我在Keras (v2.4.3)中实现了一个多类图像分类神经网络。我想在编译和拟合后评估我的模型的性能。 ? 然而，在训练之后，没有用于验证过程的信息。 ?因此，我检查了历史关键字和历史记录，发现根本没有关于验证的信息。 ? ? 如何显示用于训练模型的验证(分类)准确性？任何回应都将不胜感激！
浏览 31提问于2020-12-07得票数 0
我做了类似于keras文档中的训练和验证。而是如何测试图像。我知道在scikit-learn中该怎么做。但是我想用keras做。
比方说，我想预测分类类形式的图像。在最后，我还想打印类名，训练精度，测试精度，最后是预测的图像精度(例如，狗: 99.8 %)。
浏览 3提问于2018-03-17得票数 0
我想知道Keras如何计算多类分类问题的验证和训练精度(即使用的函数)。我将我的模型编译设置如下：但我试图理解验证精度和训练精度是如何计算的</
浏览 22提问于2018-02-10得票数 4
回答已采纳
2回答
我正在训练CNN多类图像分类为4幅图像，我应该使用什么样的精度度量从Keras。我的标签不是一个热编码，因为我试图预测不同图像的概率。
浏览 0提问于2023-05-13得票数 0
回答已采纳
我正在使用Keras中的自定义损失函数 return (K.exp(vector) / K.sum(K.exp(vector
浏览 0提问于2020-04-14得票数 2
因此，根据Keras定义，简单的“准确性”度量比较两个标记类是正确的。代码段 metrics = METRICS)
我试图解决多类图像识别问题(7个类，相互排斥)(一个数据点只属于一个类)，使用一个热编码，多类使用输出Softmax损失函数为二
浏览 5提问于2020-10-28得票数 0
回答已采纳
4回答
多工况下的早期停止
、、、、
我正在对推荐系统进行多类分类(项目推荐)，目前我正在使用sparse_categorical_crossentropy loss对我的网络进行培训。因此，通过监视我的验证损失( val_loss )来执行val_loss是合理的：
tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience然而，网络(推荐系统)的性能是由平均精度为10
浏览 3提问于2020-10-27得票数 9
回答已采纳
1回答
我已经使用Keras构建了一个多类、多标签的图像分类网络。总共有25个类，每个图像中至少有一个类。我想实现一个自定义的精度度量，它告诉我最高概率类在图像中出现的频率(常规精度的意义较小，因为真正的正面被真正的负面所淹没)。我已经构建了一个简
浏览 63提问于2019-05-21得票数 4
我对数据科学比较陌生，对如何测量多类神经网络的精度感到困惑。我正在建立的模型试图用20种不同的结果来预测某一特定事件的结果--标签中有些不平衡，最频繁的标签大约占总数的15%，最少的频率约为1%。我试图分类的事件很难预测，我对所有事件的准确率约为20%感到满意--然而，我担心，当我做到这一点时，我的模型将只是一直预测最频繁的<e
浏览 0提问于2020-10-26得票数 1
回答已采纳
1回答
我使用sigmoid作为输出激活函数，binary_crossentropy作为损失函数，训练了一个多标签多类图像分类器。验证的精度曲线显示上下波动，而少数时期的损失曲线显示奇怪(非常高)的值。以下是使用Dropout和BatchNormalization微调(最后一个块) VGG19模型的精度和损失曲线。使用Dropout、BatchNorma
浏览 1提问于2020-02-10得票数 0
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。我的培训集分布在6个班级中：class_samples[3]=14, class_samples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
浏览 0提问于2021-05-27得票数 2
1回答
我已经建立了一个图像分类程序，使用32张图像作为列车和16张图像进行验证，批大小为16和10个时代。./255).flow_from_directory(image路径和其他参数)来训练和验证图像。
我想在一个类别或单一类别上对图像进行分类。但是，当我用model.fit_generator(带铰链损失，优化器使用- 'rmsprop‘和'Adam')对keras</e
浏览 3提问于2019-11-04得票数 0
回答已采纳
1回答
我有7类图像，我需要分类。每个类都有不同数量的样本。75张图片
最后，我删除了所有类中的所有图像，直到70幅图像(50次培训和20次验证)。使用Keras、生成器和
浏览 5提问于2017-02-15得票数 2
1回答
我正在研究一个使用Keras的多类分类问题，我使用二进制精度和分类精度作为度量。当我评估我的模型时，我得到了一个很高的值的二元精度和相当低的一个在分类的准确性。我试图在我自己的代码中重新创建二进制精度度量，但我没有多少运气。)), axis=-1)
这是我的
浏览 1提问于2017-09-21得票数 8
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
浏览 4提问于2016-11-09得票数 0
回答已采纳
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
我有两个多类分类模型来进行预测(准确地说，类数是三个)。一个是Keras神经网络，另一个是Scikit学习库中的梯度增强分类器。我注意到，在相同的数据上训练后，GBC具有较高的精度评分，而Keras模型具有较高的F1评分。我应该使用哪种模型来预测未来的数据？哪个指标更重要？
浏览 0提问于2019-12-23得票数 7
回答已采纳
3回答
过拟合问题
、、、
我从零开始制作小型CNN来分类条形码。我有两类:一种是条形码图像，另一种是非条形码(物品、动物、景观、家具、人)。我获得了良好的训练精度( 50年代后的80%+)，但我的验证精度是恒定的，在50%左右，这是我的主要问题。我的目标是在大约80%的验证准确性。我使用了一些技术，如退出、减少参数数、数据增强等。我的训
浏览 0提问于2019-09-27得票数 0
我正在为一个多类分类问题建立一个模型。因此，我想用召回和精确性来评估模型的性能。我在dataset中有4个类，它是以one hot表示形式提供的。我正在阅读和 tf.keras文档，并有一些问题：
在计算多类分类的精确性和召回性时，如何求出所有标签的平均值，即全局精度和召回率？它是用macro还是micro计算的，因为它没有像在中</
浏览 25提问于2022-06-22得票数 2
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
