L
ну т.е. уже очевидно, что конкат создает копию и куда-то ее пишет.. без конката память освобождается..
теперь вопрос понять как избежать последствий конката
теперь вопрос понять как избежать последствий конката
Size: a a a
2021 January 06
SL
попробовать удалить вручную через os и потом вручную del
L
попробовать удалить вручную через os и потом вручную del
а подробней можно?
SL
Как пример, можно посмотреть, как удалить импортированную библиотеку, таким же способом в списке питон загруженных обьектов вручную вврезать результат конката.
SL
Так на вскидку не помню, но финт тот же
SL
зачем вам пустой ретерн?
возможно ваш метод живет со всеми данными, потому что сам метод импортирован и существует в памяти, но тема все-равно странная. Если не поможет удаление вручную, попробуйте после того, как метод отработает его вручную удалить с помощью то ли sys, то ли os. И потом сделать del
возможно ваш метод живет со всеми данными, потому что сам метод импортирован и существует в памяти, но тема все-равно странная. Если не поможет удаление вручную, попробуйте после того, как метод отработает его вручную удалить с помощью то ли sys, то ли os. И потом сделать del
SL
full вы нигде не вызываете во вне метода внутри скрипта?
ЕТ
Он несовсем так делает. Большинство функции, как и конкат резервируют новую память и в нее копируют данные
А, ну, вот. Спасибо, что уточнили, я просто больше по R.
VC
Доброе утро народ.
Простите, я полный новичок в нейросетях,возможно задаю глупый вопрос.
Писал свою библиотеку простой нейросети, и допустим нейронка выдала 0.6 а ожидаемый ответ 0.1 и чтоб найти ошибку я делаю 0.1-0.6
И вся сейросеть превращается в кашу с отрицательными весами.
Подскажите пожалуйста,что я упустил
Простите, я полный новичок в нейросетях,возможно задаю глупый вопрос.
Писал свою библиотеку простой нейросети, и допустим нейронка выдала 0.6 а ожидаемый ответ 0.1 и чтоб найти ошибку я делаю 0.1-0.6
И вся сейросеть превращается в кашу с отрицательными весами.
Подскажите пожалуйста,что я упустил
Модуль надо взять
VC
Вы уменьшаете не ошибку, а 1-6
МС
такое решение не подходит ?
S
Доброе утро народ.
Простите, я полный новичок в нейросетях,возможно задаю глупый вопрос.
Писал свою библиотеку простой нейросети, и допустим нейронка выдала 0.6 а ожидаемый ответ 0.1 и чтоб найти ошибку я делаю 0.1-0.6
И вся сейросеть превращается в кашу с отрицательными весами.
Подскажите пожалуйста,что я упустил
Простите, я полный новичок в нейросетях,возможно задаю глупый вопрос.
Писал свою библиотеку простой нейросети, и допустим нейронка выдала 0.6 а ожидаемый ответ 0.1 и чтоб найти ошибку я делаю 0.1-0.6
И вся сейросеть превращается в кашу с отрицательными весами.
Подскажите пожалуйста,что я упустил
смотря какой лосс, скорее всего надо взять квадрат разности, и потом распространять градиент от него
X
смотря какой лосс, скорее всего надо взять квадрат разности, и потом распространять градиент от него
Да не, все, нейронка хорошо работает с отрицательными весами...
X
Но вот, вчера столкнулся со очередной проблемой
Когда входных данных много, то сигмоида(функция активации) возвращает 1.0000.т.е 1
Так как, если в функцию активации передать значение больше 14ти
То возвращает 1
Когда входных данных много, то сигмоида(функция активации) возвращает 1.0000.т.е 1
Так как, если в функцию активации передать значение больше 14ти
То возвращает 1
X
Я об этом
function sig(x){
return 1/(1+exp(-x))
}
function sig(x){
return 1/(1+exp(-x))
}
S
всегда возвращает? на всех данных?
X
всегда возвращает? на всех данных?
да
X
Думаю, нужно изначально генерировать веса от 0 до 0.1
X
У меня на вход подается 5000 данных, и когда эти данные умножаются на веса и суммируются определенно суммируется большое число, вот и сигмоида возвращает 1
S
У меня на вход подается 5000 данных, и когда эти данные умножаются на веса и суммируются определенно суммируется большое число, вот и сигмоида возвращает 1
прости, а данные ты нормализовал?