→ chang1248w: 你的discriminator_n_layer是怎麼來的？ 12/22 23:48
→ chang1248w: summary 能跑就代表autograph 是正常運作的 12/22 23:51
→ chang1248w: 我只想到2個可能，1是你動到discriminator.trainable 12/22 23:56
→ chang1248w: 2是你在建立weight 的時候沒有用到tf.Variable，所以 12/22 23:56
→ chang1248w: tensorflow把它當tf.constant處理 12/22 23:56
→ chang1248w: 還有第三種是呼叫model的時候餵了trainable=False 12/22 23:59
→ chang1248w: 不過你把discriminator 拆的這麼徹底.... 12/22 23:59
→ chang1248w: 最粗暴的解法就是 keras.Model.trainable =True 12/23 00:01
→ chang1248w: 手動去歷遍layer weight也可以 12/23 00:02
→ filialpiety: 感謝 12/23 19:13
→ filialpiety: discriminator_n_layer是tuning的其中一個目標 12/23 19:13
→ filialpiety: trainable = false 則是照書上寫的來做 12/23 19:13
→ filialpiety: 也想請問一下有沒有tf Variable 的範例？我看到滿 12/23 19:13
→ filialpiety: 多人這樣寫的說 12/23 19:13
→ filialpiety: ，不過不知道怎麼下手來改？ 12/23 19:13
→ chang1248w: 把variable.trainable設成false當然就會辨識為 12/23 21:15
→ chang1248w: non trainable parameters 啊... 12/23 21:16
→ chang1248w: 你的那本書應該有說tuning的時候最後面幾層不要 12/23 21:20
→ chang1248w: freeze，或者加層linear 12/23 21:21
→ filialpiety: 感謝～我現在把trainable改true後，non-trainable 12/24 05:26
→ filialpiety: params明顯減 12/24 05:26
→ filialpiety: 少許多，不過discriminatior 的performance 一樣0. 12/24 05:26
→ filialpiety: 0 12/24 05:26
→ filialpiety: 書上沒有做tuning，而是直接針對minst 資料集給nn 12/24 05:26
→ filialpiety: 固定結構；tun 12/24 05:26
→ filialpiety: ing 部分是我如法炮製改的，資料則是餵實驗室清乾 12/24 05:26
→ filialpiety: 淨的資料，目前 12/24 05:26
→ filialpiety: ensemble ML效果還可以，想說用semi GAN看看能不能 12/24 05:26
→ filialpiety: 提升預測力， 12/24 05:26
→ filialpiety: 不過明顯影我技術有問題，效果也不好。想請問deep 12/24 05:26
→ filialpiety: 在處理結構資料 12/24 05:26
→ filialpiety: 還有哪幾招可以試？ 12/24 05:26
→ chang1248w: 啥用途? 12/25 01:16
→ filialpiety: 目前是做supervised learning、semi supervised 應 12/26 14:55
→ filialpiety: 該沒望了 12/26 14:55
→ filialpiety: 論文用途～～ 12/26 14:56
→ chang1248w: 找題目的意思？ 12/27 14:40
→ filialpiety: 題目已經確定了！資料也清乾淨，只是現在在訓練分 12/28 17:43
→ filialpiety: 類器；ML的scri 12/28 17:43
→ filialpiety: pt 差不多了！想說弄DL分類器看看，讓自己就業有點 12/28 17:43
→ filialpiety: 競爭力 12/28 17:43
→ filialpiety: 畢竟上個實驗室有要求我做DL、花了一年時間看一堆p 12/28 17:43
→ filialpiety: aper還有課程 12/28 17:43
→ filialpiety: 。如果DL做不出來我也認了XD 反正DL對硬體要求很高 12/28 17:43
→ filialpiety: ，也不見得適 12/28 17:43
→ filialpiety: 合每個議題 12/28 17:43
→ chang1248w: dl強在把先驗知識融入模型的靈活度 12/29 00:59
→ chang1248w: 如果你的資料就是幾個數值型的欄位，那一般是比不過 12/29 01:01
→ chang1248w: ml的方法 12/29 01:01
→ filialpiety: 先驗知識和後驗知識？！我查一下後不太了解，請問 12/29 15:30
→ filialpiety: 這部分是在大學 12/29 15:30
→ filialpiety: 哪個科目內呢？我常常看到先驗機率和後驗機率跟 12/29 15:30
→ filialpiety: 您提的是不是有 12/29 15:30
→ filialpiety: 關係？ 12/29 15:30
→ chang1248w: 我個人是理解為資料以外的知識 12/30 14:22
→ chang1248w: 先/後驗分佈是貝氏統計的部分 12/30 14:22
→ chang1248w: 應該沒什麼關係 12/30 14:23