我正在使用预先训练好的VGG19来训练模型。在训练时，我得到了92%左右的良好准确率(包括训练和验证)。)
for i in predictions:y_pred = np.asarray(y_pred) 训练时的准确性可以从这里查看然而，当我预测的
浏览 7提问于2021-08-02得票数 0
回答已采纳
1回答
，所以我把随机数作为预测标签，但对120个测试文件的准确率为0%。我的svm_model是用520个训练特征向量训练的。预测是基于标签的吗？我怀疑，因为当我使用1-5 (即我的类标签)作为测试标签时，准确率约为60%。
浏览 0提问于2014-03-30得票数 0
我在TensorFlow中使用具有两个卷积层的CNN，一个完全连接的层和一个线性层来预测对象的大小。标签是大小，特征是图像。两种方法的准确率都有所提高，但交叉验证准确率的提高速度较慢。考虑到精度上
浏览 3提问于2018-09-07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
浏览 6提问于2018-02-04得票数 0
我使用随机森林和SVM分类器进行分类，我有18322个样本，它们在9个类别(3667,1060,1267,2103,2174,1495,884,1462,4210)中是不平衡的。我使用10倍的CV，我的训练数据有100个特征维度。在我的样本中，训练数据在这100个维度上差别不大，当我使用SVM时，准确率约为40%，而当我使用RF时，准确率可以达到92%。然后我让我的</em
浏览 1提问于2015-04-26得票数 0
2回答
我已经使用CNN创建了狗和猫的模型分类器，使用tensorflow.Its准确率约为90%，验证准确率为80%.But当我输入自己下载的猫和狗的图像时，它给出了错误的结果。我确保输入的图像与训练中使用的图像大小相同。
浏览 3提问于2020-05-02得票数 0
因此，我在fit和tf.GradientTape上的CiFAR-10数据集上实现并比较了一个简单的图像分类器，并分别训练了20个时期。运行几次后，结果如下
用tf.GradientT
浏览 5提问于2020-01-14得票数 2
回答已采纳
有没有办法加载一个预先训练好的模型。我尝试过load("model.joblib")和save("model.joblib"，model)函数，但加载的模型在验证数据上只有大约10%的准确性，并且成功地生成了大约10%的成功对抗性示例。保存前模型的准确率约为99.3%，生成的对抗性示例中约有87%是成功的。如果我将加载的模型
浏览 17提问于2020-05-12得票数 1
回答已采纳
当我训练角星模型的时候，我得到了这个日志。Epoch 49/50据我所知，在训练一个模型时，我知道理想的损失应该是1到10 (不确定)，但我在e-07的训练中遇到了这个损失值。这是有效的训练吗？还是我哪里做错了?？
浏览 0提问于2019-08-01得票数 0
1回答
我正在处理以RGB格式保存的灰色图像数据集。，训练和验证的准确率都很高(92%)。我在训练样本和验证样本上再次尝试了预测，得到的准确率很低，也在50%左右，这意味着问题处于预测阶段。
相反，我使用OpenCV库对图像进行预处理，结果的准确性更高，但仍不像预期的那样。我试着对训练样本进行
浏览 2提问于2020-10-31得票数 1
回答已采纳
1回答
我使用双向RNN来检测不平衡发生的事件。正面类的频率比负面类少100倍。虽然没有使用正则化，但我可以在训练集上获得100%的准确率，在验证集上获得30%的准确率。我打开了l2正则化，结果在训练集上也只有30%的准确率，而不是在验证集上进行更长的学习和100%的准确率。
我在想，也许我的
浏览 0提问于2016-10-21得票数 1
2回答
我已经使用Keras的LSTM构建了一个模型，该模型可以检测堆栈溢出上的两个问题是否重复。当我运行模型时，我在纪元中看到了类似这样的东西。==============] - 67s - loss: 0.3136 - acc: 0.8581 - val_loss: 0.3518 - val_acc: 0.8391
我正在尝试理解这些术语中的每一个的含义上面的哪个值是我的模型的准确性。我对机器学习比较陌生，所以任何解释都会有所帮助。
浏览 1提问于2018-07-15得票数 20
回答已采纳
我正在学习kNN模型的超参数，我遇到了“距离”和“均匀”权重函数参数。 我的理解是，权重函数将在模型经过训练后用于计算预测(通过对邻居的投票进行加权)。因此，我的问题如下： 我对权重函数的理解是否只用于预测(而不是在训练期间)？ 似乎使用'distance‘总是给出接近100%的训练准确率，这是否意味着使用'
浏览 74提问于2021-02-04得票数 1
我正在用LIBLINEAR训练一个简单的logistic回归分类器。只有3个特性，标签是二进制0-1.753.80863694081768 2:-12.4841741178 3:14现在，如果我使用"-s 6"，即“L1-正则logistic回归”，则10倍的交叉验证准确率约为70%，每个验证器在几秒钟内完成。但如果
浏览 3提问于2015-05-24得票数 1
1回答
我是ML的新手，我正在尝试使用Keras对IMDB数据集进行情感分析，这是基于我找到的一个教程。下面的代码运行，在测试数据上的准确率约为90%。然而，当我尝试预测两个简单的句子(一个是正面的，一个是负面的)时，它给出的正面和负面的值分别约为0.50和0.73，其中正面应为0.71，负面应小于0.1，这是本教程中显示的结果。
浏览 0提问于2018-10-12得票数 1
1回答
不合身，不合身还是很合身？
、、、、
因此，我为二进制文本分类任务训练一个lstm rnn，而我对丢失结果的理解有一些问题。训练集约为70万个示例，验证集约为35000个示例。验证集和训练集是独立的，所以我不对验证集中的数据进行培训。根据我在学校学到的知识，在检查其他职位时，验证损失应该略高于培训损失，这样才是一个很好的匹配。然而，在我的<
浏览 0提问于2018-03-28得票数 1
1回答
下面是代码(https://github.com/maxmelnick/tensorflow/blob/no_随机/tensorflow/示例/图像_再培训/再培训)的链接，最初我有一个小的数据集。因此，我使用了增强技术来增加数据集的大小。
培训阶段数据集分为培训、验证和测试。在训练阶段，11个班的准确率为96%。但当我预测</
浏览 0提问于2020-09-02得票数 0
1回答
下面是代码(https://github.com/maxmelnick/tensorflow/blob/no_随机/tensorflow/示例/图像_再培训/再培训)的链接，最初我有一个小的数据集。因此，我使用了增强技术来增加数据集的大小。
培训阶段数据集分为培训、验证和测试。在训练阶段，11个班的准确率为96%。但当我预测</
浏览 0提问于2020-09-01得票数 1
1回答
我有一个包含3961个不同行和32列的训练数据，我希望将其适合随机森林和梯度提升模型。在训练时，我需要微调模型的超参数，以获得尽可能好的AUC。为此，我使用Scipy中描述的盆地跳跃算法最小化数量1-AUC(Y_real，Y_pred)；因此我的训练和内部验证子样本是相同的。当优化完成后，我得到了随机森林的AUC=0.994，而对于梯度提升我得到
浏览 10提问于2021-01-20得票数 0
加载保存的权重并将所有层的可训练标记设置为false后，我尝试拟合模型，并期望看到一切稳定。但验证损失随着每个时期的增加而增加(和准确率下降)，而训练损失和准确率确实如预期的那样稳定。有人能解释这种奇怪的行为吗？我认为它与批处理归一化层有关。
浏览 1提问于2016-12-19得票数 1
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
