我对将autokeras用于NAS很感兴趣。从文档中看，.fit方法(在类ImageClassifier中)可能不接受用于训练和验证数据的ImageDataGenerator类的对象。是这样的吗？
浏览 8提问于2020-03-12得票数 0
我使用Autokeras来训练我的模型，然后fit_final之后我将它保存为纯keras h5文件。我的模型： from autokeras import ImageClassifier clf.export_keras_model('my_model.h5'
浏览 19提问于2019-02-01得票数 1
回答已采纳
有没有一种方法可以导出/保存/加载以前训练过的autokeras模型？="tf")
best_model = load_model(MODEL_FILEPATH, custom_objects=ak.CUSTOM_OBJECTS) 然而，在实践中，这是行不通的，因为我的数据已经由autokeras拟合，它负责数据准备和缩放。在实际拟合之前，我不认为我可以访问autokeras对输入数据(X)所做的
浏览 23提问于2020-09-20得票数 1
1回答
我正面临着从极少的图像创建数据集的问题。(X_train, y_train), (X_test, y_test) = mnist.load_data()X_train = X_train.astype('float32')
datage
浏览 0提问于2020-01-19得票数 0
为此，我必须使用我的训练数据作为参数调用实例化的ImageDataGenerator对象上的ImageDataGenerator()函数，如下所示。image_datagen = ImageDataGenerator(featurewise_center=True, rotation_range=90)有办法这样做吗？
我脑海中浮现的一个潜在
浏览 0提问于2019-07-18得票数 5
回答已采纳
我工作的三维图像数据存储为.raw文件与形状(200,200,200)。当我尝试使用Keras ImageDataGenerator来拟合模型时，它会引发以下错误：看起来PIL无法打开三维图像数据，所以在使用flow_from_dataframe函数之前，如何预处理和加载图像？training_datagen = ImageDataGenerator()
train_generator
浏览 9提问于2022-05-29得票数 0
2回答
我正在使用带有tensorflow后端的Keras。我需要从一个目录中提取一堆图像，包括输入和输出，并使用它们来拟合模型。我使用Keras库中的函数创建了两个生成器，一个提取输入文件，另一个提取输出文件。Keras的model.fit_generator()函数只使用一个生成器，所以我使用压缩包(generator_1，generator_2)将其合并到一个生成器中。然而，这导致我的程序冻结，永远不会结束。def fit_model(self, bat
浏览 1提问于2019-05-15得票数 0
我找到的用于将数据拟合到ImageDataGenerator的示例适用于mnist或cifar10，如下所示：# fit parameters from data但是，我可以将InceptionV3模型的数据适合我的ImageDataGenerator吗？我加载我的盗梦空间V3模型如下：
base_model =
浏览 19提问于2017-07-26得票数 1
1回答
我有16个类和大约3000张图片(非常小的数据集)。这是一个不平衡的数据集。我做了一个60/20/20的分割，在所有的集合中，每个类的百分比是相同的。我用权值正规化。我做了数据增强测试(角增大，平滑，ADSYN)，这有助于防止过度拟合。当我过度适应(epoch=350，loss=2)时，我的模型的准确性(70+%) (以及其他指标，如F1评分)要比不超适(epoch=50，loss=1)精度高出60%左右。把这套贴身的</e
浏览 0提问于2019-05-16得票数 2
我尝试使用autokeras作为图像分类模型，当我拟合我的数据时，发生此错误 DATADIR = r"C:\Users\angesu\Desktop\DOCUMENT_DATA"
浏览 9提问于2020-01-17得票数 0
为了以相同的方式对这两幅图像进行转换，我使用了中描述的方法，其中描述了带有相应掩码的图像的转换。我的情况有点不同，因为我的图像已经加载，不需要从目录中获取。这个过程已经在中描述过了。from datasrc_datagen.fit(img_train, augment=False, seed=seed)
浏览 0提问于2019-01-22得票数 2
回答已采纳
1回答
深度学习中的数据增强
、、、、
我正在为人脸识别做一个深入的学习项目。我使用的是预先训练过的模型VGG16。 horizontal_flip=True)
Test_da
浏览 0提问于2018-09-16得票数 3
回答已采纳
我的问题是，我只有10000张猫和狗的图片，8,000张用于训练，2,000张用于测试。因此，为了防止过度拟合，我想使用keras的ImageDataGenerator函数来生成增强的图像。这就是我为那部分所做的
浏览 0提问于2018-01-18得票数 0
回答已采纳
在Autkeras模型中获得误差，其中同样的数据在keras模型中工作image labeltrainclass1/2.jpg 1train/class1/4.jpg 1负荷函数=1)
autokeras模型中的</e
浏览 3提问于2021-06-06得票数 1
因此，它不是多输入的情况。我的任务需要以不同的方式增强图像补丁。那么如何为不同的补丁定义不同的图像生成器呢？数据生成= ImageDataGenerator(rotation_range=40)数据生成= ImageDataGenerator(rotation_range=60)
如何在不同的补丁上应用不同的生成器，以及如何使用model.fit(...)或model.fit_generator(...)对于所描述的场景？另外，有
浏览 1提问于2017-10-18得票数 0
这是我的代码，我正在使用转移学习来训练我的模型。但我得到的索引超出了误差范围。当尝试测试我的模型时，它给model.predict()函数带来了这个错误。可能是什么原因？optimizer='adam',)
浏览 3提问于2020-08-18得票数 2
回答已采纳
在CNN的预测方法中，对于维数的求解存在一个问题。在定义基于图像的训练和测试数据之前，我提出了一个CNN模型。在这个过程完成之后，我把模型拟合好了。当我使用模型预测值时，它会在这里抛出一个错误。下面是我的代码块。sigmoid'))
拟合</e
浏览 1提问于2020-07-16得票数 1
回答已采纳
2回答
Cat 4/ ### 10000 pictures我正在使用以下代码加载我的图像train_generator = datagen.flow_from_directorytarget_size=(img_width, img_height),
浏览 0提问于2018-04-22得票数 1
我用$fitdist$函数拟合经验分布函数的伽马分布：然后使用$denscomp$函数将数据与拟合值进行比较：但我想从$fit$或$dc$中提取实际的拟合值，即在$denscomp$函数中显示的伽玛密度点(带有拟合参数)。有没有人知道我是
浏览 5提问于2015-01-22得票数 1
回答已采纳
我正在使用预训练的初始V3模型对两个类进行图像分类。作为一种理智的检查，我已经在20张图像的小数据集上过度拟合了我的模型。训练结果似乎过拟合，但我不确定验证精度和损失的预期输出应该是多少。如何正确地执行此健全性检查，以查看我的模型是否正常工作？ loss='binary_crossentropy',
metrics=['accur
浏览 17提问于2018-12-18得票数 0
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
