1回答
如何在自己的图像分类数据集上对抗性地训练googlenet模型？ 例如:使用cleverhans库，有批处理要运行攻击的数据是MNIST和CIFAR。我用自己的数据(Googlenet)使用Tensorflow训练了一个图像分类器，现在我想用对抗性的例子来训练模型。我可以用cleverhans库做的任何想法。谢谢。
浏览 15提问于2019-03-18得票数 0
回答已采纳
你听说过健壮性这个词(定义为模型对虚假相关性的鲁棒性)，很多都与对抗性攻击和OOD泛化相关，你想知道这些概念是如何相互关联的？！
浏览 0提问于2023-03-27得票数 0
我想我的fc layer输出是200，所以尝试不包括fc层，而不是它做新的fc layer，但它没有删除fc layers附带预先训练的模型，我使用的是googlenet。我的代码： def __init__(self): self.model = googlenet
浏览 6提问于2021-05-13得票数 4
回答已采纳
2回答
对抗性训练和测试
、、
也许这更多的是一个概念上的问题，但我希望你能给我你的意见。我确实理解对抗性训练意味着在训练过程中引入一些损坏的实例，以便在测试时混淆模型并产生错误预测。然而，这个模型是否适用于以下场景？：让我们假设创建了一个敌对补丁，以欺骗检测停车标志的分类器，因此在存在此补丁的情况下，正常的对象检测器将无法区分真正的停车标志。但是，如果模型同时训练带有和没有补丁的两个实例，情况
浏览 99提问于2019-05-22得票数 0
所以我一直在实现分类生成的对抗性网络，这是在中描述的。
乔斯特·T·斯普林伯格。无监督和半监督学习与范畴生成对抗性网络，2016年4月。这是第6页中引入的损失函数，问题是公式使用了arg_max，这很奇怪，因为我可以在各种框架(比如Tensorflow )上使用的大多数优化器只在arg_min中工作。下面是我实现的代码。
浏览 2提问于2017-06-07得票数 0
回答已采纳
Problem：我采用了像VGG或GoogleNet这样的预先训练过的模型。如何修改该预先训练的模型，以应用两个平行的密集层，并返回两个输出。我尝试过两种不同的模型，但我的查询是，我们是否可以为此任务修改预先训练过的模型。fin
浏览 1提问于2019-07-10得票数 3
2回答
GoogLeNet模型的微调
、、、、
我从头开始训练GoogLeNet模型。但它没有给我带来令人振奋的结果。
作为另一种选择，我想在我的数据集上对GoogLeNet模型进行微调。有人知道我应该遵循什么步骤吗？
浏览 0提问于2016-04-25得票数 15
回答已采纳
我正在开发googlenet .Can，有人告诉我如何在python中使用预先训练好的googlenet和alexnet。关于VGG和RESNET的资料太多了，但我不明白如何使用预先训练好的googlenet和alexnet
浏览 31提问于2019-12-06得票数 0
回答已采纳
1回答
准确度没有进一步提高。
、、、、
我正在使用预先训练的GoogLeNet，然后在我的数据集中对它进行精细的调整，以便对11个类进行分类。我使用不同的base_learning rate尝试了以下配置，但accuracy没有进一步改进。我使用了预先训练的GoogLeNet模型，然后对前10层和前3层进行微调，基本学习率为0.01，最大迭代数为50K，但这种配置没有提供超过75%的精度。我使用了预先训练的GoogLeNet模型<
浏览 2提问于2016-06-08得票数 4
回答已采纳
我是DL的新手，我正在尝试用googLeNet架构来训练我的第一个CNN模型。我已经用50x50准备了我的自定义图像数据维度，但是这个体系结构建议使用224x224。使用这种架构可以吗？我不想重做我的数据集来改变图像的大小。因此，如果有一些其他的架构，我可以研究，请推荐给我。
浏览 0提问于2021-12-19得票数 0
目前，我正在尝试加载我的预培训的GoogleNet。然而，似乎存在一个大小不匹配的问题，我试图改变num_classes来解决它，但没有效果，仍然存在问题。import torchfrom torch import nn, optim
model = torchvision.models.googlenet</e
浏览 14提问于2022-05-02得票数 0
由bvlc_googlenet实现的Caffe模型所接受的最小图像输入大小是多少？我使用的是50 x 50映像和crop_size = 36，在运行解决程序时会得到以下错误：为了避免错误，我必须将图像调整为256x256( bvlc_googlenet模型的默认输入大小)，使用crop_size = 224。这个模型只
浏览 0提问于2018-09-17得票数 0
回答已采纳
在像GoogleNet 这样的模型中
model_def = caffe_root + 'models/bvlc_googlenet/deploy.prototxt'
model_weights = caffe_root +'models/bvlc_<e
浏览 3提问于2016-08-05得票数 4
回答已采纳
我看过很多他们验证神经网络的论文。他们要么尝试检查对抗健壮性，要么找到模型预测错误的输入。他们试图将图层转换为数学方程式，例如布尔表达式。然后通过可用的求解器(微软Z3，Gurobi)求解。例如，共享一个代码来转换一个具有MNIST数据的ReLu激活的完全连接层。然后我可以在此基础上构建一个更复杂的层。
谢谢
浏览 4提问于2020-09-08得票数 0
. + yn)估计了一个线性回归模型，为了对抗目前的异方差，我让R估计了稳健的标准误差我知道来自“正常”模型的(鲁棒)R平方和F统计量仍然有效，但是我如何让R在输出中报告它们？我想将来自不同规范的几个回归输出与stargazer融合在一起，如果我必须进入非健壮模型来获得这些统计数据，那么它将变得非常混乱。理想情
浏览 6提问于2020-08-18得票数 2
我已经预先训练过googlenet的Nvidia数字，我不确定这是inceptionv1，inceptionv2还是inceptionv3。在数字中，它只显示为GoogLenet。有人能告诉我这是哪个版本的盗梦空间吗？提前谢谢。
浏览 13提问于2017-07-01得票数 0
回答已采纳
我正在使用谷歌网模型，我想使用不同的图像大小进行培训(图像的一个较小的版本)，image_mean和lmdb文件的大小也减少了。当我修改googlenet.prototxt中的大小并运行train.sh文件时，程序将因以下错误而中止。
浏览 2提问于2016-06-23得票数 0
1回答
我有一个用于Keras的GoogleNet模型。是否有可能阻止网络各个层的变化？我想阻止前两层预训练模型的变化。
浏览 2提问于2016-12-27得票数 2
回答已采纳
1回答
VGG 16/19慢跑
、、、
当我试图从经过预先训练的VGG 16/19模型中获得输出时，使用带Python的Caffe ( 2.7和3.5)，在net.forward()步骤上(在我的笔记本电脑的CPU上)需要超过15秒。我想知道是否有人会告诉我为什么会这样，就像许多其他模型(如ResNet、AlexNet)一样，我在一秒内就得到了一个输出，这是迄今为止我找到的唯一一个性能不佳的模型。我使用的代码如下：
img = cv2.imrea
浏览 1提问于2017-03-22得票数 0
回答已采纳
2回答
鲁棒性与泛化
、、、
我不太明白与图像处理(CNN)相关的健壮性和通用性之间的区别。如果我的模型推广得很好，它对图像材料的变化也是稳健的。不幸的是，我还没有找到任何具体的定义或其他材料来描述两者的确切区别，
浏览 0提问于2021-10-08得票数 1
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
