小编Emm*_*mma的帖子

我有一个生成对抗网络，其中鉴别器通过 MSE 最小化，生成器应该最大化。因为两者都是追求相反目标的对手。

generator = Sequential()
generator.add(Dense(units=50, activation='sigmoid', input_shape=(15,)))
generator.add(Dense(units=1, activation='sigmoid'))
generator.compile(loss='mse', optimizer='adam')

generator.train_on_batch(x_data, y_data)

我必须适应什么才能获得从高 MSE 值中获利的生成器模型？

我想要 matplotlib 中黑色和红色之间的颜色渐变，其中低值是黑色并随着 Y 值的增加变得越来越红。

import matplotlib.pyplot as plt
xvals = np.arange(0, 1, 0.01)
yvals = xvals
plt.plot(xvals, yvals, "r")
axes = plt.axes()
plt.show()

我必须改变什么才能获得这样的颜色渐变？

I use the brokenaxes package (https://github.com/bendichter/brokenaxes) to break the y-axis (//). Now I want a second Y-axis, which should also be broken (//) just like the first one.

How do I do this in the following example?

import numpy as np
import matplotlib.pyplot as plt
from brokenaxes import brokenaxes
fig, ax = plt.subplots()
plt.gca().axes.get_yaxis().set_visible(False)

bax = brokenaxes(ylims=((0, 1.1), (60, 80)), hspace=.05)
x = np.linspace(0, 1, 100)
bax.plot(x, 5 * np.sin(10 * x) + 70)
bax.plot(x, 0.25* np.cos(40 * …

我知道这个主题有很多问题，但是我不明白为什么在我看来这两种选择都是可行的 我在LSTM中的输入形状是（10,24,2），而hidden_​​size是8。

model = Sequential()    
model.add(LSTM(hidden_size, return_sequences=True, stateful = True, 
               batch_input_shape=((10, 24, 2))))
model.add(Dropout(0.1))

为什么可以在下面添加以下行：

model.add(TimeDistributed(Dense(2))) # Option 1

或这一个：

model.add(Dense(2)) # Option 2

是否应该Option 2因为需要二维输入而导致编译错误？