Что я делаю не так с Tensorflow?

Question

Что я делаю не так с Tensorflow?

Вы можете сделать это, чтобы пузырить события в родительский документ:

$('iframe').load(function() {
    var eventlist = 'click dblclick \
                    blur focus focusin focusout \
                    keydown keypress keyup \
                    mousedown mouseenter mouseleave mousemove mouseover mouseout mouseup mousemove \
                    touchstart touchend touchcancel touchleave touchmove';

    var iframe = $('iframe').contents().find('html');

    // Bubble events to parent
    iframe.on(eventlist, function(event) {
        $('html').trigger(event);
    });
});

Просто расширьте список событий для большего количества событий.

0

machine-learning python tensorflow

задан Yip Jung Hon 20 January 2019 в 23:49

2 ответа

Другие вопросы по тегам:

machine-learning python tensorflow

Похожие вопросы:

score 0 · Answer 1

Вам следует изменить активацию на выходном слое на сигмовидную, что даст вам значения в диапазоне [0, 1]. Затем вы можете применить порог, чтобы получить двоичные значения.

model.add(tf.keras.layers.Dense(80, activation=keras.activations.sigmoid))

Обратите внимание, что keras вычисляет двоичную точность, установив пороговое значение выходных данных на 0,5, и вычисляет точность каждого выходного сигнала отдельно.

score 0 · Answer 2

Итак, вы хотите предсказать из (1,26) (действительной?) Матрицы двоичную матрицу 5 * 16.

Первое, что вы всегда должны проверять, увеличивается ли точность вашей тренировки и потери в тренировках или уменьшается с увеличением количества эпох или нет? Нейронная сеть всегда должна быть в состоянии переодеться!
- Если потери на тренировках не уменьшаются, проблема в вашей сети:
Поскольку вы должны получать только двоичные значения в выходном слое, используйте функция активации, которая выводит данные между [0, 1] сигмоидом, например. Эти значения будут использованы для расчета потерь.
Так как вы хотите предсказать двоичные значения, вы должны затем обусловить выход, если выход> порог -> 1, иначе 0. Я больше привык к Tensorflow, чем керас, поэтому я не уверен, как керас вычисляет точность когда выходные данные являются числами ... Попробуйте изменить метрику на пользовательскую, такую как:

    import keras.backend as K
    from keras.metrics import binary_accuracy
    def custom_metric(y_true, y_pred):
        threshold =0.5
        thresholded_values = K.greater(y_pred, threshold)
        return binary_accuracy(y_true, thresholded_values)

PS Я не проверял код, возможно, вам нужно преобразовать логический тензор в вещественное значение один ...