1回答
在看到这篇文章后，我试图通过添加dropout来修复它，但它不起作用。而且我仍然得到了一致的准确性，所以任何帮助都会非常感谢。 import os!kaggle datasets download -d jakeshbohaju/brain-tumor!rm -rf yes!rm -rf *.zip
# Commented out IPython magic to e
浏览 10提问于2021-07-31得票数 0
在训练过程中，精度不变，val_loss保持“南”。modelplot_model(model, show_shapes = True, show_layer_names=False)
经过训练后，我得到了一个恒定的精度和一个1970 [==============================] - 7s 4ms/step - loss: nan - accuracy: 0.9996 - val_loss: nan - val_accuracy
浏览 2提问于2020-05-07得票数 6
回答已采纳
为什么-损失: 0.2105 -准确性: 0.9500 - val_loss: 0.5264 - val_accuracy: 0.9100accuracy:0.700是用CustomCallback我很确定CustomCallback的val_accuracy是正确的。, verbose = 1, callbacks=Callbacks,validation_data=val_ds,steps_per_epoch=20)
下面是CustomCallback，它将计数和打印精确性、泄漏和</e
浏览 2提问于2021-07-16得票数 0
1回答
: 0.6840 - val_loss: 0.4644 - val_accuracy: 0.8044纪元2/10 126/126 ==- 163s 1s/步长损失: 0.2032 -精度: 0.9795: 0.1448 - val_accuracy：0.9840纪元4/10 126/126 ==- 164s 1s/步长损失: 0.0844 -精度: 0.9950 - val_loss: 0.1384- val_accuracy: 0.9820纪元
浏览 65提问于2020-11-10得票数 0
回答已采纳
any(1)然后，我选择了三个选择的特性，并显示了X和Ymodel.compile(loss='binary_crossentropy', optimizer='adamax', metrics=['accuracy'])
在我开始训练之前一切看起来都很好，和val_loss和val_accuracy在训练时都没有改
浏览 0提问于2021-03-20得票数 3
回答已采纳
我不确定是什么导致了这个错误，因为在几次重新启动后，模型显示出与原始性能相似的性能，但现在它又回到了25%的准确率。请参考图片和下面的型号规格。: 0.5621 - val_loss: 0.7793 - val_accuracy: 0.6299 纪元2/60612/612==- 168s 274ms/步长损失: 0.5998 -精度: 0.7369: 0.3138 - val_accuracy: 0.8693 纪元4/60612/612==- 174s 2
浏览 31提问于2021-11-03得票数 0
1回答
我试图弄清楚为什么模型的损失值总是0.0，所以精度似乎也是恒定的(在我的例子中，afaik是不正确的)。====================] - 4s 69ms/step - loss: 0.0000e+00 - accuracy: 0.5241 - val_loss: 0.0000e+00 - val_accuracy====================] - 1s 55ms/step - loss: 0.0000e+00 - accuracy: 0.4927 - val_loss: 0.0000e+00 -
浏览 69提问于2021-05-08得票数 0
回答已采纳
2回答
非常低的验证精度和很高的训练精度
、、、、
我正在训练一个深层次的学习模型，而且精度很低。我使用L2正则化来停止过度拟合，并且具有很高的精度，但它并没有解决这个问题。这一低精度的原因是什么，我如何阻止它？模型的精度接近完美(>90%)，而验证精度很低(<51%) (如下图所示)。Epoch 1/15
2601/2601 - 38s - loss: 1.6510 - accuracy: 0.5125 - val_loss: 1.6108 - val_accuracy: 0.4706我
浏览 3提问于2020-10-03得票数 1
回答已采纳
1回答
训练模型字符识别的准确性没有提高
、、、、
在每一个时代，我都得到了同样的精度，但它并没有提高。我目前有4000张训练图像和77张验证图像。+00 -精度: 0.5000 - val_loss: 0.0000e+00 - val_accuracy: 0.5811纪元3/10 400/400 ============================== -13S 34 13s/阶跃损失: 0.0000e+00 -精度: 0.5000 - val_loss: 0.0000e+00 - val_accuracy</e
浏览 3提问于2020-05-23得票数 1
回答已采纳
1回答
===============] - 25s 2s/step - loss: 0.0863 - accuracy: 0.9703 - auc: 0.9951 - val_loss: 0.1536 - val_accuracy===============] - 27s 2s/step - loss: 0.0936 - accuracy: 0.9649 - auc: 0.9939 - val_loss: 0.1640 - val_accuracy: 0.9453 - val_auc: 0.9850
见这里的精度和<
浏览 5提问于2022-02-16得票数 0
1回答
使用模型中的verbose=1，fit tensorflow打印出训练损失、训练精度、val_loss和val_accuracy，如下所示。显然，is也在使用tqdm打印进度条。问题是，如果我打印出在纪元末尾的回调中从acc=logs.get(' accuracy ')捕获的训练精度，它与model.fit打印出来的值不同。这就像model.fit精度值不是来自纪元的最后一批，而是来自倒数第二批。您还可以看到，来自回调的打印输出中断了model.fit打印输出。注意，对于时期1，我的<
浏览 22提问于2020-10-29得票数 0
2回答
我是一个深入学习的初学者，我试图训练一个深度学习模型，使用Mobilenet_v2和Inception对不同的ASL手语进行分类。下面是我的代码，创建一个用于创建培训和验证集的ImageDataGenerator。190 19s/阶跃损失: 0.1574 -精度: 0.9893 - val_loss: 0.5118 - val_accuracy: 0.8145 Epoch 3/5 94/94 ============================== - 18s 191 19s/s
浏览 6提问于2020-08-14得票数 3
回答已采纳
1回答
我试图建立一个时间序列深度学习模型，但我不知道为什么训练精度保持在零，验证精度保持不变。这是代码，训练和准确性的数字。如果有人帮我会很感激的。train_x.shape=(28,14,9)和train_y.shape=(28,)model = Sequential=======================] - 2s 256ms/step - loss: 1.0722 - accuracy: 0.0000e+00
浏览 2提问于2022-05-18得票数 0
1回答
训练精度大于验证精度
、、、
我面临的问题是，我的模型的训练精度远高于验证精度，这是关于0.2的一个近似值。我不明白为什么，但在这件事上，我仍然是个新手，所以请容忍我。============================] - 3s 21ms/step - loss: 3.9965 - accuracy: 0.8468 - val_loss: 0.3582 - val_accuracy============================] - 3s 19ms/step - loss: 0.3197 - accuracy: 0.8930 - v
浏览 0提问于2020-07-01得票数 1
3回答
快速绘图验证和训练准确性
、、、、
我以前使用过Keras，然后我用这种方式绘制了数据集的训练和验证精度-plt.plot(history.history['val_accuracy'])learn.recorder.plot_losses()
有谁能帮帮忙吗？
浏览 0提问于2020-06-23得票数 2
所以问题是，如果我们加载模型，精度会很低。请参阅下面的代码。model.evaluate(X, y, verbose=1)
print('Restored model, accuracy: {:5.2f}%'.format(100*acc), loss) 保存前的精度和损失:损失: 0.2324 -精度: 0.9202 - val_loss: 1.3789 - val_accuracy: 0.6353 精度和加载后损失:恢复模型，精度: 3
浏览 12提问于2019-12-06得票数 1
我正在使用tensorflow2.0和tensorflow_datasets进行训练。但是我不明白:为什么训练的准确率和损失与验证的准确率和损失是不同的？您可以看到我的训练数据和验证数据是相同的train_data, test_data = dataset['train'], dataset['train']。但是训练精度(损失)与验证精度(损失)是不同的。为什么会发生这种情况？这是tensorflow2.0的bug吗？+00
Epoch 2&#x
浏览 48提问于2019-11-15得票数 3
回答已采纳
1回答
am使用折叠号= 10和epoch=30。第一个历次的精度比终点的精度低得多，这是正常的，因为权重越来越好。是一个好主意，对测试数据进行预测()，并在完成30年代之后，从它得到每个折叠的最终精度。
浏览 8提问于2020-06-27得票数 0
当我使用Keras运行基本神经网络时，验证精度正在提高，但精度、损耗和val_loss主要是nan。运行环境和其他信息Epoch 3/15
23/23 - 0s - accuracy: nan - loss: 0.0000e+00 - val_accurac
浏览 15提问于2020-09-16得票数 0
2回答
我有15077张train_set图片和4204张validation_set图片。- val_loss: val_accuracy- val_accuracy: val_accuracy Epoch 9/10 15077/15077 ============================== -243 s 16 10/步-损失:介电-精度: 0.9704 - val_损失: 1.4997 - val_accuracy: 0.8639 Epoch 10/10 15
浏览 7提问于2020-05-04得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
