1回答
我构建了一个Bi-LSTM模型，它试图根据给定的单词预测特定的类别。例如，“微笑”这个词应该由“友好”来预测。然而，经过训练后，该模型每10个类别(总共1000个)有100个样本，在绘制准确性和损失时，这两种情况略有不稳定。为什么会发生这种情况？增加采样数会导致拟合不足。批量大小 目前批量大小设置为16，如果我将批量大小增加到64，每个类别有2500个样本，最终的图将导致拟合不足。 ? ?
浏览 78提问于2020-10-17得票数 1
回答已采纳
1回答
为什么在CNN图像的二值化分类中，损失和精度图是如此的不稳定？我的意思是，验证测试的准确性没有平稳地提高，达到80%，然后达到60%，然后又上升到84%等等。火车的准确性也是如此。现在，我如何知道多少个时期是最优的数目？
浏览 0提问于2020-11-02得票数 1
1回答
一般说来，是否有可能判断在Z期的Y训练示例上训练一个给定的X深度神经网络是否可能过于合适？或者，只有通过查看训练和测试集的丢失和精确图，才能确定是否存在过拟合？具体来说，我有250,000个例子，每个例子都是一个平面图像200x200px。该模型是一个CNN，约有5个卷积+池层，其次是2个密集层，每个单元1024个单元。该模型对12个不同的类进行了分类。我已经训练了大约35个小时，训练集的准确率达到了90%，测试集<
浏览 3提问于2017-12-15得票数 4
回答已采纳
1回答
我在python中从零开始制作了一个卷积神经网络来分类MNIST手写数字(集中式)。它由8个3x3核的单卷积网络、2x2个最大池层和一个以softmax为激活函数的10个节点密集层组成。我使用交叉熵损失和SGD。
当我把整个训练集训练成一个批次大小为1的时代时，我的准确率为95%。然而，当我尝试一个较大的批次大小(16，32,128)时，学习变得非常嘈杂，最终的准确率在47%-86
浏览 0提问于2021-02-04得票数 0
我正在处理一个keras.io示例，其中构建了一个变分的自动编码器，在这里可以找到：
，，我试图用MeanSquaredError-损失替换二进制_交叉熵损失，但是我得到了一个TypeError。传递给op 'Equal‘的参数'y’，得到'str‘类型的'auto’。此外，我不明白为什么使用二进制交叉熵损失，因为我把这个损失理解为分类损失，但在这里，我比较原始数据的<
浏览 3提问于2021-06-01得票数 0
我正在使用tf.Keras训练一个CNN模型，我将训练集分散到训练和验证集上，我想在验证集上可视化准确性。 这是代码，请告诉我打印的准确性是与训练集还是验证集有关？
浏览 67提问于2020-05-03得票数 3
回答已采纳
我用Tensorflow和Keras学到了一些深度学习，所以我想做一些实际的实验。我想用CAISAV5指纹数据集(总共20,000张指纹图像)训练一个模型，但在训练过程中，120个时期后训练准确率达到97%，而验证准确率保持在45%左右。但这些方法对准确度的贡献很小。我还标准化了数据，已经打乱并将其浮点值转换为0.0和1.0之间的值。图像的原始分辨率为328 * 356，在送入自动编码器之前被调整为400 * 400。下面是我
浏览 76提问于2020-07-29得票数 0
我正在训练4个不同的模型，并使用Tensorboard。我不确定为什么它只显示其中两个模型的损失和其他两个模型的epoch_loss。有什么不同？有什么我漏掉的吗？如何连接这两个图？ ?
浏览 7提问于2020-04-08得票数 0
1回答
我正在训练一个正常的前馈网络，使用股票过去90天的财务数据，并预测股票第二天是上涨还是下跌。我使用二进制交叉熵作为我的损失和优化器的标准SGD。这是我的模型： _________________________________________________________________Non-trainable params: 0
_________________
浏览 347提问于2019-08-11得票数 6
回答已采纳
2回答
我对神经网络中损失和准确性度量的共存感到有点困惑。两者都是为了使y和\hat{y}的比较“准确”，不是吗？那么，这两个冗余不是在训练时代的应用吗？而且，它们为什么没有关联呢？
浏览 0提问于2016-08-25得票数 12
我正在使用Tensorflow-Keras训练神经网络。我当前的代码被设置为使用CSVLogger来跟踪历次的进度，并使用matplotlib pyplot来绘制训练和验证的准确率和损失。对于这两个曲线图，值也是根据纪元#绘制的。
是否可以绘制我的模型随时间的训练进度图？意思是说，我可以使用执行时间而不是使用epoch #作为x轴吗？这样做的原因是，我</
浏览 0提问于2019-10-06得票数 0
1回答
验证集的度量是奇怪的。
、、、、
我正在做一个关于通过深入学习的图像处理的项目，我面临的问题是验证数据集的度量标准与训练数据集的度量标准有很大的不同。差别如下所示。对于上层图(训练数据集)，绿色、蓝色、红线分别表示ms、生成器损失和鉴别器丢失。
对于较低的图(验证数据集)，蓝色、灰色、橙色的线条分别表示ms-ssim、生成器损失和鉴别器丢失。这两个数据集之间唯一的</em
浏览 2提问于2020-01-29得票数 0
1回答
我正在使用Tensorflow RNN来预测一系列序列。我使用Grucell和dynamic_rnn。在训练时，我输入训练数据集，我将其分成8批，每批的批大小为10 (1批的形状为[10, 6, 2]，即[batchsize, seqlen, dim])。为了防止过拟合，当训练数据集中的预测率开始超过80%时，我会停止训练(通常在80%~83%的准确率时停止)。
在训练之后，我让相同的图</
浏览 6提问于2018-02-03得票数 0
我有一个神经网络，如下所示，用于二进制预测。我的课程严重不平衡，1级只发生了2%的次数。这是计算pos_weight参数的正确方法吗？我查看了这个的正式文档，它表明，对于多类分类，pos_weight需要每个类都有一个值。不确定二进制类是否是一个不同的场景。我试着输入两个值，但是我得到了一个错误。
My问题:对于二进制问题，是否是一个单独的值，而不像多类分类那样需要长度等于类数的列
浏览 3提问于2022-03-13得票数 1
回答已采纳
1回答
我一直在使用sklearn来学习一些数据。这是一个二进制分类任务，我使用的是RBF内核。我的数据集非常不平衡(80:20)，我只使用了120个样本，具有10个左右的特征(我一直在尝试更少的几个)。自从我设置了class_weight="auto"后，我从交叉验证(10倍)网格搜索中计算出的准确率已经显著下降。为什么？?
<em
浏览 2提问于2016-03-29得票数 0
我试着测量并绘制出电子工程中一些真空的电阻值。我用阿迪诺欧姆计来测量它的阻力。有时，数据超出了范围，数据变得有点不稳定和极端。
这里有三组数据，当每幅图返回到左边时，我想删除它的部分和右端。我真的不知道该怎么表达。应该很简单但我真的被困住了。提前感谢！
浏览 4提问于2021-04-20得票数 3
回答已采纳
1回答
我的模型拱门是
我有两个输出，我想训练一个基于两个输出的模型，比如mse，和交叉熵。一开始，我用了两个角损失它工作得很好，问题是交叉熵损失非常不稳定</e
浏览 2提问于2022-07-21得票数 0
首先，我对为什么我们使用损失来更新模型而使用度量来选择我们需要的模型感到困惑。既然您已经选择使用损失来更新模型，为什么不使用损失来选择模型呢？毕竟，损失和衡量标准并不完全相同。第三，当有人向函数metrics中的参数compile发送多个度量时，我感到困惑。我不明白为什么是多重的，为什么不是一个。定义多个指标对一个指标有什么好处？现在的问题是我是应该选择cross
浏览 0提问于2019-09-02得票数 0
回答已采纳
1回答
我试图使用GMFBridge在多个流缓冲区图之间切换，我似乎有两个问题。连接到桥接渲染图的桥源图上的VMR非常不稳定--每4-5秒显示一个新帧。如果我寻找连接到桥呈现图的桥源图，则所有输出(连接的桥源和渲染图以及外部渲染器上的输出)停止大约一分钟。一旦它恢复，问题#1的动荡
浏览 0提问于2009-09-17得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
云直播
腾讯会议活动推荐
腾讯云开发者
