我试图训练一个用于二进制分类的模型，但在3个时期之后，验证准确率仍然保持在0.5000。 数据集由两个类的1512个图像组成，因此总共有3024个图像。我使用keras进行迁移学习，使用的是VGG16模型。============] - 2500s 4s/step - loss: 8.0054 - acc: 0.5033 - val_loss: 8.05
浏览 18提问于2019-02-03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</em
浏览 3提问于2018-09-07得票数 0
2回答
我正在努力理解keras模型是如何工作的。 当我们训练模型时，我们给出指标(如“准确性”)和损失函数(如交叉熵)作为参数。我想知道的是模型优化的目标是什么。拟合后，leant模型最大限度地提高了准确性？或者最大限度地减少损失？
浏览 30提问于2020-10-27得票数 0
我有一个非常基本的问题。 1)建议在什么时候保留部分数据进行验证，什么时候不需要？例如，什么时候我们可以说80%的训练，10%的验证和10%的测试拆分更好，什么时候我们可以说简单的80%的培训和20%的测试拆分就足够了？2)另外，使用K-Cross验证是否适用于简单的拆分(训练</em
浏览 26提问于2020-03-18得票数 0
回答已采纳
1回答
我是不是太适应了？
、、、、
我目前正在用黑暗流Yolov2训练我的模型。最优选择是有lr 0.001的SGD。基于这个图表，我的val损失>火车损失，这就意味着它太合适了？如果是的话，建议的行动方针是什么？要了解更多信息，我的训练数据集包含每个类400个图像，只有一个注释，总共有2800个图像。我这样做是为了防止类不平衡，只对每个映像注释一个类实例。我的val数据集由350个图像组成，包含多个注释。基本上，我注释了图像中的每一个对
浏览 8提问于2020-01-07得票数 0
1回答
我正在尝试在视网膜图像的数据集中使用imagenet转移学习VGG16模型，但我对获得像this这样的图表感到困惑，我不知道为什么验证精度没有像训练精度一样在历元期间以正常的方式增加，这是过拟合的指标吗
浏览 17提问于2020-04-13得票数 0
1回答
只在一个类别上使用CNN
、、、、
我想在一类图像上使用InceptionV3。仅检测一种类型的对象/一个标签)。例如，检测“企鹅”或“没有企鹅”。我所有的图像都被裁剪下来，主要是显示物体，所以几乎没有任何背景出现，物体在清晰的视野中。我使用了瓶颈技术；我冻结了“盗梦空间”的顶层，这样我就可以重新训练“盗梦空间”来分类我的对象。然而，这意味着我没有可供选择的类来训练，因为
浏览 0提问于2020-08-28得票数 0
我有一组不同长度的非零序列，我使用Keras对这些序列进行建模。我使用来标记(令牌从1开始)。为了使序列具有相同的长度，我使用填充。填充的一个例子：# [0,0,0,0,10,3,4]# [10,3,4,5,6,9,8]
为了评估该模型是否能够推广，我使用了一个在每个时代结束时，Ker
浏览 0提问于2020-07-19得票数 3
我运行一个简单的神经网络进行训练。输入为12个特征，输出为25个。我使用tflearn运行代码，但正如屏幕截图所示，为什么最终的准确率不在0.68左右？ #Set network variables and hyperparameters nHidden = 200
nOut = 25
浏览 20提问于2018-03-06得票数 1
在训练的不同阶段，MAP (平均平均精度)是否能很好地替代训练和验证精度，是用于目标检测的机器学习模型？我正在重新训练Mask RCNN (预科MS)的合成图像(有五个课程)，验证损失似乎上下波动，直到1600年代，尽管训练损失下降。我计算了每100年代的平均精度，无论是<e
浏览 0提问于2019-12-18得票数 2
1回答
神经网络的精度正在下降
、、、、
其中，我随机初始化了hiddenLayer权重(784,100)和outputLayer权重(100，10)，.Algorithm是基于小型化理论和正则化超拟合mnist.pkl.gz数据集的。我使用的小型批大小为10，学习速率(Eta)=3，正则化parameter=2.5。.After =‘After 2’>运行程序后，其精度提高，然后下降.因此，请帮助我如何使它更好，以获得更多的准确性。以下是算法的分类。提前谢谢..。
浏览 1提问于2017-03-09得票数 1
1回答
目前，我正在尝试创建一个模型，以便从coco数据集中对5个特定的类进行分类。我的问题是：-训练一个模型同时检测所有的类。或者：谢谢！)
浏览 0提问于2021-11-26得票数 0
回答已采纳
3回答
部署LSTM模型
、、
我已经训练和验证了我的LSTM，我想部署它。因此，我知道我们可以保存和加载Keras的Sequential对象(您可以猜到，我正在使用Keras )。因此，我使用这些函数实现了一个代码。但是，我想知道我是否必须用所有可用的数据(训练+测试)来训练我的模型，还是像我在学习期间所做的那样对训练集<
浏览 0提问于2019-08-06得票数 5
回答已采纳
我目前正在尝试使用带有python的Tensorflow对象检测API构建一个对象检测器。我按照贴出的faster-rcnn model和的指示重新训练了
然而，只要我知道我是，训练时间是相当长的。我知道我正在使用转移学习，而不是从零开始训练一个更快的rcnn模型。我想知道是
浏览 0提问于2019-07-31得票数 0
回答已采纳
5回答
我正在做一个年龄估算项目，试图在一个预定义的年龄范围内对一个给定的面孔进行分类。为此，我正在使用keras库来训练深度NN。培训和验证集的准确性如下图所示：正如你所看到的，验证的准确性以比训练精度更小的步骤不断提高。我是应该在训练和验证精度相同
浏览 0提问于2018-05-29得票数 10
回答已采纳
1回答
超装指示
、、
我正在训练一个图像识别模型使用盗梦空间和转移学习，基于Tensorflow的诗人教程。
我已经运行了500 K的步骤，希望看到最佳的步骤数之前，过度训练的阶层。下面的张板图显示了我的训练精度稳步提高，但是验证精度已经稳定在70K级左右。我的理解是，当它开始过度训练时，
浏览 0提问于2018-05-05得票数 2
回答已采纳
1回答
我想使用转移，学习和微调，我需要决定哪一部分的原始模型将使用，哪一部分将被冻结。我正在考虑四种可能的情况:小/大的新数据集，这个集合与原始数据集相似/不相似。应如何在每一种情况下取得最佳结果？
浏览 0提问于2021-01-27得票数 0
回答已采纳
我正在使用Keras和预先训练好的权重用于Conv层，并且只想训练密集层。当我使用输入维度150x150或224x224，但不收敛于299x299 (训练损失增加，训练和验证精度保持不变，相当于随机猜测)时，模型表现出预期的效果。
这一切为什么要发生？
浏览 2提问于2018-04-02得票数 0
使用下面的例子进行迁移学习有什么区别？图像分类.使用预训练模型(MobileNet V2模型) https://www.tensorflow.org/tutorials/images/transfer_learning#create_这个_基座_模型_从…_这个_预训练_凸网进行传递学习和微调
对象检测</
浏览 0提问于2022-08-03得票数 0
2回答
对于PyTorch关于执行计算机视觉()的迁移学习的教程，我们可以看到比训练精度更高的验证精度。将相同的步骤应用于我自己的数据集，我看到了类似的结果。为什么会这样呢？这与ResNet 18的架构有关吗？
浏览 2提问于2019-11-17得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
