在keras中，对许多单个日期点执行fit()是否与对数据集执行fit()相同？例如，正在做一个单一的 model.fit(train_X, batch_size=1,
epochs=1)
浏览 20提问于2021-02-03得票数 1
回答已采纳
3回答
我正在对几个不同的数据集(相同的依赖变量和独立变量)执行相同的回归。然而，有许多自变量，我经常想测试添加/删除不同的变量。我希望避免对不同代码行进行所有这些更改，因为它们使用不同的数据集。我是否可以复制用于创建某个对象的公式，然后使用不同的数据集创建一个新对象？例如，类似于：
fit1 <- lm(y ~ x1 + x2 + x3 + ..., d
浏览 1提问于2014-05-30得票数 2
回答已采纳
我有一个可以容纳主机内存的大型数据集。然而，当我使用tf.keras训练模型时，它会产生GPU内存不足的问题.然后查看tf.data.Dataset，并希望使用其batch()方法对训练数据集进行批处理，以便它能够在GPU中执行model.fitBATCH_SIZE)BATCH_SIZE in dataset.from_te
浏览 6提问于2020-07-01得票数 5
回答已采纳
2回答
当我们缩放数据时，我需要一些澄清。因此，为了防止数据泄漏，我们将列车和测试设备分开，然后分别对它们进行缩放，对吗？因此，在对火车和测试数据集中的数据进行缩放或标记编码时，我们是否可以保存定标器，以便按照训练期间使用的定标器进行新的
浏览 0提问于2020-08-27得票数 0
我对sklearn.cluster.MiniBatchKMeans感兴趣，因为它是一种使用大型数据集的方法。而有关的文档指出：
更新k表示对单个小批X的估计。因此，据我所知，fit()将数据集分解为它训练的数据块(我猜batch_size of MiniBatchKMeans()的论点指的是这个)，而partial_fit()使用传递给它的所有数据来更新中心术语"update“似乎有点模棱
浏览 0提问于2018-10-31得票数 7
1回答
我在用非常大的数据集训练我的角粒密度模型。for k in range(10000):例如，如果我想对整个数据集执行<
浏览 2提问于2022-04-27得票数 1
我有一个非常大的数据集，并且正在使用Keras的fit_generator来训练Keras模型(tensorflow后端)。我的数据需要在整个数据集中进行规范化，但是当使用fit_generator时，我可以访问相对较小的数据批，并且这个小批中的数据规范化并不代表对整个数据集中的数据进行规范化。影响相当大(我对其进行了测试，模型
浏览 0提问于2018-06-04得票数 3
回答已采纳
4回答
我的问题很简单，在用于的顺序模型中传递给model.fit的验证数据是什么？
而且，它是否会影响模型的训练方式(例如，通常使用验证集来选择模型中的超参数，但我认为这里不会发生这种情况)？keras.models.training.fit还调用keras.models.training._fit_loop，后者将验证数据添加到callbacks.validation_data，还调用keras
浏览 8提问于2017-09-19得票数 96
回答已采纳
1回答
到目前为止，我认为我理解了培训、测试和验证集之间的区别。基本上就像在这张图片里：培训集:对模型进行培训的数据测试集:原则上与验证集相同。训练集通常是通过一些交叉验证设置的。当通过model.fit(X_train, y_train,..)进行拟合时，Keras会自动地对数据
浏览 0提问于2019-10-09得票数 0
回答已采纳
2回答
我有一个生成器函数，它生成(输入，目标)的元组，我的模型在这个元组上使用Keras中的fit_generator()方法进行训练。 我的数据集被分成9个相等的部分。我希望使用fit_generator()方法对数据集执行留一交叉验证，并保持先前训练的学习参数不变。我的问题是，在模型上多次调用fit_generator()会让它从头开始重新学习之前的训练和验证集上的学习参数，还是会保
浏览 21提问于2019-06-13得票数 3
回答已采纳
以这个数据集为例，其中有几个标记的图像和许多未标记的图像：
一些论文列出了成功地实现了这一点，或者非常类似的事情。总而言之:如果模型具有相同的输入数据形状和相同的“编码”卷积层，但会分成两个头(分叉式)，那么就有一个分类头和一个解码头，在某种程度上，无监督自动编码器将有助于分类头的良好学习。但在Keras中，事情是更高层次的，我觉得所有对".fit“的调用都必须一次提供所
浏览 0提问于2017-06-01得票数 1
我正在训练一个fit_generator (Tensorflow backend，Python，on MacBook)，在Keras函数的早期停止回调中得到一个错误。/engine/training.py", line 2213, in fit_generator File "[EarlyStopping(monitor="val_loss", min_del
浏览 377提问于2018-03-01得票数 22
回答已采纳
1回答
我用TensorFlow和Keras构建并训练了一个神经网络，它对我的数据非常有效。在使用这些数据之前，我使用sklearn中的StandardScale()对其进行标准化。I fit_transform()训练数据，并且只转换()测试和验证数据。现在我想使用这个模型来处理新的数据。我想我也需要转换()这个数据，但是我该如何做呢？我的数据与</em
浏览 3提问于2021-05-25得票数 0
回答已采纳
我使用keras建立了一个神经网络来进行推荐。我使用训练数据的许多特征来拟合模型。然后我需要使用测试数据对其进行评估。通常，在使用测试数据测试推荐系统时，会使用较少的数据。所以我的问题是keras模型fit()和evaluate()的输入格式是否应该严格一致？具体地说：
浏览 10提问于2017-07-23得票数 0
我正在用Keras训练一个网络。假设在经历了20世纪之后，我想停止训练，看看一切是否还好，然后继续从21世纪开始。是否第二次调用model.fit方法重新初始化已经训练过的权重？
浏览 0提问于2018-02-03得票数 9
回答已采纳
但是，我还没有得到一个很好的答案，那就是数据集生成中的批处理首先解决了什么问题，或者我为什么要使用它。有人能启发我吗？我假设dataset批处理是对GPU最大吞吐量的优化，在内存有限的情况下，尤其是当整个数据集不适合内存时。还有其他情况吗？我对batch_size参数在fit函数中的用途有更好的了解，例如，，数据集批和在fit函数中指定的用于培训的batch_si
浏览 3提问于2021-01-21得票数 1
我在循环中对许多数据集进行线性拟合，并将结果绘制在pdf文件中。是否可以直接将摘要(Fit)的输出保存在相同的pdf文件中，而不是通过控制台观察大约100个数据集的摘要？LMmodel <- y ~ x
pdf(file = OutputFile, wid
浏览 0提问于2013-01-07得票数 3
回答已采纳
我已经建立了一个ML模型，其目标是对下一周的目标进行预测。一般而言，新的数据将在每周结束时输入和处理，数据结构与以前相同。换句话说，相同数量的特征，相同的分类，等等。这里和这里的文档表明，在特定的ML实现下，增量/在线学习是可能的--这意味着新的数据集可以被看作是“小批”，并通过保存/加载模型并使用相同的模型参数调用.partial_fit()来进行增量培训。提
浏览 0提问于2020-02-24得票数 19
1回答
我的训练集由数以百万计的稀疏向量组成。model.fit(X_train, y_train, ...)我知道我可以使用batch_generator来以大块数据的形式给网络提供数据。但是，当我这样做时，我得到的结果(在测试集中)比只在<em
浏览 3提问于2016-10-11得票数 0
在计算Keras (或Tensorflow)中的损失时，是否有一种简单的使用有非均匀惩罚的方法？我的意思是，假设你有5000个训练样本，它们不一样重要，在某些情况下，我们更愿意得到更准确的预测，甚至牺牲了对其他几个样本的不准确估计。我已经有了一些代表样本重要性的系数。有没有办法在Keras或Tensorflow上实现这样的模型？
浏览 2提问于2019-09-18得票数 0
回答已采纳
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
腾讯会议
云直播活动推荐
腾讯云开发者
