小编Pus*_*dev的帖子

我想知道Keras中激活层和密集层之间的区别是什么.

由于激活层似乎是一个完全连接的层,而Dense有一个参数来传递激活函数,最佳做法是什么？

让我们想象一个像这样的虚构网络:输入 - >密集 - >辍学 - >最后一层最后一层应该是:密集(激活= softmax)还是激活(softmax)？什么是最干净的,为什么？

感谢大家!

我想知道在GPU上训练的模型是否可以用于与cpu进行推理？(反之亦然)谢谢你!

我想知道，为什么在我看到的大多数GAN模型中（至少在MNIST中），激活函数（对于鉴别器和生成器）都是tanh？ReLu效率更高吗？（对于预测网络，我一直都会阅读）

谢谢！

我想知道如何在生产服务器上使用我的keras训练模型.我听说过tensorflow服务,但我无法弄清楚如何使用我的keras模型.

我找到了这个链接:https://blog.keras.io/keras-as-a-simplified-interface-to-tensorflow-tutorial.html

但我不知道如何初始化sess变量,因为我的模型已经训练好了.有没有办法做到这一点？

为了提供我的生成神经网络,我需要将一些数据归一化到-1和1之间.

我是MinMaxScaler从Sklearn那里做到的,效果很好.现在,我的生成器将输出介于-1和1之间的数据.

如何恢复MinMaxScaler获取真实数据？

我需要在我的应用程序上开发Rest API(基于Flask)

但我真的不知道应该如何保护它.

目前,我对来自浏览器的用户进行了正常的身份验证.(使用会话等)

但对于API用户,我应该在每个API请求时询问用户名/密码吗？它真的安全吗？我知道很多web API都使用令牌进行API调用,这是最好的方法吗？

在这种情况下,如何实现它？(这不是我的专业领域..)非常感谢

我在回顾中阅读了很多论文,但有一点我不明白,卷积层中的过滤器是如何初始化的？因为,例如,在第一层,过滤器应检测边缘等.但如果它随机初始化,它可能不准确？对于下一层和高级功能也是如此.另一个问题是,这些过滤器的价值范围是多少？

非常感谢你!

我正在学习如何使用Tensorflow和MNIST教程,但我在本教程的某个方面阻止了.

这是提供的代码:

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder(tf.float32, [None, 10])

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
saver = tf.train.Saver()
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for i in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

但实际上我根本不明白变量"W"(重量)和"b"(偏差)是如何在计算时改变的？在每个批次上,它们初始化为零,但之后？我根本没有看到他们将要改变的代码在哪里？

非常感谢你提前!