腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
这些是
卷积
神经网络
的
最佳实践吗?
python
、
tensorflow
、
deep-learning
、
neural-network
、
conv-neural-network
这是我对
卷积
神经网络
的
理解和我
的
最佳实践。请告知我
的
直通过程
是否
准确。2)
数量
取决于小细节
的
数量
。3)总是有一个maxpool层,用来向输出层显示图像中最重要
的
部分。 4)如果最近几个
历
元
之间
的
准确率很低,并且
训练
时间很长,请考虑增加学
浏览 16
提问于2020-05-18
得票数 0
1
回答
卷积
中
的
滤波器
数量
与
训练
过程中
的
历
元
数量
之间
是否
存在
关系
?
neural-network
、
conv-neural-network
如果我用50个时期
训练
网络,那么在具有10个过滤器
的
单个Conv层
的
CNN中会发生什么? 一个过滤器不是像拥有50个过滤器一样优化了50倍吗?还是10个过滤器被优化了50次?如果是第二种情况,10个过滤器
中
的
哪一个被用来进行预测?
浏览 15
提问于2019-05-07
得票数 0
1
回答
如何知道反向传播能否成功
训练
?
artificial-intelligence
、
backpropagation
它
的
训练
时间约为1小时,它已经从所有100个输入
中
训练
了60-70个输入。我
的
意思是,在反向传播
的
条件下,60-70个输入是正确
的
。(经过
训练
的
输入
数量
在60到70
之间
移动)。目前,已经完成了10000多个
历
元
,每个
历
元
几乎需要0.5秒。 如果我离开很长一段时间,如何知道神经网络
是否
可以成功
训练</em
浏览 1
提问于2012-01-20
得票数 3
回答已采纳
1
回答
如何在Caffe
中
定位/指定池层
的
大小?
neural-network
、
deep-learning
、
caffe
、
conv-neural-network
、
mnist
我
的
团队一直在研究Caffe
的
MNIST示例,并且能够在一些神经网络
的
层(如
卷积
层)
中
定位/指定神经
元
/
滤波器
的
数量
,这是一个名为num_output
的
参数所引用
的
。但是,池层似乎没有指定它们具有/我们可以调整
的
输出
数量
。有没有任何方法来定位这些信息,以便我能够知道在MNIST示例神经网络
的
每一层
中
浏览 2
提问于2016-06-08
得票数 2
回答已采纳
2
回答
CNN
的
卷积
层需要多少个神经
元
?
machine-learning
、
deep-learning
、
neural-network
、
artificial-intelligence
、
conv-neural-network
在
卷积
层
中
需要多少个神经
元
来处理32*32大小
的
图像,包括32
滤波器
和核大小3 *3。我知道输入
的
神经
元
为32 * 32,即1024,但如何计算隐藏
卷积
层所需
的
神经
元
。
浏览 1
提问于2020-08-17
得票数 0
4
回答
CNN
中
的
过滤器
数量
是多少?
machine-learning
、
neural-network
、
theano
、
convolution
我正在看theano
的
API,当filter_shape是(num_filter, num_channel, height, width)
的
元组时,我对此感到困惑,因为这不是由在图像上滑动滤镜窗口时
的
步幅决定
的
滤镜
数量
吗?如果它是由参数
浏览 1
提问于2016-03-27
得票数 53
回答已采纳
1
回答
如何使用libsvm对图像进行
训练
和分类?
java
、
image
、
machine-learning
、
classification
、
svm
使用libsvm
的
分类总是错误
的
,并且它永远不会改变预测
的
标签。我有7种情绪,当我试图从数据集之外预测一幅图像时,它给了我4.这是快乐
的
情绪,我尝试了数据集中
的
一幅图像,结果是相同
的
标签)./svm-t
浏览 2
提问于2015-06-23
得票数 1
1
回答
如何获得tensorflow模型
的
漏报预测
deep-learning
、
conv-neural-network
、
image-classification
当使用TensorFlow时,我会在使用method.fit时自动生成预测,并将其
训练
成特定
数量
的
历
元
。我想知道如何从模型
中
得到正确预测和错误预测
的
图像。作为参考,这是我遵循
的
教程 我试图通过调用查看
是否
可以打印混淆矩阵
的
输出来查看
是否
存在
访问预测
的
方法,但我找不到这样
的
库。
浏览 2
提问于2022-04-06
得票数 1
2
回答
新图像尺寸
的
传递学习
deep-learning
、
neural-network
、
keras
、
convolutional-neural-network
转移学习:将经过
训练
的
神经网络用于新
的
分类任务。我不明白为什么改变输入形状不会影响
卷积
层
的
重量和为什么它会影响完全连接
的
层权重。 如果我
的<
浏览 0
提问于2019-08-16
得票数 1
回答已采纳
1
回答
Keras Conv2D:过滤器
与
kernel_size
python
、
neural-network
、
keras
、
deep-learning
、
conv-neural-network
这也有助于在
卷积
网络
的
更一般
的
上下文中进行解释。 另外,顺便说一句,什么是渠道?换句话说,请为我分解这3个术语:通道vs过滤器vs内核。
浏览 1
提问于2018-07-05
得票数 21
回答已采纳
1
回答
在CNN网络
中
,输入图像
是否
应该到达第一
卷积
层(我指的是第一隐层)
中
的
所有神经
元
?
tensorflow
、
machine-learning
、
deep-learning
、
artificial-intelligence
、
conv-neural-network
我是CNN话题
的
新手,我有一个关于输入图像
与
第一
卷积
层神经
元
之间
的
映射
的
基本问题。 我
的
问题是:输入图像
是否
应该到达第一
卷积
层(我是指第一隐藏层)
中
的
所有神经
元
?例如:如果我在CNN
中
的
第一个隐藏层是8个神经
元
,在这种情况下,完整
的
输入图像被传递给所有这8个神经
元
,或者只有一
浏览 0
提问于2020-03-15
得票数 0
1
回答
tensorflow:过滤器
与
内核和大步
python
、
tensorflow
、
machine-learning
、
conv-neural-network
、
autoencoder
Python 3.5 / Windows 10 / tensorflow-gpu 1.12 (GTX 1070)资料来源:。filter_ct_a, out_shape_a, padding_a)) # Filters: 25 Padding : [1, 1] 我对这种
关系
的
虚拟计算如下: def calc_num_filters(shapeXY, fi
浏览 0
提问于2018-12-16
得票数 2
回答已采纳
1
回答
具有热身参数
的
HuggingFace线性调度器
optimization
、
huggingface-transformers
HuggingFace
的
采用如下参数: 为了正确地定义调度器,我们需要知道我们将要执行
的
训练
步骤
的
数量
,即我们想要运行
的
历次乘以
训练
批数(这是我们
的
训练</e
浏览 17
提问于2022-07-20
得票数 1
2
回答
如何理解Keras Conv2D层
的
第一个参数?
python
、
tensorflow
、
keras
、
conv-neural-network
我正在遵循指南,并试图理解创建Conv2D实例
的
第一个参数。由于指南使用相同
的
32来表示batch大小和filters,
是否
有特定
的
理由选择32,这两个参数应该总是相互匹配吗?
浏览 1
提问于2020-05-22
得票数 1
回答已采纳
3
回答
增加或降低增加神经
元
或体重
的
学习率?
machine-learning
、
neural-network
、
deep-learning
、
conv-neural-network
我有一个
卷积
神经网络,我修改了结构。我没有时间重新
训练
和执行交叉验证(网格搜索最优参数)。我想直观地调整学习速度。在下列情况下,我
是否
应该增加或降低RMS (基于SGD)优化器
的
学习速率: 我给完全连接
的
层增加了更多
的
神经
元
?在
卷积
神经网络
中
,我在完全连接之前去掉了一个次采样(平均或最大池)层,并且增加了特征映射和softmax输出
之间
的
完全连接单元
的
数量
(这
浏览 7
提问于2015-12-27
得票数 9
回答已采纳
1
回答
2个
卷积
层
的
堆叠
keras
、
neural-network
、
conv-neural-network
在具有n个神经
元
的
卷积
层
中
,
训练
尺寸为h x w x c(高度x宽度x通道)
的
输入,c通常为3 (RGB),
训练
大小为k x k(和n偏置值)
的
n x c核。因此对于层
中
的
每个神经
元
i和输入
中
的
每个通道j,我们有一个大小为k x k
的
权重矩阵,我们称之为weights_ij。每个神经
元
i=1,..然后输出是h_new x w_n
浏览 52
提问于2020-07-29
得票数 0
1
回答
在大容量网络上培训少量数据
deep-learning
目前,我正在使用
卷积
神经网络来解决二
元
分类问题。我使用
的
数据是2D图像,而
训练
数据
的
数量
只是关于20,000-30,000.
的
。在深度学习
中
,当模型相对于
训练
数据量()过于复杂时,一般认为过拟合问题会产生。因此,为了防止过度拟合,采用简化
的
模型或传递学习。以前
的
开发人员在同一领域没有使用高容量
的
模型(高容量意味着大量
的
模型参数),因为培训数据
的
<
浏览 1
提问于2019-03-22
得票数 1
回答已采纳
1
回答
TP、TN、FP和FN
的
总数不等于观测值
的
总数。
python
、
tensorflow
、
keras
、
metrics
、
confusion-matrix
我是通过 TensorFlow
的
。在本教程
中
,他们使用了。在部分,您可以看到培训示例
的
数量
是182276,验证示例
的
数量
是45569。但是,如果您查看部分
中
的
培训日志,那么您可以看到,FP+TP+FN+TN
的
和并不等于培训示例
的
数量
。也不等于验证数据
的
验证示例数。随后
的
所有时代也是如此。为什么是这种情况?随着
历
元
数<
浏览 2
提问于2021-01-12
得票数 1
1
回答
CNN参数估计
tensorflow
、
deep-learning
、
keras
、
conv-neural-network
我想为二值图像分类任务设计一个CNN,即检测图像
中
存在
或缺失
的
小对象。这些图像是灰度(无符号缩写),大小为512x512 (已经从2048x2048
中
取样),我有数千张这些图像用于培训和测试。我
的
具体问题是: 有了这些硬件和软件
浏览 1
提问于2017-10-01
得票数 1
回答已采纳
1
回答
模型
训练
:具有不同超参数
的
已保存模型
的
命名方案
machine-learning
、
amazon-s3
、
neural-network
、
model
、
pytorch
对于分类任务,我一直在试验不同
的
神经网络架构和
训练
方法:改变隐藏层
的
数量
,激活函数,批量大小,
历
元
,损失函数等。 有时,我会比较不同模型
的
性能。
训练
/验证后,每个模型都保
存在
S3
中
,其名称表示其参数+超参数(例如'100_1000_0.5_100_..._1.model')。一种可能
的
替代方案是为不同
的
参数创建嵌套文件夹(例如100 -> 100
浏览 8
提问于2020-08-11
得票数 0
点击加载更多
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
从AlexNet到残差网络,理解卷积神经网络的不同架构
不使用先验知识与复杂训练策略,从头训练二值神经网络!
优Tech分享|基于模型剪枝的高效模型设计方法
HALCON高级篇:CNNs理论
重温 Deep Learning 必备概念
热门
标签
更多标签
活动推荐
运营活动
广告
关闭
领券