},Array{Float32,1}},var"#13#15"}}, ::Int64)