- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我使用tensorflow来实现手写数字识别。我希望softmax_cross_entropy_with_logits中的logits先用占位符表示,然后在计算时通过计算值传递给占位符,但是tensorflow会报错ValueError: Nogradationsprovidedforanyvariable,checkYourgraph foropsthatnotsupport梯度。我知道直接将 logits 更改为输出是可以的,但是如果我必须使用 logits,结果首先是占位符。我该如何解决?
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/home/as/downloads/resnet-152_mnist-master/mnist_dataset", one_hot=True)
from tensorflow.contrib.layers import fully_connected
x = tf.placeholder(dtype=tf.float32,shape=[None,784])
y = tf.placeholder(dtype=tf.float32,shape=[None,10])
hidden1 = fully_connected(x,100,activation_fn=tf.nn.elu,
weights_initializer=tf.random_normal_initializer())
hidden2 = fully_connected(hidden1,200,activation_fn=tf.nn.elu,
weights_initializer=tf.random_normal_initializer())
hidden3 = fully_connected(hidden2,200,activation_fn=tf.nn.elu,
weights_initializer=tf.random_normal_initializer())
outputs = fully_connected(hidden3,10,activation_fn=None,
weights_initializer=tf.random_normal_initializer())
a = tf.placeholder(tf.float32,[None,10])
loss = tf.nn.softmax_cross_entropy_with_logits(labels=y,logits=a)
reduce_mean_loss = tf.reduce_mean(loss)
equal_result = tf.equal(tf.argmax(outputs,1),tf.argmax(y,1))
cast_result = tf.cast(equal_result,dtype=tf.float32)
accuracy = tf.reduce_mean(cast_result)
train_op = tf.train.AdamOptimizer(0.001).minimize(reduce_mean_loss)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for i in range(30000):
xs,ys = mnist.train.next_batch(128)
result = outputs.eval(feed_dict={x:xs})
sess.run(train_op,feed_dict={a:result,y:ys})
print(i)
最佳答案
简单来说,损失中的 logits 不能是占位符,而必须是 tensorflow Operation 。否则,您的优化器无法计算任何变量的梯度(请参阅错误消息)。
操作是“对张量执行计算的图形节点”,而 placeholder是在评估图时需要输入的张量。我真的不明白,为什么你不直接将输出操作分配给 logits,如下所示:
loss = tf.nn.softmax_cross_entropy_with_logits(labels=y,logits=outputs)
如果您提供特殊用例,我可以尝试进一步帮助您?
关于python - tensorflow 损失中的logits可以是占位符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53632189/
我在程序 R 中使用 mlogit 包。我已将数据从原始宽格式转换为长格式。这是转换后的 data.frame 的示例,我将其称为“long_perp”。所有的自变量都是个体特定的。我在数据集中有 4
我需要 logit 和反 logit 函数,以便 logit(inv_logit(n)) == n。我使用 numpy,这是我所拥有的: import numpy as np def logit(p)
我正在尝试制作一个简单的 CNN 分类器模型。对于我的训练图像 (BATCH_SIZEx227x227x1) 和标签 (BATCH_SIZEx7) 数据集,我使用 numpy ndarray,它们通过
我有这样一句话:"I like sitting in my new chair and _____ about life" . 我有一组特定的 token ,如 ["watch", "run", "t
在仔细阅读 logit 模型说明时,我遇到了一种叫做“尺度参数”的可能性。有人可以解释一下这是什么以及它的用途。不使用它会发生什么。另外,它也用于概率模型吗? 干杯 最佳答案 这是 5 个月前提出的问
我知道这两个模型有不同的方程,但我不确定为什么人们使用 logistic 模型而不是 logit 模型,反之亦然?其背后的主要原因是什么?如果我的响应变量是一个决策变量(是,否),那么这里哪个模型会更
我似乎无法弄清楚对逻辑回归模型进行评分的语法。 logit = sm.Logit(data[response],sm.add_constant(data[features])) model = log
当我尝试使用 softmax 交叉熵函数时,我收到一个 ValueError 消息 ValueError: Rank mismatch: Rank of labels (received 2) sho
我正在尝试创建一个神经网络,该网络一次从多个 csv 文件中获取 13 个特征作为输入,并在每次迭代后测量准确性。这是我的代码片段: import tensorflow as tf import nu
我已经启动了tensorflow,并尝试实现简单的神经网络,并识别来自analyticsvidhya.com的数字练习问题,并遵循以下帖子: https://www.analyticsvidhya.c
请尝试给出参数化解决方案(有三个以上的选择)。 我有一个带有 beta 值的字典: {'B_X1': 2.0, 'B_X2': -3.0} 这个数据框: X1_123 X1_456 X1_789
让我使用 UCLA 的多项 logit 示例作为运行示例--- library(nnet) library(foreign) ml <- read.dta("http://www.ats.ucla.e
我是 TF 机器学习新手。我生成了这个数据集并将其导出到 .csv 文件中。它在这里:tftest.csv . “分布”列对应于一个独特的方程组,我试图将其压缩为 SageMath 中的一系列数字。
我是一名新手程序员,试图关注this指导。但是,我遇到了一个问题。该指南说将损失函数定义为: def loss(labels, logits): return tf.keras.losses.
在 python 中使用统计模型进行逻辑回归时,我试图将协方差类型从非稳健更改为稳健。 我阅读了 statsmodels.org 上的文档,但无法找到有关如何执行此操作的解决方案。 如果这里有人可以帮
我通常使用 mfx 包和 logitmfx 函数生成 logit 模型边际效应。但是,我使用的当前调查具有权重(由于某些人群的过度采样,这对样本中 DV 的比例有很大影响)并且 logitmfx 似乎
在 Tensorflow 中,我有一个分类器网络和不平衡的训练类。由于各种原因,我不能使用重采样来补偿不平衡的数据。因此,我不得不通过其他方式来补偿失衡,特别是根据每个类中的示例数量将 logits
我正在 Keras 中创建一个模型并想计算我自己的指标(困惑度)。这需要使用非标准化概率/logits。然而,keras 模型只返回 softmax 概率: model = Sequential()
我是 R 并行计算的初学者。我遇到了 doParallel 包,我认为它对我的情况可能有用。 以下代码旨在并行评估多个 pglm 回归: require("foreach") require("doP
我想获得具有标准误差的多项式 logit 模型的平均边际效应 (AME)。为此,我尝试了不同的方法,但到目前为止还没有达到目标。 最好的尝试 我最好的尝试是使用 mlogit 手动获取 AME。我在下
我是一名优秀的程序员,十分优秀!