我试图修剪一个基本模型，它由VGG网络上的几个层组成。它还包含一个名为instance_normalization的用户定义层。为了成功地剪枝，我定义了该层的get_prunable_weights函数如下： def get_prunable_weights(self):我使用了以下函数，使用一个名为model的基本模型获得了要修剪的模型结构。'accu
浏览 4提问于2021-08-17得票数 0
回答已采纳
1回答
当我使用XGBoost来拟合一个模型时，它通常会显示一个消息列表，如"updater_prune.cc:74:树剪枝结束，1个根，6个额外节点，0剪枝节点，max_depth=5“。我想知道XGBoost是如何进行树修剪的？我找不到关于他们剪枝过程的描述。
注:我理解决策树剪枝过程，例如剪枝前和剪枝后。在这里，我对XGBoost的实际剪枝过程感到好奇。通常，剪枝需要一个验
浏览 0提问于2018-10-05得票数 6
1回答
我有一个问题来理解一些基本知识，所以我被一个回归树困住了。我用一棵分类树来检验环境参数对我测量的树木生长因子的影响。长话短说：先谢谢你！
浏览 1提问于2017-10-28得票数 0
回答已采纳
2回答
我在分析使用决策树创建的分类器。在scikit的决策树中有一个名为最大值_深度的调优参数。这相当于修剪决策树吗？如果没有，我如何使用scikit修剪决策树？
浏览 0提问于2018-09-23得票数 11
回答已采纳
我正在尝试使用TFMOT (Tensorflow model Optimization ToolKit)修剪一个预先训练好的模型。是否有必要重新训练修剪后的模型以获得更小的gzip大小？如果不重新训练，模型gzip大小不会减小。
浏览 39提问于2020-11-05得票数 0
我是机器学习的新手。我的机器学习目标是通过分析植物叶片的图像来识别营养缺乏。从我到目前为止发现的关于机器学习模型构建技术的情况来看，理想的做法是使用迁移学习。它似乎是大多数(全部？)可用的迁移学习模型已经在imagenet上进行了训练。
如此所示，在imagenet上训练的迁移学习模型返回树叶图像的“brambling”分类。不，这张图片不是一只
浏览 9提问于2021-09-24得票数 0
假设我有一个预先存在的模型，可以对狗、猫和人类进行分类。然而，我所需要的是一个可以区分狗和猫的模型(不需要人类)。现有的模型是笨重和冗余的，所以我想做一个更小，更快的模型，可以做所需的工作。我想利用知识蒸馏(使用以前的模型作为教师，使用新的模型作为学生)，并训练一个全新的模型。
浏览 41提问于2020-11-18得票数 0
1回答
我已经建立了一个模型，并且我能够成功地使用tf.cont肋骨的模型剪枝模块，默认参数和稀疏度为90%，但问题是当我运行该模型时，它仍然需要与原始模型相同的执行时间，我的猜测是，tensorflow不是只运行被剪枝的版本，而是运行整个图的蒙面西部，这就是为什么即使在剪枝之后也没有改进。那么，如何导出具有子图和相应权重的剪枝模型并使用它呢？
浏览 1提问于2018-07-21得票数 2
3回答
因此，我想通过块链剪枝来获得磁盘空间(似乎从~11.4 GiB迁移到~3.3 GiB)，并尝试同步速度的差异。除了私钥之外，还有什么东西可能需要迁移吗？如果是，如何进行？
浏览 0提问于2016-04-01得票数 7
回答已采纳
我创建了一个用于转移学习的PyTorch torchvision模型，使用了预先构建的ResNet50基模型，如下所示： nn.Linear(256, num_classes), model.fc = model_head
现在，我想使用Ineception v3模型作为基础，所以我从上面的re
浏览 2提问于2022-01-09得票数 2
回答已采纳
2回答
元数据包括所使用算法的属性、学习任务本身等，利用元数据可以更好地决策选择的学习算法，从而更有效地解决问题。
迁移学习的目的是改进学习新任务的过程，利用解决以前类似问题所获得的经验。在实践中，大多数情况下，机器学习模型都是为了完成单个任务而设计的。然而，作为人类，我们利用过去的经验，不仅在未来重复同样的任务，而且学习全新的任务。因此，为了在机器学习中使用相同的学习方法，<
浏览 7提问于2020-02-17得票数 1
回答已采纳
2回答
我有一个数据集，我在WEKA中使用J48和ID3算法进行分类。Root relative squared error 40.9571 %
使用
浏览 3提问于2015-04-09得票数 0
1回答
我设法构建了一个应用程序来处理图像，并在"mobilenet_quant_v1_224.tflite“预培训模型上运行。一切正常工作，现在我想添加我自己的调用到模型中来预测。任何答复/建议/方法都会有帮助，因为我不知道该如何进行。链接到经过训练的模型：再一次提前谢谢。
浏览 0提问于2018-05-22得票数 4
回答已采纳
1回答
我将使用预训练模型(之前使用ModelCheckpoint的save_best_only参数保存)来进行双输入迁移学习。model.compile(loss='binary_crossentropy', optimizer=opt, metrics=['accuracy'])
return model 当我尝试使用以下命令进行拟合时我所要做的就是使用一个预先训练好的模型
浏览 31提问于2020-08-19得票数 1
回答已采纳
1回答
我正在尝试用一个非常大的数据集(比我的记忆大得多)来训练一个Tensorflow模型。我正在使用tf.keras.Model构建我的模型。在这种情况下，增量学习是可能的吗？
浏览 6提问于2020-11-12得票数 8
回答已采纳
我想使用预先训练好的Xception模型提取1000个图像特征。但xception模型最后一层(Avg_pool)提供了2048个功能。我可以在没有额外训练的情况下减少最终输出特征数吗？
浏览 5提问于2019-01-29得票数 0
1回答
我使用一种架构，并试图通过剪枝来稀疏它。我编写了剪枝函数，以下是其中之一： for module in model.modules模型的文件(model.pt)大小也一样。模型的“速度”在它之后仍然保持不变。我还尝试了全局剪枝和结构化L1剪枝，结果是一样的。那么，这如何有助于提高模型的性能时间呢？为什
浏览 5提问于2021-09-24得票数 1
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
