Question

In this image我有两个相互依赖的变量。第一，“ K”是某个向量“噪声”与一个编码“新”的热像素之间的级联结果，而第二步的噪声则是从前一个时间步向前传播K的结果，而不同的是新闻”伴随着这一进展（如图像中顺序排列的不同像素）。我的问题是copy.deepcopy似乎无法将两个噪音实例分开

我尝试将索引放在不同的噪声上，并先添加新维度，然后再更新索引，然后进行深度复制……无法正常工作。似乎噪声的值仅取决于现有的噪声与串联和正向传播的零噪声矢量之间的相互作用。我正在MNIST csv上对其进行测试，并且大多数第一个csv值均为零，在某些情况下该值就像使用对应于较暗像素的一种不同的热编码方式进行的急剧变化一样，然后在归零时返回到它具有的原始值...我期望它会累积信息，并且不会重新收集过去的像素值。 / p>

for x,y in a.items():
     indexo = []
     indexo.append(y)

     indexo = np.asarray(indexo)
     new = np.zeros((z,aaa))
     new[np.arange(z), indexo] = 1
     new=np.ndarray.flatten(new)
     voo=np.concatenate((voo,vii))
     vg[newo_index]=copy.deepcopy(new)





     print(noise.shape)
     print(noise[noise_index])


     k=np.concatenate((noise[noise_index],vg[newo_index]),axis=0)
     noise=np.concatenate((noise,np.zeros((1,4))))
     print(noise.shape)
     noise_index+=1

     k=k.reshape((1,260,1))

     noise[noise_index]=copy.deepcopy(model1.predict(k))
     print(noise[noise_index])

(3, 4)
[0. 0. 0. 0.]
(4, 4)
[0.02567281 0.40914842 0.22369435 0.08106659]
(4, 4)
[0.02567281 0.40914842 0.22369435 0.08106659]
(5, 4)
[0.02619855 0.40627998 0.2288992  0.08426424]
(5, 4)
[0.02619855 0.40627998 0.2288992  0.08426424]
(6, 4)
[0.02620577 0.40642107 0.22897767 0.08420368]
(6, 4)
[0.02620577 0.40642107 0.22897767 0.08420368]

Answer 1

我发现了问题...某些函数，如果您将输出反复反馈到函数中，则输出会收敛到定义的数量...导致我出现问题的函数是Sigmoid

您如何使用Deepcopy创建具有2个交互变量的循环

1 个答案: