J'utilise actuellement tensorflow pour créer un réseau de neurones, qui reproduit la fonction de création d'une sortie donnée à partir d'une entrée.Est-il possible d'utiliser Tensorflow pour créer un réseau de neurones pour le mappage entrée/sortie?
L'entrée dans ce cas est un audio échantillonné et l'audio génère des fonctions MFCC. Savoir pour chaque fichier ce que la fonction MFCC correspondant est, mais ne savez pas comment je devrais configurer le réseau de neurones.
Je suivais ce guide/tutoriel http://www.kdnuggets.com/2016/09/urban-sound-classification-neural-networks-tensorflow.html/2
Ce qui il est dit que le réseau de neurones est configuré en tant que telle
training_epochs = 5000
n_dim = tr_features.shape[1]
n_classes = 10
n_hidden_units_one = 280
n_hidden_units_two = 300
sd = 1/np.sqrt(n_dim)
learning_rate = 0.01
Ma question est ici comment je définir le nombre de classes? Je veux dire, les valeurs réelles que j'ai calculées ne sont pas divisées en classes, mais un nombre décimal, alors je dois simplement créer plusieurs réseaux avec un nombre différent de classes, et choisir celui qui a la plus petite erreur par rapport à la valeur d'origine , ou est-ce qu'il y a une commande tensorflow qui peut le faire, car je fais de l'apprentissage supervisé.
OP doit également modifier un coût puisque celui du tutoriel 'cost_function = tf.reduce_mean (-tf.reduce_sum (Y * tf.log (y_), réduction_indices = [1]))' n'a aucun sens pour la régression. – lejlot
Merde, j'ai oublié la fonction Coss. Merci @lejlot! – Corentin