我只是简单地使用MNIST数据集来实现一个简单的ML应用程序。我的代码是 import tensorflow as tf(x_train, y_train),# evaluate on the same dataloaded_model.evaluate(x_test, y_test, verbose=2) 加载后，
浏览 26提问于2020-11-09得票数 0
回答已采纳
2回答
在新的未见数据集中评估我的模型
、、、、
我已经对我的模型(.fit())进行了训练，并对测试分割制造预测(.predict())的性能表示满意。因此，我将模型保存到磁盘(.save('model.h5'))中。现在，我获得了新的未见数据集，并被要求评估我在这个数据集上已经保存的模型的性能。我不仅要报告准确性，而且
浏览 0提问于2020-09-05得票数 2
回答已采纳
4回答
对训练集模型进行评价(即训练训练模型，在同一训练集上评估回归误差/精度)，并将评价结果与模型回归误差/交叉验证(我们在同一训练集上进行交叉验证)和测试集的精度进行比较，以检查过拟合/不拟合是否是一种很好的做法吗据我所知，我们不应该对训练集
浏览 0提问于2020-08-20得票数 1
2回答
培训集交叉验证后是否需要测试集？
、、、、
我想引用Aurelien的“与Scikit学习和TensorFlow一起进行机器学习的手”一书中的一段，关于在使用k-折叠交叉验证对训练集进行超参数调整之后对最终测试集的评估：
“如果您进行了大量的超参数优化(因为您的系统最终对验证数据进行了很好的调整，并且在未知数据集上的性能可能不太好)，那
浏览 0提问于2020-08-14得票数 1
回答已采纳
我想知道一个模型是否也是从测试数据中训练自己，同时对它进行多次评估，从而导致了一个过度拟合的场景。通常，我们将训练数据分成train-test分割，我注意到有些人将它分成3组数据-- train、test和eval。eval是对模型的最终评价。我可能错了，但我的观点是，如果上面提到的场景不是真的，那么就不需要eval数据集。
需要澄清一下。
浏览 5提问于2018-01-03得票数 1
回答已采纳
1回答
我的问题是理论上的，相当技术性的，所以我不会在这里张贴我的代码，因为代码可以在sklearn网站上找到。
浏览 0提问于2019-08-14得票数 0
回答已采纳
1回答
我有自己的图像数据集，并使用Mask-R-CNN进行训练。在这里，您可以将数据集分为训练、验证和测试。 我想知道验证和测试之间的区别。我知道，验证通常用于在每个时期之后查看NN的质量。在此基础上，你可以看到神经网络有多好，以及是否发生了过拟合。但我想知道神经网络是否基于验证集进行学习。 基于训练集，神经网络在每幅图像之后学习，并调整每个神经元以减少损失。在神经网络
浏览 68提问于2019-04-16得票数 0
回答已采纳
我正在处理一个包含368609个样本和34个特征的数据集，我想使用神经网络来使用keras来预测延迟(实际值)，该模型有3个隐藏层，每层有1024个神经元，我已经为每个隐藏层使用了drop_out (问题是我得到的测试平均绝对误差为3.5505毫秒，训练平均绝对误差为3.4528。在这里，训练误差比测试误差小一个小的差距，这是否意味着我们在这里有一个过拟合问题？
浏览 59提问于2020-06-16得票数 1
回答已采纳
通过模拟在每轮中随机选择客户的tff代码，我发现准确率增加到0.9，然后回归到0.5，然后从0.8到0.6，依此类推，它没有增加。你知道吗？谢谢!
浏览 4提问于2020-04-27得票数 0
1回答
我为MNIST数据集开发了一个简单的CNN模型，得到了98%的验证精度。但是，在将模型通过keras保存为model.h5并在另一个jypyter会话中对保存的模型进行推理后，该模型的性能较差，预测是随机的。在不同的jypyter笔记本会话中保存</
浏览 4提问于2022-12-01得票数 -2
2回答
我正在尝试用mnist数据集训练一个简单的神经网络。由于某种原因，当我获得历史(从model.fit返回的参数)时，验证精度高于训练精度，这真的很奇怪，但如果我在评估模型时检查分数，我会获得比测试精度更高的训练精度。
无论模型的参数是什么，每次都会发生这种情况。此外，如果我使用自定义回调并访问参数'acc‘和&
浏览 1提问于2017-07-17得票数 16
回答已采纳
1回答
我有一个用于图像分类的DenseNet121。就目前而言，培训安排相当简单：针对每一个时代，对训练数据加载器进行迭代，计算损失，优化等。
每100批使用验证数据加载器评估损失。在一个时代结束时，将
浏览 0提问于2021-01-30得票数 1
回答已采纳
我使用FaceNet架构训练了我的三重态丢失模型。我使用了11k手数据集。现在，我想看看我的模型执行得有多好，所以我将同一类的2个图像提供给它，并取回它们的嵌入。我想比较这些嵌入之间的距离，如果这个距离不大于某个阈值，我可以说模型正确地将这2幅图像分类为同一个类。阈值是否与用于三重态损失函数的边缘超参数相同？，然后将其视为总体精度</em
浏览 0提问于2018-08-26得票数 1
因为我是在同一个循环中训练和测试的(对于training set上的每个时期，网络都应用于整个validation set)。现在，我在某个时刻(第n个时期)得到的最高验证精度是我的网络的最高精度，这有意义吗?或者我应该只在图形稳定并且权重不变的情况下使用验证精度吗？
浏览 2提问于2020-10-07得票数 0
2回答
在尝试了朴素的Bayes之后，我一直在用Python上的随机森林进行实验，这给了我比我预期的更低的准确率，62%。我的csv文件有大约14,000条记录，我使用80%的训练集和20%的测试集。我尝试了不同的参数，如100树，500和1000，-1 n_jobs等等，但在所有这些测试中，准确性没有太大的变化，它总是在74%或75%
浏览 0提问于2019-07-07得票数 1
我明白为什么一个模型的分数对于每个random_state是不同的，但是我确实期望最高和最低分数之间的差异(从random_state 0到100)是0.37，这是很多的。(下载->数据文件夹-> student.zip -> student mat.csv)import pandas as pd
grade_df_main =
浏览 4提问于2020-06-28得票数 1
回答已采纳
1回答
我正在评估一个使用精确和召回的推荐引擎。到目前为止，我已经用4个不同的数据集对系统进行了评估，精度值分别为0.833、0.857、0.857和0.769。相同数据集的召回值分别为0.448、0.875、0.5504和0.512。如何使用这些结果来评估测试中的推荐引擎？我是否应该在同一数据集上应
浏览 7提问于2014-09-28得票数 1
回答已采纳
1回答
我使用pytorch作为训练框架和官方的示例，用我的自定义数据集训练图像分类模型。我的模型在训练阶段平均
浏览 0提问于2021-09-24得票数 1
回答已采纳
2回答
对于以下问题，我没有找到任何答案：m = load_model.load("lstm_model_01.hd5")
我检查了m的所有可调用方法，但没有找到我要
浏览 0提问于2018-03-07得票数 2
回答已采纳
1回答
我已经为项目的不同阶段设置了ML管道。管道是这样的- 数据提取->数据验证->预处理->训练->模型评估 模型评估，在完成培训后进行，以确定模型是被批准还是被拒绝。现在，我想要的是在训练过程中在任何时候进行模型评估。大约在60%的训练完成时，停止训练并评估模型，基于此，
浏览 23提问于2021-04-01得票数 0
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
