1回答
如何在训练过程中保持模型固定？
、、、、
我正在尝试实现一个模型，该模型使用来自不同数据集的多个预训练BERT模型的编码，并使用完全连接层获得组合表示。在这方面，我希望BERT模型应该保持固定，只有完全连接的层应该得到训练。PS:我不想把每个BERT模型的输入编码都去掉，然后把它们当作输入。
浏览 29提问于2020-04-28得票数 0
回答已采纳
1回答
在测试我的线性回归模型时，我发现更改train_test_split中的random_state参数会更改模型精度。MEDV'])
我的模型如下我知道random_state表示测试和训练集中的数据集。话虽如此，我想知道，是否有办法获得稳定的结果？
谢谢!
浏览 1提问于2018-03-28得票数 0
1回答
训练一些嵌入，保持其他的固定
、、、、
单词与固定的、预训练的嵌入相关联，但特殊的符号嵌入必须在训练期间进行修改。
在学习过程中的嵌入层中，我如何在更新其他嵌入的同时保持某些嵌入的固定？有没有办法屏蔽那些不应该修改的索引？
浏览 11提问于2016-08-15得票数 1
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
如何在512x512图像上使用预先训练过的模型，在真实图像上使用不同大小的图像，如Yolo对象检测？
CNN需要固定的图像大小，那么如何在大于输入的真实图像上使用模型呢？
浏览 5提问于2022-10-29得票数 0
我已经创建了一个决策树模型来根据一些标准来预测商品的价格。由于它是非线性的，R平方似乎不是一个评估准确性的好方法，但我不确定我应该使用什么。
感谢你在这方面的建议。
浏览 4提问于2018-03-18得票数 1
我正在为不平衡的数据建立一个二进制分类模型(例如，90%的Pos类和10%的Neg类)。我已经平衡了我的训练数据集，以反映一个50/50的类分割，而我的保留(训练数据集)保持与原始数据分布相似(即90%比10%)。我的问题是关于在CV超参数过程中使用的验证数据。在每次迭代折叠过程中，应：或
2)训练褶皱应保持平衡，验证褶皱应保持不平衡，以反映原始数据分布和持久化数据集。我目前正
浏览 0提问于2020-06-15得票数 10
回答已采纳
我采用了faster_rcnn_inception_v2模型，可以使用图像大小器来保持图像的高宽比，输出是令人满意的。min_dimension: 100 }为了获得更快的性能，我想使用ssd_inception_v2或ssd_inception_v2模型来训练它，因为固定的大小调整。我得到以下错误，
浏览 2提问于2018-01-08得票数 9
我试着训练一个关于预先训练的单词嵌入的RNN。假设这些预先训练的嵌入保存在一个矩阵E中，我可以用它初始化一个LookupTable：lookupTable.weight= E
如何迫使模型在培训期间保持这些嵌入的固定？
浏览 1提问于2016-02-25得票数 0
回答已采纳
在超参数整定过程中，参数(在模型训练中已经学到的权重)是否也是优化的，或者它们是固定的，并且只为超参数找到了最优值？请解释一下。
浏览 0提问于2019-08-26得票数 0
回答已采纳
我的理解是，一个单独的估计器会在整个过程中将自己限制为10个变量。然而，似乎最大数量的特征重置在每个节点。
浏览 5提问于2020-12-08得票数 0
回答已采纳
如果使用string_input_producer读取文件，如 files, shuffle=shuffle)run 另一件事是，
浏览 4提问于2016-08-23得票数 6
在这里，训练集用于训练和评估()函数中的测试。
据我所知，在处理神经网络时，通常将数据分成3组:训练、验证和测试。然而，在本教程中，它只分为培训和测试。据我所知，通常对模型进行训练，然后进行评估，然后根据评估步骤中学到的内容更新权重。然而，我似乎找不到评估功能和培训之间的任何联系。因此，在此示例中，使用相同的数据集对模型进行评估和测试。在培训期间是否存在训练数据集的内部分裂(分为训练和验证)，而函数估价()仅仅用于测试模型的性能？
浏览 0提问于2020-10-05得票数 0
回答已采纳
1回答
关于PyTorch中CNNs的微调，如所示
def train_model(model, ...):
...换句话说，训练</e
浏览 3提问于2021-08-03得票数 1
1回答
训练集的不同mse结果
、、、、
在训练期间，我在上一次训练后得到0.296，当我评估我的模型时，我得到了0.112。有人知道为什么会这样吗？x_train_r, y_train_r,batch_size=batch_size)
print(score_train)
批量大小和一切保持不变
浏览 0提问于2018-11-05得票数 0
回答已采纳
1回答
我的重量被定义为 'W_conv1': tf.get_variable('W_conv1', shape=[...], dtype=tf.float32, initializer=tf.truncated_normal_initializer(stddev=0.01)),
'W_conv2': tf.get_variable('W_conv2', shape=[...], dtype=tf.float32, initializer=tf.truncated_normal_in
浏览 0提问于2019-02-04得票数 0
回答已采纳
model_weights和optimizer_weights在角膜中的区别是什么？运行以下代码后，model.summary显示总共9个参数，这些参数在model_weight中显示在1.h5文件中。optimizer_weight显示共18个参数。我只用了一个年代。守则如下：import kerasfrom keras.models import Sequential
from keras.layers import Dense, Dropout
浏览 4提问于2017-10-11得票数 2
1回答
修正训练后丹森流模型的批量
、、、、
我正在使用可变批次大小(输入: None，320,240，3)在Tensorflow中训练一个模型。问题是在训练后的量化过程中，我不能有任何动态输入，因此没有“无”，而使用edgetpu编译器时，批大小不能大于1。
我目前的方法是再训练一次，固定的批次为1，但这有点乏味。
浏览 5提问于2021-10-12得票数 2
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
