我正在Pytorch上测试预训练的inception v3模型。我给它提供了256x256的图像大小，并将它的大小调整到了299x299。在这两种情况下，图像都被正确分类。谁能解释一下为什么PyTorch预训练模型可以接受不是299x299的图像？
浏览 16提问于2019-08-09得票数 4
回答已采纳
1回答
我有一个基于Keras的手势识别模型。该模型对7种不同手势的分类准确率在60%~70%左右。训练数据集由320x240和640x480像素图像组成。目前，我在Keras中将模型的input_shape参数保留为Xception模型的默认值，即(299, 299, 3)。我假设网络正在将所有输入重新标度到299x299像素，这可能不是一个好方法。我
浏览 0提问于2021-02-24得票数 2
4回答
为什么CNN必须有固定的输入大小？但是为什么呢？我无法理解完全连接层的存在意味着什么，以及为什么我们被迫有一个固定的输入大小。
浏览 0提问于2019-11-30得票数 9
回答已采纳
1回答
我在PyTorch中使用预先训练过的PyTorch模型和传输学习来分类我自己的数据集。这是很好的工作，但我认为我可以进一步提高我的分类性能。我们的图像有不同的尺寸，它们都被调整大小以适应我的模型的输入(例如，224x224像素)。
然而，原始图像大小通常表示
浏览 1提问于2022-01-24得票数 0
回答已采纳
1回答
我最近从TensorFlow切换到了PyTorch。我在EfficientNets上使用著名的Github repo进行训练。我按如下方式编写了模型初始化类： class CustomEfficientNet(nn.Module):
def __init__(self, config: type, pretrained中，我倾向于使用Resize(img_size = 512, img_size=512)进行某些图像分类任务的训练(主要是Kaggle竞赛)。所以
浏览 143提问于2020-12-31得票数 1
回答已采纳
在试图理解为什么我的PyTorch模型的最大批处理大小是有限的时，我注意到使用最多内存的不是模型本身，也不是将张量加载到GPU中。当第一次生成预测时，大部分内存都会耗尽，例如训练循环中的以下一行：其中图像是一些输入张量，模型是我的</em
浏览 3提问于2022-05-27得票数 4
回答已采纳
我有一个细菌图像的数据集，这些图像是从显微镜下拍摄的，并用高分辨率相机记录下来。图像的分辨率为800x600，而在另一个数据集(从不同的显微镜获取)中，分辨率约为5312x2988。像VGG16和InceptionV3这样的模型是在224x224的图像分辨率上训练的。
如何正确地将图像数据输入到</em
浏览 1提问于2017-03-10得票数 3
1回答
目前，我已经将用于tensorflow，用于keras到ONNX的转换，以及这些工作。是PyTorch关于ONNX转换的
浏览 10提问于2020-07-28得票数 4
回答已采纳
我想在pytorch中制作一个CNN模型，可以输入不同大小的图像。我正在尝试使用2d卷积层，它采用4D输入形状(pytorch的Conv2d期望它的2D输入实际上有4维)。然而，我不确定如何设置输入层，以便将所有可变大小的图像调整为固定数量的特征映射，以传递
浏览 1提问于2021-01-22得票数 0
1回答
是否需要图像分类的数据集组织？
、、、、
我目前正在开发一个程序，它可以用机器学习来进行二值图像分类。我有一个标签列表和一个作为输入的图像列表，然后输入到Inception V3模型中。
以这种方式输入数据集是否与最初的V3体系结构相适应？在将图像输入模型之前，是否需要组织带有标签文件夹的<
浏览 0提问于2018-08-03得票数 2
回答已采纳
1回答
我有关于同一主题的多个图像数据集，我希望使用深度学习进行分类任务。数据集的图像分辨率不同(例如，一些图片是128x128px，一些是512x512，另一些是2048x2048)。如果我使用解析度最高的数据集来训练，我的直觉将是，当网络学习低分辨率图片中可能无法识别的模式时，将更难对分辨率较低的图像进行分类。另一方面，如果我使用低分辨率数据集进行训练，学习到的模式更粗糙，而且在任何新数据上都表现得更好
浏览 0提问于2020-10-29得票数 4
回答已采纳
3回答
我在PyTorch中使用一个简单的对象检测模型，并使用Pytoch模型进行推理。当我在代码中使用简单的迭代器时 image = imgproc.loadImage(image_path)image.shape) y, feature = net(x) 它打印我们的</e
浏览 2提问于2020-07-03得票数 8
回答已采纳
你可以在下面的图片1和2上看到输入图片和地面实况/标签。请注意，我的地面实况/标签只有3个值: 0，1和2。所有图像的大小都在100MB以下，大小为300x200像素。也许DeepLab不是我的任务的最佳选择，因为我的图片不包含颜色信息，并且我的图片非常小(300x200)，但到目前为止，我还没有找到更好的语义分割NN。我不知道我的</
浏览 83提问于2019-02-21得票数 6
回答已采纳
我写了两个用于图像分割的神经网络:小一点的： super(ConvNetV0, self).self.conv2(x) x = self.conv3(x) y = self.conv4(x)更大的那个x2 = self.conv_b1(x)
y = torch.cat([x1, x2], dim
浏览 1提问于2018-07-01得票数 0
回答已采纳
在尝试使用在另一个数据集()上训练的深度学习网络对一个数据集()中的图像执行图像分割时，我意识到在主观感知的输出质量方面存在很大差异(可能在对(M)IoU进行基准测试时也是如此)。这提出了我的问题，输入图像的大小/分辨率是否以及如何影响语义图像分割网络的输出，该网络已经在与输入图像不
浏览 5提问于2018-03-09得票数 1
我有一个PyTorch网络，我想将它部署到iOS设备上。简而言之，我不能在CoreML中为输入张量形状增加灵活性。使用PyTorch，我可以输入任意大小的图像，例如，300x300图像的大小张量(1，3,300,300)。为了将PyTorch模型转换为CoreML模型，我首先使用torch.o
浏览 2提问于2020-01-09得票数 0
回答已采纳
我在google colab中使用EM_dataset分段，keras2.3.1和TensorFlow2 这是我的代码。这是一个U-net。activation='relu', padding='same')(c9)
outputs = layers.Conv2D(1, (1, 1), activation='sigmoid')(c9) 网络正常，但如果我真的适合，就会出现错误 重塑:重塑的输入是一个具有12800个值的张量，但请求的<
浏览 18提问于2020-09-08得票数 0
1回答
我一直在阅读关于深入强化学习的文章，如下所示：
我还需要一段时间才能理解所有的数学，但这并不能阻止我使用库。无论如何，我知道在卷积神经网络中，如果你想对图像进行学习，你必须对图像进行预处理，否则计算神经网络所需的计算能力是天文数字。这是否以任何方式降低了网络的质量？如果是的话，怎么做？例如，假设您有足够的计算能力来为网络提供一个视频流中每一个高质量图像的每个像素，以便学习如何达到目标。这会不会使网
浏览 4提问于2016-07-11得票数 0
回答已采纳
使用照片拼贴(一张图像中的多张照片)作为数据集，而不是使用单个图像来训练对象检测SSD模型是否正常/更好？
我正在使用Tensorflow对象检测API来建立一个SSD模型来识别和检测不同的叶子疾病。我的数据集由256x256树叶(植物村数据集)组成，我希望我的模型能够被训练来检测多个不同大小的对象(
浏览 0提问于2020-08-20得票数 1
我很清楚理论上它是如何运作的。但是在PyTorch上，输入数据有两个额外的维度:批大小(批数)和序列长度。我正在研究的模型是一个简单的一对一的模型:它需要一个字母，而不是估计下面的字母。该模型提供了这里。
首先，如果我错了，请纠正我:批处理大小用于将数据分成几个批次，并将其输入并行运行的模型<
浏览 0提问于2022-05-17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
