我使用keras来执行图像分类，我有10个类和大约900张图像，我使用VGG 16并建立在这个小网络之上model.add(Flatten(input_shape256, activation='relu'))model.add(Dense(num_classes, activation='softmax'))
我使用50 epoch<e
浏览 10提问于2019-10-23得票数 0
我正在学习如何使用Tensorflow，下面的一个例子建立了一个模型来执行方程y=mx+c的线性回归，我生成了一个1999年样本的csv文件，以及一个可以改变归一化(on / off)、层数、节点数和历元数的模型归一化层节点历元起始损耗终点损失精度真实1 200 50 0.5963 0.4347 0真实10421.1371 40.6160 0假10 500 5 382.2659 29
浏览 0提问于2020-12-31得票数 1
回答已采纳
1回答
使用互斥任务的多任务学习？
、、、、
我希望通过使用图中所示的共享层执行分割和分类来执行多任务学习。然而，输出1将是一个分段掩码，它使用不同的损失函数，如骰子损失，输出2使用softmax激活来提供类别概率。而且，数据是相互排斥的，分割任务来自自然图像领域，而分类任务来自医学图像领域。Keras或Pytorch是否有明确的方法或示例来演示这种多任务学习任务？
浏览 5提问于2020-06-01得票数 1
1回答
我想使用一个损失函数，其中包括一个表达式，用于关注模型所使用的区域。Loss = categorical_crossentropy(y_pred, y_true) + alpha*A
其中A是关注模型中的区域。如何在Keras中创建自定义损失函数，以最小化标准损失之和+一些附加函数？
浏览 0提问于2018-12-18得票数 1
回答已采纳
我试图使用keras神经网络生成一组输出，这些输出在(一个组)中进行评估，以确定性能(而不是按元素划分)。这与典型的损失函数(如mse )不同，mse计算每个元素的单个损失值。我一直试图使用自定义丢失函数和角角中一些普通的密集层来完成这项工作，但它非常不稳定。是否有更好的/预先存在的方法？(见下面图像中当前设置的伪代码)
浏览 2提问于2021-07-23得票数 0
1回答
对于多类分类问题，Keras和tf.keras有像SparseTopKCategoricalAccuracy和TopKCategoricalAccuracy这样的度量标准。但是，如果使用损失函数(如SparseCategoricalCrossentropy或CategoricalCrossentropy )，则无法达到这两个指标的最大值。当一个人想要最大化SparseTopKCategoricalAccuracy或TopKCategoricalAccuracy时，什么是
浏览 1提问于2020-09-19得票数 3
我使用一个非常简单的模型来对224x224 RGB图像进行分类。为什么我的模特搞混了？该模型很容易处理：但是，当我在图像的下部增加更多的像素时--它的准确率只有50%，损失
浏览 0提问于2019-10-25得票数 1
1回答
我正在研究一个multi-label图像分类问题，评估是根据系统预测标签和地面真实标签之间的F1-score进行的。鉴于此，我应该在获取keras_metrics.f1_score()的地方使用loss="binary_crossentropy"还是loss=keras_metrics.f1_score()：https://pypi.org/project/keras-metrics/？我有点困惑，因
浏览 24提问于2019-05-27得票数 6
假设我使用的是最大似然方法，我的输出单元计算一个softmax函数。使用上面给出的训练集，并进行标准化的重量平衡(例如使用sklearn.utils.class_weight.compute_class_weight)。还是应该简单地使用类中的最小样本数(即5)来提取示例的均衡分布？当然，我试图做一些
浏览 0提问于2021-05-27得票数 2
我正在使用Keras w/ Tensorflow后端来训练NN。
我使用train_on_batch进行训练，它返回给定批次的损失。如何获得该批处理的输出分类？在Caffe中，当图像前馈时，中间层输出仍然存储在net.blobs中，但在Keras/Tensorflow中，似乎如果我们想要获得中间输出，我们必须为我们想要在CPU上访问的每个中间输出重新运行计算图，如所述。
浏览 0提问于2016-11-17得票数 1
在从帧中获得边界框之后，裁剪后的图像应该通过不同的分类模型(在不同的库上进行训练，如keras和caffe)并获得预测结果。
由于这种分类模型的预测方法不起作用。关于如何在目标检测输出边界框(裁剪图像)上运行不同的分类模型，有什么想法吗？
浏览 1提问于2020-03-03得票数 0
我正试图通过微调一个VGG16网络(在ImageNet上进行预先培训)来进行传输学习，以便对一个小得多的数据集(11000幅图像，200个类)进行图像分类。所以，当我在这个网络上训练时，我不会做任何花哨的预处理，只会用原始作者给出的VGG_MEAN值减去图像中的每个通道。所以问题是，培训似乎进行得很好，损失大幅下降，并稳定在某一值附近，在特定数量的批次培训之后，我正在监控网络在验证集(20%的数据)
浏览 4提问于2016-11-09得票数 0
回答已采纳
1回答
我正在尝试使用CNN对巨蟒中的医学图像进行分类，使用keras。这些医学图像还包括文本信息，如年龄和性别，可以影响模型的决定。我如何训练CNN既能利用图像又能利用现实世界的信息进行训练，使之成为两者的分类基础。
浏览 2提问于2020-08-01得票数 1
回答已采纳
0回答
我目前有一个keras模型，它使用完全卷积网络将每个像素分类为属于目标或背景。因为我只有两个类(对象或背景)，所以我在输出层使用了sigmoid激活和binary_crossentropy损失。然而，对于一些图像，我不确定其中一些像素属于哪种类别，因此我想将这些像素标记为空，以便网络权重不会基于这些像素的预测进行更新。在Keras中有没有一种处理空标签的方法？通常，一种方法是为每个像素指定损失权重，并将void像素的权重设置为0。(例
浏览 6提问于2017-11-28得票数 1
回答已采纳
2回答
Keras中的自定义损失函数
、、、、
我正在研究一种图像类增量分类器方法，使用CNN作为特征提取器，并使用完全连接的块进行分类。当一些类可用时，我必须计算包括新类的样例在内的样例的每一个输出。我的问题是，如何将损失函数更改为自定义损失函数，以便为新类进行训练？我想实现的损失</e
浏览 2提问于2017-05-06得票数 53
回答已采纳
1回答
import ImageDataGeneratorfrom tensorflow.keras.optimizers'),tf.keras.layers.Dropout(rateaccuracy = model.evaluate(train_dataset)
print(&quo
浏览 4提问于2021-06-22得票数 0
回答已采纳
1回答
我使用keras进行分类。在一些数据集中，它运行良好并计算损失，而在另一些数据集中，损失是NaN。
不同的数据集是相似的，因为它们是原始数据集的增广版本。使用keras-bert时，原始数据和某些增广版本的数据运行良好，而其他增广版本的数据运行不好。当我在扩展版本的数据上使用常规的单层BiLSTM时，它的工作效果很好，这意味着我可以排除数据出错或包含可能影响损失计算方式的虚假值的可
浏览 0提问于2021-05-04得票数 1
回答已采纳
我即将开始一个使用灰度掩码进行语义分割的项目。问题是，我们必须检测图像的每个像素，如果它是一个对象或背景(二进制类问题)。我很难将这个像素二进制分类任务与掩码标签联系起来，因为每个像素都在一个范围内的0,255。我已经根据这方法开始用Keras实现了一个U-net (在keras中是相当新的)。对不起，如果我没有使用适当的技术术
浏览 0提问于2019-11-13得票数 2
1回答
我使用神经网络进行多类分类，我想创建一个定制的损失函数来惩罚某些错误分类。这可以通过计算交叉熵损失，然后乘以自定义的惩罚矩阵的权重来实现，该矩阵为每对(预测的标签，真实的标签)保存一个值。我在为keras.model.compile()实现这个自定义丢失时遇到了困难 loss = K.categorical_crossentropy# penalty_weight = penalty_matrix[t
浏览 1提问于2022-10-20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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
