به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

0 امتیاز

با سلام
من در یک مسئله رگرسیون با یک خروجی از شبکه AlexNet استفاده کردم و با تعداد داده 10000 برای آموزش و 3000 برای تست. محدوده خروجی من بین 100 تا 1000 هستش وقتی شبکه رو با این محدوده ران میکنم تابع همگرا نمیشه و حتی دچار اورترین میشه. ولی وقتی همه اعداد رو تقسیم بر 1000 میکنم و محدوده بین صفر و یک قرار میگیره. در تعداد اپوک پایین مقدار loss ترین و تست خیلی سریع کم میشه علتش چیه؟ چون برای تابع Euclidean هر عددی میتونی تو خروجی قرار بگیره؟

سوال شده توسط (102 امتیاز)
سلام
لطفا در مورد ساختار شبکتون بیشتر توضیح بدید
یه موقع خدایی نکرده بعد از softmax که Euclidean Loss برای دیتاهاتون تعریف نکردید؟

شبکه رو هیچ تغییری ندادم فقط اسم لایه InnerProduct آخر رو برای آپدیت شدن وزن ها تغییر دادم و عدد num_output رو روی یک گذاشتم چون یک خروج دارم. و اینکه تابع softmax رو پاک کردم و به جاش Euclidean تعریف کردم.

1 پاسخ

0 امتیاز

سلام دوست عزیز
سوالتون زیاد واضح نیست ولی فک کنم چون به 1000 تقسیم کردید درواقع یه جورایی نرمالیزیشن انجام دادین و این عمل باعث همگرایی سریعتر شبکه میشه.

پاسخ داده شده توسط (830 امتیاز)
...