Keras，如何获取每个层的输出？
我用CNN训练了一个二分类模型，这是我的代码model = Sequential() model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode=...
为什么对于相同问题，二元交叉熵和分类交叉熵会表现出不同的性能？
我正在尝试使用卷积神经网络按主题对文本进行分类。当我使用二元交叉熵时，准确率约为80％；而使用分类交叉熵时，准确率约为50％。我不明白这是为什么。这是一个多类问题，难道我不得不使用分类交叉熵，并且使用二元交叉熵的结果是没有意义的吗？ model.add(embedding_layer) mo...
卷积神经网络中1D、2D和3D卷积的直观理解
请问有人能够清楚地解释卷积神经网络（在深度学习中）中的1D、2D和3D卷积之间的区别，并且用例子加以说明吗？
为什么反向传播神经网络必须使用非线性激活函数？
我阅读了一些有关神经网络的内容，我理解单层神经网络的一般原理。我理解需要额外的层，但为什么要使用非线性激活函数？ 这个问题之后还有一个问题：什么是反向传播中使用的激活函数的导数？
在Keras中，“Flatten”的作用是什么？
我正在尝试理解Keras中Flatten函数的作用。以下是我的代码，这是一个简单的两层神经网络。它接收形状为（3,2）的二维数据，并输出形状为（1,4）的一维数据：model = Sequential() model.add(Dense(16, input_shape=(3, 2))) mod...
tf.nn.embedding_lookup函数是用来做什么的？
tf.nn.embedding_lookup(params, ids, partition_strategy='mod', name=None) 我无法理解这个函数的职责。它是否像查找表一样？这意味着返回与每个id（在ids中）对应的参数？ 例如，在skip-gram模型中，如果我们使用tf...
为什么我们要在PyTorch中“打包”序列？
我试图复制如何在rnn中使用变长序列输入进行打包，但我想我首先需要了解为什么我们需要“打包”序列。 我明白为什么我们需要将它们“填充”，但是为什么需要通过pack_padded_sequence进行“打包”呢？
Keras中验证模型时，verbose的作用是什么？
我第一次运行LSTM模型。 这是我的模型：opt = Adam(0.002) inp = Input(...) print(inp) x = Embedding(....)(inp) x = LSTM(...)(x) x = BatchNormalization()(x) pred = Den...
运行时错误：输入类型（torch.FloatTensor）和权重类型（torch.cuda.FloatTensor）应该相同。
device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device) for data in dataloader: inputs, lab...
Keras中的多对一和多对多LSTM示例
我会尝试理解LSTMs以及如何使用Keras构建它们。我发现，原则上有4种模式可以运行RNN（图片中的右侧4种）。 图片来源：Andrej Karpathy 现在我想知道每个模式在Keras中的最简代码片段是什么样的，类似于： model = Sequential() model.ad...