小编Jul*_*en 的帖子

我在这里使用第一个例子作为网络示例。

当损失达到固定值时如何停止训练？

例如，我想固定最多 3000 个 epoch，当损失低于 0.2 时训练就会停止。

我读了这个话题，但这不是我找到的解决方案。

我想在损失达到某个值时停止训练，而不是像此函数那样没有任何改进时停止训练前面主题中提出的

这是代码：

import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.optimizers import SGD

# Generate dummy data
import numpy as np
x_train = np.random.random((1000, 20))
y_train = keras.utils.to_categorical(np.random.randint(10, size=(1000, 1)), num_classes=10)
x_test = np.random.random((100, 20))
y_test = keras.utils.to_categorical(np.random.randint(10, size=(100, 1)), num_classes=10)

model = Sequential()
# Dense(64) is a fully-connected layer with 64 hidden units.
# in the first layer, you …

我有一个数组填充了一些值.例如,运行以下代码后:

array = zeros(10)

for i in 1:10
   array[i] = 2*i + 1
end

数组看起来像这样:

10-element Array{Float64,1}:
  3.0
  5.0
  7.0
  9.0
 11.0
 13.0
 15.0
 17.0
 19.0

现在,我想在第一个位置添加一个新值来获得这样的东西:

11-element Array{Float64,1}:
  1.0
  3.0
  5.0
  7.0
  9.0
 11.0
 13.0
 15.0
 17.0
 19.0

怎么做？

有了残差神经网络中的残差块，块最后的加法是真元素加法还是串联？

例如，将addition([1, 2], [3, 4])产生[1, 2, 3, 4]或[4, 6]？

我有一个使用JLD 包在 Julia 中创建的数据库

该数据库包含 2 个元素：输入和输出

在 julia 中，我可以使用以下代码加载它：

using JLD

data_in = load("file_path")["input"]
1×5 Array{Int64,2}:
 1  2  3  4  5

data_out = load("file_path")["output"]
1×5 Array{Int64,2}:
 3  6  9  12  15

我想在 Python 中加载这些数组。我尝试了以下（在 Python 中）：

filename = "file_path"

data = open(filename, r)

数据返回以下内容：

data
<_io.TextIOWrapper name='file_path' mode='r' encoding='UTF-8'>

之后，我阅读了一个解释如何读取文件的文档。不过，如果我运行以下命令：

print(data.readlines())

我只有这个输出：

[]

是否可以在 Python 中加载这些数组？

编辑

我试图做一个相当于朱莉娅的：

data = open("file_path")["input"]

但是有这个错误：

TypeError: '_io.TextIOWrapper' object is not subscriptable

也许还有其他功能可以读取文件？

作为网络的例子，我在这里使用了第一个例子

我想在这个网络中使用张量板。在阅读了有关如何使用 TensorBoard 的文档后，我将这些命令添加到代码中：

from keras.callbacks import TensorBoard
TensorBoard("Directory path that contains the log files")

输出听起来正确：

Out[3]: <keras.callbacks.TensorBoard at 0x7f14730e79b0>

但是目录里什么都没有...

我做错了什么？

这是完整的代码：

import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.optimizers import SGD
from keras.callbacks import TensorBoard

# Generate dummy data
import numpy as np
x_train = np.random.random((1000, 20))
y_train = keras.utils.to_categorical(np.random.randint(10, size=(1000, 1)), num_classes=10)
x_test = np.random.random((100, 20))
y_test = keras.utils.to_categorical(np.random.randint(10, size=(100, 1)), num_classes=10)

model = Sequential()
# Dense(64) …

如果我有一个带有随机值的数组A,我想为每个长度为A的i定义一个数组B. B[i] = (A[i])²

首先,我尝试了以下代码:

using Distributions

A = rand(Uniform(1,10),1,20)

B = A

for i in 1:20
       B[i] = (A[i])^2
end

在这些操作之后,我有A = B.

A
1×20 Array{Float64,2}:
 26.0478  5.36654  99.675  23.18  …  1.54846  91.3444  9.41496  2.91666

B
1×20 Array{Float64,2}:
 26.0478  5.36654  99.675  23.18  …  1.54846  91.3444  9.41496  2.91666

所以我尝试了另一种方法:

B = A^2

有以下错误:

ERROR: DimensionMismatch("A has dimensions (1,20) but B has dimensions (1,20)")

例如,如果我这样做,B = 2*A它可以正常工作......

一些想法有所帮助？

谢谢

朱莉娅如何计算大数字？

例如,这可以按预期工作:

julia> 10^18
1000000000000000000  

但是对于更大的数字,整数存在问题:

julia> 10^19
    -8446744073709551616 

 julia> 10^20
     7766279631452241920 

但是如果使用十进制数则它可以工作:

julia> 10.0^20
1.0e20

你知道为什么吗？

以下是什么意义f0:

julia> 1.25f3

1250.0f0

是用什么区别1.25 e3,这意味着1.25 * 10^3？

我在文档中查找,但我没有找到它......