如何在训练阶段获得PyCaffe上的Top-k准确率？

文章/答案/技术大牛

发布

1回答

caffe、pycaffe

我想知道是否有一种方法可以在进行训练阶段时获得PyCaffe上的top-k错误。我知道.prototxt文件有top_k参数，但是有什么方法可以在PyCaffe上使用它吗？

浏览 22提问于2019-06-20得票数 1

回答已采纳

1回答

在较小数据集上建立多类决策森林/神经网络

machine-learning、neural-network、azure-machine-learning-studio

21列只是数字，但我想要训练数据的关键有3个阶段: a，b和c。我应该在这么小的数据集上使用NN吗？正如我所说的，我

浏览 0提问于2016-05-03得票数 0

1回答

基于opencv预测的测试图像预处理

tensorflow、opencv、keras、conv-neural-network、vgg-net

我在这个数据集上对VGG16进行了培训，并以如下方式对它们进行了预处理：img = image.load_img(img_path, target_size=(image_size,image_size)) x = image.img_to_array我在<e

浏览 2提问于2020-10-31得票数 1

回答已采纳

0回答

在倾斜数据集训练中使用精度和召回率

python、machine-learning、pytorch、precision-recall

我有一个倾斜的数据集(5,000,000个正样本和只有8000个负二进制分类)，因此，我知道，准确性不是一个有用的模型评估指标。我知道如何在数学上计算精度和召回率，但我不确定如何在python代码中实现它们。当我在所有数据上训练模型时，我获得了99%的总体准确率，但对反面示例的准确率为0% (即。将一切都归类为积极的)。我已经使用criterion = nn.CrossEntro

浏览 5提问于2018-07-19得票数 3

回答已采纳

0回答

Tensorflow Estimator:在单独的脚本中使用predict()函数

python、validation、tensorflow、deep-learning、tensorflow-estimator

我已经成功地(我希望)使用tf.Estimator训练和评估了一个模型，其中我达到了大约83-85%的训练/评估准确率。因此，现在，我想使用Estimator类中的predict()函数调用在一个单独的数据集上测试我的模型。最好是我想在一个单独的脚本中做到这一点。查看Estimator类的，似乎可以通过model_dir参数将路径传递到我的检查点和图形文件。有没有人有这方面的经验？当我在用

浏览 9提问于2017-12-13得票数 0

回答已采纳

2回答

验证损失<训练损失和验证精度<训练精度

keras、accuracy、loss-function

我得到了以下结果：val_loss (远)低于train_loss，但是与培训集相比，验证的accuracy也更低。这怎么可能？Epoch 5/10这是我使用的Keras

浏览 0提问于2018-01-03得票数 0

2回答

Tensorflow中RNN、CNN和NN结果分析

python、tensorflow、machine-learning、deep-learning

我有很大的标签数据集。每行包含863标记化的单词。我正在尝试验证哪种类型的NN最适合分析这样的数据集。bias_regularizer=l2(0.01)), ]) CNN和NN给出了很有希望的结果，大约98%的准确率(可能是过拟合)，而RNN只有65%左右的准确率。值得一提的是，R

浏览 1提问于2020-04-29得票数 0

1回答

如何使用sklearn回溯检查分类

python、scikit-learn、classification、logistic-regression、naivebayes

我在我的数据上运行了两种不同的分类算法，逻辑回归和朴素贝叶斯，但即使我改变训练和测试数据的比率，它也能提供相同的准确性。下面是我使用的代码from sklearn.cross_validation import train_test_split from sklearn.preprocessingNaive Bayes: ', accuracy_score(y_test, model_2.predict(X_test)

浏览 1提问于2016-08-14得票数 1

2回答

如何扩展CNN来识别更多的物体？

python、machine-learning、neural-network、keras

我创建了一个简单的CNN来区分5种不同类别的花。我想扩展CNN来识别更多的物体。例如，我想让CNN识别一杯啤酒，窗户，树等的图像。下面是我用来对花进行分类的代码，它工作得很好。而是如何扩展它，让它能识别越来越多的物体。我不想使用任何预先训练好的模型。我想让它学会对更多的物体进行分类。请帮帮忙。

浏览 25提问于2018-07-24得票数 0

回答已采纳

2回答

Keras在测试集上的评价功能训练模型

neural-network、keras

有一件事让我感到震惊的是，我是如何在非常嘈杂和不相关的数据上获得几乎99%的准确率(我在寻找50%左右的准确性才是好的！)我现在发现，在我在训练集上训练我的模型之后，我就随便运行了model.evaluate(x_test, y_test)，然后对数据进行了手动的回溯测试。在x_test上进行手工反测试，并将其与y_test中的

浏览 0提问于2016-09-19得票数 0

2回答

类预测训练精度与计算精度的差异

python、tensorflow、neural-network

用11200幅图像数据集对神经网络进行了训练，验证准确率为96%。我保存了我的模型，并将它的权重加载到同一个神经网络中。我在一个数组中选择了我的数据集的738幅图像，并试图用我的模型来预测它们的类别，并将它们与真实的标签进行比较，然后再一次计算出准确率，它是74%。这里有什么问题？我想它的准确度应该在96%左右。]):test_precision

浏览 4提问于2020-02-21得票数 0

1回答

用于航空照片目标识别的神经网络拓扑(计算机视觉)

computer-vision、neural-network、object-recognition

我的目标是识别航拍照片上建筑物的脚印。听说了机器视觉的最新进展(ImageNet大规模视觉识别挑战)后，我认为我可以(至少)尝试使用神经网络来完成这项任务。有没有人能告诉我这样一个网络的拓扑应该是什么？我猜它应该有和输入一样多的输出(这意味着图片中的所有像素)，因为我想识别建筑物的轮廓及其(至少是近似)在图片上的位置。我猜输入的图片应该是标准大小的，每个像素都归一化为灰度或YUV颜

浏览 1提问于2014-09-01得票数 0

1回答

基本分类问题

machine-learning、classification、data-mining、training

我想知道如何在使用PCA或规范化以及其他类似于分类的方法来管理测试数据，因为我们的模型工作在输入向量的表示上。例如，假设您在您的训练数据集中使用了PCA以获得更高的精度，或者您已经标准化(最小-最大)数据。现在，您已经开发了一个模型，并希望安装它并标记新的示例。您需要以某种方式将PCA应用于每个即将到来的记录，并将该记录规范化。将PCA应用于一个记录不会产生与训练阶段</e

浏览 0提问于2018-04-18得票数 2

回答已采纳

2回答

在我的模型训练中，val_acc大幅下降，原因是什么？

tensorflow、keras、deep-learning、neural-network、artificial-intelligence

我在训练猫/狗分类器。我的模型是： input_shape=(150validation_data=validation_generator,我的val_acc==================] - 67s - loss: 0.3061 - acc: 0.8712 -

浏览 8提问于2020-03-21得票数 3

0回答

基于Tensorflow Lite的Android Java人脸表情识别

java、android、conv-neural-network、tensorflow-lite、firebase-mlkit

我致力于面部表情识别使用深度学习算法，即CNN，以识别用户的情绪，如高兴，悲伤，愤怒等。我已经训练和测试它在python中使用预先训练的VGG-16模型改变顶部3层来训练我的测试图像，以加快我使用Tensorflow的训练过程。测试准确率为62%。我已经将我的模型的架构和权重保存在train_model.h5文件中。现在我必须在Android手机上实现它。为此，我使用了Tenso

浏览 33提问于2019-05-15得票数 3

2回答

RandomForest惊人的高精度

python、random-forest、ai

在尝试了朴素的Bayes之后，我一直在用Python上的随机森林进行实验，这给了我比我预期的更低的准确率，62%。我的csv文件有大约14,000条记录，我使用80%的训练集和20%的测试集。我尝试了不同的参数，如100树，500和1000，-1 n_jobs等等，但在所有这些测试中，准确性没有太大的变化，它总是在74%或75%左右，几乎76%的

浏览 0提问于2019-07-07得票数 1

2回答

在随机少数抽样中，SGD比Adam表现得好，我不知道原因是什么。帮助

machine-learning-model、image-classification、loss-function、gradient-descent、overfitting

因此，平衡前后的数据集映像如下：📷📷📷

浏览 0提问于2022-09-11得票数 2

3回答

不平衡数据集的分类

class-imbalance

我在工作环境的正常运作中遇到了一些事故。它是一个倾斜的数据集。我的预测准确率为95%。📷

浏览 0提问于2018-12-26得票数 0

5回答

数据科学中的训练数据和测试数据

data-science

我是python中相对较新的数据科学，在探索一些关于数据科学的竞争时，我对“训练数据集”和“测试数据集”感到困惑。一些项目合并了这两个项目，另一些项目则保持分离。拥有两个数据集的基本原理是什么？任何建议都将是有益的，谢谢

浏览 1提问于2017-04-25得票数 0

5回答

人工智能与机器学习中的随机性

artificial-intelligence、machine-learning、data-mining、classification

当我在AI和ML的两个项目中工作时，这个问题突然出现在我的脑海中。如果我正在构建一个模型(例如，分类神经网络，K-NN，..等)，该模型使用了一些包含随机性的函数。如果我不修复种子，那么每次在相同的训练数据上运行算法时，我都会得到不同的准确性结果。但是，如果我修复它，那么其他一些设置可能会提供更好的结果。平均一组精度是否足以说明此模型的精度为xx%？我不确定这是否是问这样一个问题/开始这样一个讨论的合适地

浏览 6提问于2011-05-05得票数 11

回答已采纳

点击加载更多