回答情况：
提问时间：
问题标签：
我需要定义一个基于LeNet架构的网络，而不是原始MNIST数据的10个输出层，我应该有2个输出层。 我真的不知道该怎么做。我尝试在创建网络时包含Flatten和Dense，但是我得到了下面的错误。编辑:在更多地摆弄它之后，我现在认为它与损失函数有关…… def get_network(): Should create the LeNet 10 network but with2 output units instead of 10 and return a classification
浏览 31修改于2021-02-05得票数 1
然后我应该运行10个迭代，看看会发生什么。但我不太清楚那是什么意思。我从来没有编程，这是我的第一语言，所以请容忍我，如果这实际上是真的很简单，我不理解。我确实试过..。for i in xrange(10): Node.update_activation nodes.append(Node())
for i in xrange(
浏览 1提问于2014-02-24得票数 1
回答已采纳
嗨，我一直在研究一个神经网络来处理MNIST数据集，但是当我运行代码时，精度开始提高，但最终导致了0.098的精度，在计算SoftMax值时，我也遇到了exp中的溢出错误。NeuralNetwork: self.w1, self.b1 = self.Generate_Weights_Biases(10,784)
self.w2, self.b2 = self.Generate_Weights_Biases(10,10)
浏览 1提问于2022-07-12得票数 -1
回答已采纳
当我运行10次迭代时，我得到相同的数字。-0.5表示激活，0.0用于输入，尽管在底部，我将起始激活设置为1.0、1.0和0.0，用于节点列表中的每个相应节点。## Running 10Iterations for thing in nodes:
thing.
浏览 0提问于2014-02-25得票数 0
回答已采纳
(或夜间)是否有可能达到0.001或0？
根据你的经验，你能告诉我吗？我想从过度拟合神经网络开始训练神经网络，然后调整参数，使之具有更好的泛化能力。
浏览 2修改于2017-08-12得票数 0
回答已采纳
我正在使用FANN，当我在我的训练文件中使用fann_train_on_file函数时，我得到了以下错误：
FANN Error 10: Error reading info from train data
浏览 3提问于2013-10-31得票数 0
回答已采纳
我开始学习神经网络，并决定在卷积神经网络上学习这个，但是我决定使用CIFAR-10数据集进行图像分类，但是我得到了非常低的精度和很高的交叉熵。:].reshape(32, 32) return temp
data=unpickle(b
浏览 1提问于2018-02-04得票数 0
回答已采纳
我读过中的chap1，在“一个简单的手写数字分类网络”(你可以用ctrl-f搜索)中，我发现了一个很好的问题：“为什么我们应该在输出层使用10个神经元，而不是4个神经元?”对于4个神经元，每个神经元的值为0或1，则表示2^4 = 16 > 10。那么，为什么我们不在输出层使用4个神经元呢？
浏览 3提问于2016-09-12得票数 1
几天来，我一直在尝试在CIFAR-10数据集上实现CNN，我的测试集精度似乎不超过10%，误差仅在69.07733左右。我已经调整了模型和几天，但徒劳无功。我还没能找出哪里出错了。/cifar-10-batches-py'train_labels = np.ndarray= data.reshape(data.shape[0],3,32,32).transpose(0,2,3,1).astype(
浏览 0修改于2017-10-26得票数 0
我有一个神经网络，最后一层有10个输出神经元，使用softmax激活。我还确切地知道，基于输入值，输出层中的某些神经元应该具有0值。所以我有一个特殊的输入层，有10个神经元，每个神经元要么是0，要么是1。 如果3号输入神经元也是0，有没有可能强制3号输出神经元的值= 0？action_input = Input(shape=(10,), name='action_input')
...x = De
浏览 17修改于2018-12-19得票数 1
回答已采纳
我正试着去理解(和想象)一个时代对于培养一个神经网络来说到底是什么。在这种情况下，我如何想象/理解一个时代？
浏览 5修改于2014-09-17得票数 5
回答已采纳
我对神经网络非常陌生，最近我建立了用于车牌号码分类的神经网络。它有3层:1输入层，16*24(382神经元)数字图像，150 dpi；1隐层(199神经元)，乙状结肠激活函数；1 softmax输出层(10神经元)，每个数字0到9。我想把我的神经网络扩展到车牌上的字母分类。但我担心，如果我只是简单地在输出中添加更多的类，例如在分类中添加10个字母，总共20个类，神经网络将很难将特征从每个类中分离出来。如果“Item”神经</e
浏览 17修改于2018-04-23得票数 0
回答已采纳
我的神经网络看起来像这样
显然，我们有10个输入值和2个输出值。
还有10个隐藏的神经元。所以我假设10个输入中的每一个都连接到10个隐藏神经元中的每一个？
浏览 15提问于2018-08-02得票数 0
回答已采纳
在第一章中，他给出了10个手写体数字分类的经典例子，并用它解释了选择输出神经元数量的直觉。一开始，在阅读这本书之前，我认为这是很直观的，你需要10个输出神经元，每个神经元代表一个给定的数字，但我开始质疑我为什么这么认为。你可能会想，为什么我们使用10个输出神经元。为什么我们的网络应该使用10个神经元呢？这不是很低效吗？最终的理由是经验性的:我们可以尝试这两种网络设计，结果是，对于这个特殊的问题，有10<
浏览 0修改于2019-08-25得票数 6
回答已采纳
4回答
目前，我正在学习神经网络，我试图创建一个应用程序，可以训练识别手写字符。对于这个问题，我使用了前馈神经网络，当我训练它识别1，2或3个不同的字符时，它似乎是有效的。我尝试了多层和更少/更多的神经元，但我似乎不能正确，现在我想知道一个前馈神经网络是否能够识别出这么多的信息。一些统计数字：输入神经元:使用 100 ( 10 * 10)网格绘制字符有人知道我的架构可能有什么缺陷吗？
浏览 10修改于2019-01-21得票数 11
回答已采纳
1回答
我正在开发一个，它可以创建“灵活的”神经网络。灵活的意思是，它们不是由层组成，而是由单个神经元或神经元群组成。
1, 2, 3, 4, 5, 6, 7, 8, 9, 10
1, 2, 4, 3, 5,
浏览 2提问于2017-03-21得票数 0
回答已采纳
最近，我设法创建了简单的神经网络可视化，以帮助理解神经网络如何在信号水平上工作。我还想按照相似的方式排列神经元，因为我期望它们有明显的责任区域。看看它是什么样子：为了查看发行版，我创建了两个度量标准：问题是，我没有看到任何趋势(或倾向)的<
浏览 0修改于2023-03-02得票数 2
回答已采纳
我从各种渠道了解到有4种类型的“节点”：输入神经元、隐藏神经元、输出神经元和所谓的偏置神经元。我看不出哪个过程可能会产生偏置神经元，这在第16页的this paper中有描述。我知道在变异时可能会产生新的神经元，但它需要两个神经元之间的现有连接，这两个神经元将被这个新神经元分割(基于paper already mentioned，第10页)。然而，偏置神经元没有“输入”连接，因此它显然不能以上述方式
浏览 27修改于2019-02-24得票数 2
回答已采纳
比如说，对于我的第一个输入层，我有10个输入节点/神经元。假设我的隐层也有10个神经元。我的第三层也就是最后一层是一个输出神经元。这可能是一个非常基本的问题，但我还没有看到太多具体的例子。我发现的例子要么似乎连接所有的神经元，要么连接起来似乎是随机的。
浏览 5提问于2015-04-25得票数 7
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号