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
2
回答
在
CPU
上
使用
mobilenetv2
的
cifar10
数据
集
未获得
正确
的
准确性
tensorflow
、
tensorflow-slim
、
mobilenet
我曾尝试
使用
https://github.com/tensorflow/models/tree/master/research/slim中提到
的
cifar10
数据
集训练
mobilenetV2
,唯一
的
变化是我
在
CPU
上进行了训练,但最终只获得了63%
的
准确率,但声明
的
准确率为94%。DATASET_DIR=/tmp/<e
浏览 128
提问于2019-10-10
得票数 0
1
回答
在
移动设备
上
实施
MobilenetV2
的
问题
android
、
tensorflow
、
mobilenet
、
tensorflow-lite
在
cifar10
数据
集
上
训练
的
MobilenetV2
tflite模型需要形状为1x32x32x3
的
输入图像(因为
在
训练期间
使用
的
是批处理标志),但为了将模型转储到移动设备中,我从摄像头获得了32x32x3
的
形状图像,因此现在无法将
数据
提供给tflite.interpreter.any建议
浏览 8
提问于2019-11-19
得票数 0
2
回答
CIFAR-10
的
Keras V1
的
预期验证精度(从头开始培训)
tensorflow
、
keras
、
deep-learning
你
的
最大准确度是多少?
在
经历了110个时代之后,我被困在了70%
的
地方。下面是我创建模型
的
方法。然而,我
的
训练准确率
在
99%以上。= 0.001中
使用
了Adam优化器,amsgrad = True和批处理大小= 64。也是标准化像素
数据
除以255.0。我不
使用
任何
数据
增强。x_test,y_test_one_hot),batch_size=64, epochs=100) # train the model 我认为我
浏览 1
提问于2018-09-06
得票数 1
回答已采纳
3
回答
基于割炬
的
Resnet18
在
CIFAR100
上
的
低精度实现
python
、
pytorch
我正在CIFAR100
数据
集
上
训练一个CIFAR100。经过大约50次迭代,验证精度收敛到34%左右。训练准确率几乎达到100%。我怀疑这有点过分,所以我应用了RandomHorizontalFlip和RandomRotation这样
的
数据
增强,这使得验证会聚在40%左右。学习速度
的
衰减似乎不能提高学习效果。 听说CIFAR100
上
的
Resnet可以达到70%~80%
的
准确率。我还能申请什么花招?或者我
的
实施有什么问
浏览 3
提问于2020-07-21
得票数 2
回答已采纳
3
回答
Python 3 keras: UnpicklingError: pickle
数据
对于部分下载
的
keras
cifar10
数据
集
被截断
python-3.x
、
machine-learning
、
keras
我需要一些帮助来修复我
的
错误。我试图加载
cifar10
数据
集
,但由于互联网不稳定,第一次无法完全下载,随后
在
互联网稳定
的
情况下重新运行代码时出现以下错误:<ipython-input-16-9117078ebdb2> in <module>() 29 d
浏览 0
提问于2018-09-25
得票数 1
2
回答
使用
迁移学习时不学习
的
模型
deep-learning
、
neural-network
、
transfer-learning
、
convolutional-neural-network
我正在从事一个关于图像分类
的
个人项目(两个类),并试图了解MobileNet v2结构将如何执行。虽然训练
的
准确性
已经相当高,但经过第一次训练后,训练
的
准确率还在不断提高。然而,验证
的
准确性
似乎永远停留在50%
的
关口附近。我尝试过SGD、Adam和RMSprop作为优化器,但是它们都产生了相同
的
结果。我还
使用
了带有和不带MobileNet权重
的
v2,没有看到任何区别。其他CNN架构工作得很好,达到了95%<em
浏览 0
提问于2019-11-28
得票数 2
1
回答
训练
集
规模与训练时代
的
关系
image-processing
、
classification
、
deep-learning
我目前正在
Cifar10
数据
集
上
训练一个常规网络。假设我有5万张训练图像和5000张验证图像。现在,假设我找到了一个
在
验证
集
上达到70%
准确性<
浏览 8
提问于2017-03-25
得票数 0
回答已采纳
1
回答
我如何才能看到仅在最后3个时期
的
验证
准确性
?这是为了减少时间。
machine-learning
、
keras
我正在
使用
Resnet18架构处理
cifar10
数据
集
。我现在需要
的
是
在
100秒内达到94
的
准确率。因此,我被建议只检查最后3个时期
的
验证
准确性
。有没有人能教我怎么做?epochs=24, verbose=1,上面的代码检查所有24个时期
的
验证
准确性
浏览 0
提问于2019-08-17
得票数 0
1
回答
ResNet50火炬视觉实现在CIFAR-10
上
的
精度很低。
machine-learning
、
neural-network
、
pytorch
、
resnet
、
torchvision
我是深度学习和PyTorch
的
新手。我
在
cifar10
上
的
火炬视觉模块中
使用
resnet-50模型.我从火炬视觉导入了CIFAR-10
数据
集
。测试
的
准确性
很低,我试过配置分类层,但精度没有变化。我
的
密码有什么问题吗?我
在
计算准确度时犯了错误吗?/
CIFAR10
',download=True,transform=transformations,t
浏览 2
提问于2020-05-19
得票数 0
回答已采纳
2
回答
如何提高模型
的
损耗和精度?
python
、
tensorflow
、
machine-learning
、
keras
、
deep-learning
我目前正在
使用
从kaggle初学者代码中提取
的
Unet模型,并修改了几个参数,以便在TACO
数据
集
上
对垃圾进行训练。现在,我不知道该如何继续优化我
的
模型。我正经历着荒谬
的
损失和糟糕
的
准确性
,我不完全确定哪些参数会提高我
的
模型
的
准确性
和损失。TACO
数据
集
有60个类别(61个包括背景)。我做错了什么吗?validation_steps,
浏览 2
提问于2020-05-21
得票数 1
回答已采纳
1
回答
训练精度好,验证精度差
python
、
performance
、
tensorflow
、
machine-learning
、
deep-residual-networks
我正在尝试实现一个剩余网络来对项目的
CIFAR10
数据
集
上
的
图像进行分类,并且我有一个工作模型,该模型具有逻辑增长
的
准确性
,但验证
的
准确性
却达到了稳定
的
水平。
在
大多数层之后,我
使用
了批处理规范化和relu,最后
使用
了一个softmax。以下是我
的
数据
分割: (train_images, train_labels), (test_
浏览 4
提问于2020-03-27
得票数 1
回答已采纳
1
回答
为什么我
的
输出预测相同
的
标签
使用
预先训练
的
Alexnet
在
放火枪?
python
、
machine-learning
、
pytorch
、
conv-neural-network
我试图为
CIFAR10
数据
集
使用
经过预先训练
的
alexnet模型,但是它总是将所有东西都预测为同一个类。我
使用
完全相同
的
代码,除非
使用
未经训练
的
alexnet,而且它按预期工作。它为什么要这么做?这是我
的
代码: device = torch.device('cuda') if torch.cuda.is_available() else torch.device('
cpu</em
浏览 13
提问于2022-05-19
得票数 0
回答已采纳
1
回答
TF :自定义
数据
集
上
的
微调移动
集
v2
python
、
tensorflow
、
tensorflow-slim
我正在尝试微调我
的
自定义
数据
集
上
的
Mobilenet_v2_1.4_224模型,用于图像分类任务.我遵循本教程。我已经创建了.tfrecord列车和验证文件。lhs shape= 1,1,24,144 rhs shape= 1,1,32,192[节点:保存/分配_149=分配] DATASET_DIR=G:\Dataset--dataset_split_name=train \ --model
浏览 0
提问于2018-04-05
得票数 2
回答已采纳
1
回答
Caffe : cifar 10_quick测试问题
caffe
我已经训练过CIFAR快速
使用
caffe,但是当我
使用
python包装测试cifar10_quick_iter_5000.caffemodel.h5时,我获得了52-54%
的
准确性
,而它应该是75%。我不明白为什么我会得到如此低
的
精确度,因为当我测试Lenet时,我得到了caffe网站上
的
MNIST示例所期望
的
精度。为了验证我
的
方法是
正确
的
还是错误
的
,我已经尝试了训练
的
模型文件,我
浏览 4
提问于2016-02-22
得票数 0
回答已采纳
1
回答
在
deeplab
上
训练我自己
的
数据
集
,但推断都是黑色
的
tensorflow
、
deeplab
我尝试
在
TensorFlow模型园
的
deeplab模型
上
训练自己
的
数据
集
,我可以得到随着时间
的
推移损失减少
的
结果,我
使用
了官方存储库提供
的
预训练模型。但是当我尝试
使用
最新
的
检查点进行可视化,或者尝试将模型冻结到.pb并进行推断时,结果只有黑色图像(我用NumPy检查这些图像,所有像素都是0)。我
的
训练脚本如下: python deeplab/train.
浏览 1
提问于2020-05-14
得票数 1
1
回答
如何将新示例添加到
CIFAR10
torchvision?
dataset
、
pytorch
、
torchvision
、
custom-dataset
您好,我想在torchvision中将我自己
的
图像添加到
CIFAR10
数据
集中,我该怎么做呢? train_data = torchvision.datasets.CIFAR10(root='.
浏览 14
提问于2020-07-16
得票数 0
1
回答
使用
cifar 100
数据
预训练cifar 10网络
python
、
tensorflow
、
keras
、
deep-learning
为了进行优化,您将
使用
来自CIFAR-100
数据
集
的
“bus”和“tiger”类
的
数据
。您
的
任务是了解如何对预先训练
的
CNN模型进行微调,
使用
训练
数据
(我认为每个类有500张图像)“bus”和“tiger”类对网络进行微调,并
使用
相同2个类
的
测试
数据
(每个类100张图像)验证
准确性
。可以
在
预先训练
的
模型
浏览 3
提问于2019-11-14
得票数 2
1
回答
CPU
上
的
变量,GPU
上
的
训练/梯度
tensorflow
在
CIFAR-10教程中,我注意到变量被放置
在
CPU
内存中,但是
在
中它是用一个GPU训练
的
。 我很困惑..。层/激活是否存储
在
GPU中?或者,梯度是否存储
在
GPU中?否则,似乎
CPU
上
存储
的
变量根本就不会
使用
GPU --所有的东西都存储
在
CPU
内存中,所以只有
CPU
用于向前/向后传播。如果GPU用于f/b传播,这难道
浏览 7
提问于2015-12-23
得票数 6
回答已采纳
1
回答
使用
tf.slim
的
多GPU训练要比单个GPU花费更多
的
时间。
python
、
tensorflow
、
gpu
、
multi-gpu
、
tf-slim
我正在
使用
tf.slin
的
ResNet50脚本微调
CIFAR10
数据
集
上
的
: --train_dir=${TRAIN_DIR}/all \ --dataset_name=
cifar10
log_every_n_step
浏览 0
提问于2017-04-04
得票数 0
1
回答
如何选择代表性/原型图像?
image
、
machine-learning
、
select
、
classification
、
supervised-learning
在
机器学习领域,半监督学习是研究人员正在研究
的
主要领域之一。但问题是,
准确性
(或任何其他指标)很大程度上取决于随机选择
的
标签
数据
。所以我想知道如何从未标记
的
数据
集中选择“有代表性
的
”
数据
。它将是一种无监督
的
学习技术,并且是
数据
不可知
的
。这里,“
数据
不可知论”是指模型选择原型图像,而不考虑
CIFAR10
、100、SVHN、MNIST等
数据<
浏览 2
提问于2020-03-24
得票数 1
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
麻省理工 HAN Lab 提出 ProxylessNAS 自动为目标任务和硬件定制高效 CNN 结构
使用Pytorch训练分类器详解
谷歌发布MobileNetV2:新一代移动端计算机视觉网络
MobileNetV2:下一代设备上计算机视觉网络
PyTorch 60分钟入门系列之训练分类器
热门
标签
更多标签
活动推荐
运营活动
广告
关闭
领券