问题标签 [nolearn]
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.
theano - 卷积神经网络 - 可视化权重
主要问题
我无法理解特定层的权重图。我使用了 no-learn 的方法：plot_conv_weights(layer, figsize=(6, 6))
我使用千层面作为我的神经网络库。
情节很好，但我不知道我应该如何解释它。
神经网络结构
我使用的结构：
以下是前 3 层的权重：
** 关于图片 **
所以对我来说，它们看起来很随意，我无法解释它们！
但是，在 Cs231 上，它表示以下内容：
转换/FC 过滤器。第二个常见的策略是可视化权重。这些通常在直接查看原始像素数据的第一个 CONV 层上最容易解释，但也可以在网络中更深地显示过滤器权重。权重对于可视化很有用，因为训练有素的网络通常会显示漂亮且平滑的过滤器，而没有任何噪声模式。嘈杂的模式可能是网络训练时间不够长的一个指标，或者可能是一个非常低的正则化强度，可能导致过度拟合 http://cs231n.github.io/understanding-cnn/
那为什么我的是随机的？
该结构经过训练并在其任务中表现良好。
参考
neural-network - 如何计算卷积神经网络的参数个数？
我正在使用 Lasagne 为 MNIST 数据集创建一个 CNN。我正在密切关注这个例子：Convolutional Neural Networks and Feature Extraction with Python。
我目前拥有的不包含任何 dropout 层的 CNN 架构是：
这将输出以下层信息：
并输出可学习参数的数量为217,706
我想知道这个数字是如何计算的？我已经阅读了许多资源，包括这个 StackOverflow 的问题，但没有一个清楚地概括了计算。
如果可能，是否可以推广每层可学习参数的计算？
例如卷积层：过滤器数量 x 过滤器宽度 x 过滤器高度。
python - 'DataFrame' 对象没有属性 'data' 但我已将其添加到我的数据集中
我正在关注本教程关于使用深度信念网络https://www.pyimagesearch.com/2014/09/22/getting-started-deep-learning-python/然后我决定附加我的外部数据集并收到以下错误：
这是我使用的代码：
我的数据集的结构如下：
如您所见，我的数据集具有“数据”属性，其中包含要用于训练的数据
先感谢您！