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

دسته بندی ها

0 امتیاز

با سلام،
من روی یک مساله دسته‌بندی با استفاده از شبکه‌های عصبی کانولوشن در کراس با بک‌اند تنسورفلو کار میکنم. هر بار که الگوریتمم را ران میکنم دقت تست، ترین و ....متفاوت هست. چجوری میشه نتایج یکسانی را در هر بار آموزش داشته باشم تا بتونم تاثیر یک پارامتر مثلا تعداد لایه‌ها را در عملکرد شبکه محاسبه کنم؟ در ضمن من تمام موارد زیر را در ابتدای کدم ، قبل از لود داده دارم و در محیط اسپایدر کد میزنم:
import pandas as pd
import numpy as np
import tensorflow as tf
import os
import random as rn

'os.environ['PYTHONHASHSEED']='0
(np.random.seed(1
(rn.seed(1
(tf.set_random_seed(1
ولی باز نتایجم متقاوته. آیا روشی هست که بتونم دقت یکسانی را در هر بار آموزش به دست بیارم؟ ممنون

توسط (100 امتیاز)
ویرایش شده توسط

2 پاسخ

0 امتیاز

سلام
میتونه به علت وزن دهی اولیه لایه ها باشه
Keras Initializers

میتونید از seed تو این تابع استفاده کنید:

keras.initializers.glorot_uniform(seed=None)
توسط (470 امتیاز)
سلام، ممنون از پاسختون،مشکل وزن دهی اولیه لایه ها نباید توسط کدهایی که من تو سوالم نوشتم رفع بشه؟ در ضمن این کدی که شما نوشتید را باید در تک تک لایه های مدلم قرار بدم مثلا در لایه کانولوشن، ادغام، لایه دنس و ....؟
0 امتیاز

امیدوارم با با این دوتا لینک به جواب برسید :
Keras FAQ
Stackoverflow

توسط (470 امتیاز)
...