我从Tensorflow教程中复制了使用tf.layers的代码,使用mnist训练数据等等。训练和评估代码、预测字典和评估指标都保持不变。到目前为止,我遇到了两个主要问题:
1)我单独输入到网络的每个图像(在如第二点所示进行修改后)都会输出为: class 8。这意味着网络将其识别为数字'8',不是吗?因此,对于float32图像输入,程序给了我输出,但它们都是相同的(都是8类),我想我在代码<
要为对象检测创建有意义的数据集,我使用MNIST数据集作为基础,并通过以下步骤将其转换为新的数据集
将手写数字移动到100x100图像中的任意位置因此,要将分类模型更改为对象检测模型,我只需将最后一个softmax层替换为一个具有15个节点(y中的每个值对应一个节点)的完全连接层,并编写了一个自定义丢失函数,该函数可以将预测结果与地面真相进行比较: [15] vs. [200],其中[15]是我最后一层中<
每个字段都有不同的权重,因为字段a比d更有价值。我想知道我将如何做到这一点,以便使我的值正常化,并使用这些值的和进行比较。示例:Weight of b = 2Weight of d = 4对于和,将每个字段的值与其指定的权重相乘(value of b) * 2 + (value of c) * 3 + (value of d) * 4 + (value of e) * 5
我希望输入一些训练数据,并训练我的程序来学习和比较每个对象所拥有的a