我试图得到损失目标的梯度,在我的例子中categorical_cross_entropy
w.r.t到NN参数,如'weights'和'bias'。在
这样做的原因是我想实现一个回调函数,以上面的函数为基础,我可以在模型训练时调试它。在
所以,问题来了。在
我目前正在使用生成器方法来拟合、评估和预测数据集。在
Keras中的categorical_cross_entropy
损失函数的实现如下:
def categorical_crossentropy(y_true, y_pred):
return K.categorical_crossentropy(y_true, y_pred)
我能掌握y_pred
的唯一方法是在训练结束时评估/预测我的模型。在
所以,我要问的是:
categorical_cross_entropy
实现了上面的回调,请告诉我如何使其工作?在目前,这是我用来计算梯度的代码。如果这是对的,那就错了。Link.
^{pr2}$理想情况下,我想让这个模型不可知论,但即使不是,也没关系。在
我可以帮忙做渐变部分。我用这个函数来计算损耗函数w.r.t输出的梯度。在
相关问题 更多 >
编程相关推荐