我是新来的tensorflow.我想写自己的自定义丢失函数.有关于此的任何教程吗？例如,铰链损失或sum_of_square_loss(虽然这已经在tf中)？我可以直接在python中完成它,或者我必须编写cpp代码吗？
如标题中所述,我想在tensorflow中使用现有的ops和tensor操作实现自定义层.我想知道我是否可以在python中完成它,就像在theano中可以做到的那样.在该层中,输入可以是一些矩阵,批量输入和一些权重和偏差需要被学习.在一些张量操作之后,输出将被馈送到下一层.这一层的计算可能很复杂,所以我想知道tensorflow是否可以为我做自动差异.
我知道这两个功能是火炬的向后传播和界面如下
updateGradInput(input, gradOutput)
accGradParameters(input, gradOutput, scale)
我感到困惑的是什么gradInput,并gradOutput真正在层意思.假设网络的成本是C一层L.难道gradInput和gradOutput层的L意思是d_C/d_input_L和d_C/d_output_L？
如果是这样,如何计算gradInput符合gradOutput？
而且,是否accGradParameters意味着积累d_C/d_Weight_L和d_C/d_bias_L？如果是这样,如何计算这些值？
backpropagation neural-network gradient-descent deep-learning torch
3D三角形网格形状由顶点和三角形面表示.例如,shape在matlab中shape.X, shape.Y, shape.Z(the vertices) and shape.TRIV(the triangle faces)可以看作3D三角形网格形状.
我的问题是如何使用特定的色彩图在MATLAB中可视化这样的形状.
(例如,该颜色映射可被定义为一个距离向量的length(shape.X)其元素是所有顶点的到单个顶点的欧几里德距离M,在这种情况下,涉及到较小的距离的冷却器的颜色,和较热的颜色相关的较大的距离. )