我正在运行一个深度学习模型，它输出一个介于0和1之间的sigmoid函数。验证曲线不是很好，也不是很一致。然而，更糟糕的是，该模型非常不一致。如果我用完全相同的代码运行同一模型两次，我会得到完全不同的结果。 如果我用30个时期运行它，并且看到25个时期的值是很大的。来运行它与纪元25，我得到了完全不同的结果。再
浏览 87提问于2021-07-24得票数 0
1回答
我想用Keras对我的传输学习模型进行超参数优化。我不知道该怎么做，因为我有两个阶段的训练，
解冻和训练网络。在和中，提出了一种基于传递学习的超参数优化方法--共享超参数优化。他们说，在这两个阶段之间共享一组超参数会得到最好的结果<
浏览 5提问于2021-04-30得票数 0
1回答
我最近完成了一个“相当好的”TF2/keras模型，用于图像识别，使用了许多层，SGD优化，并从MobileNetv2预训练模型开始。我可以永远调整:添加/删除层，不同的优化算法，学习率，动量，各种数据集增强，等等。我甚至没有考虑从其他预训练模型开始。我将优化器从SGD改为ADAM (应该更好，对吧？)而且它稍微更不准确。那么，如何收敛到一个更好的预先训练好的模型、参数<
浏览 1提问于2019-10-26得票数 0
我的每个模型都有一个(>20)的超参数，并将三种类型的输入数据中的一种作为输入。有时我使用超参数优化，因此在尝试下一组超参数之前，我经常手动删除模型并使用tf.keras.backend.clear_session()。目前，我使用的函数以超参数作为<
浏览 1提问于2019-11-03得票数 2
回答已采纳
我在tensorflow中实现了一个深度学习模型(FCN-8s)，并且最初使用tf.add(x,y)来执行张量加法。然而，在绘制体系结构时，添加层似乎与其他层不一致。，但在摘要中，该操作的结果似乎有效地传递到下一层。当使用tensorflow.keras.layers.Add或tensorflow.keras.layers.add时，添加层将与网络的其他部分相关联。我的</
浏览 9提问于2021-09-09得票数 0
回答已采纳
有许多用于超参数优化的库是针对Keras或其他深度学习库(如金丝或塔罗斯 )的。我的问题是，与sklearn.model_selection.GridSearchCV()或sklearn.model_selection.RandomizedSearchCV相比，使用这些库的主要好处是什么
浏览 0提问于2018-07-22得票数 4
2回答
在机器学习的分类问题中，通常我们对单个数据点使用单个标签。我们如何对单个数据点使用多个标签？
例如，假设有一个字符识别问题。作为单个字母图像的标签，我们拥有字母和字体系列的编码值。我们怎样才能建立一个keras深度学习模型呢？与单个标记的问题相比，应该更改哪些超参数？
浏览 0提问于2020-08-19得票数 0
2回答
我想在我的Keras模型上执行超参数优化。问题是数据集相当大，通常在培训中我使用fit_generator从磁盘批量加载数据，但是像SKlearn Gridsearch、Talos等常见的包只支持fit方法。batch_size=train_nb,X_train,y_train = train_generator.next()
但是，当执行网格搜索时我也试图将我的
浏览 0提问于2018-08-21得票数 3
回答已采纳
众所周知，Keras后端使用Tensorflow，所以当我们在每一层提供相同的参数、超参数、权重和偏差初始化时，它应该给出一些结果，但是精度是不同的。这可能是因为在这两种模型的每一步输入的图像都是不完全相同的，并且会随机地被洗牌。
在消除随机性的同时，我们是否可以确保将同一批图像输入到模型中？我试过使用所有相同
浏览 0提问于2019-09-19得票数 2
1回答
我正在研究一个二进制分类问题，我的训练数据有数百万条记录和2000个变量。我运行lightGBM进行特征选择，并使用从lightGBM中选择的特性运行神经网络(使用Keras)模型进行预测。关于我所遵循的方法，我有几个问题。
当使用lightGBM进行特性选择时，我正在进行超参数调优。这是基于我的理解，随着超参数的变化，所选择<
浏览 7提问于2020-07-07得票数 2
当我跑的时候 pickle.dump(model,open('modelDL.pkl','wb')) 我得到了 TypeError: can't pickle weakref objects 我创建了一个深度学习模型，我正在尝试保存该模型。模型： model = Sequential()
model.add( Dropout(0.5)
浏览 210提问于2020-11-03得票数 8
1回答
当我使用hyperopt库来调优随机森林分类器时，我得到了以下结果：然而，当我使用默认的超参数来训练模型时，所有的评估指标(精度、召回、F1、iba、AUC)都会返回比调优模型更高的值。我还应该继续跟踪调优参数吗？或者忽略调优过程的结果，因为它无助于改进<e
浏览 0提问于2019-05-27得票数 4
我正在使用的数据集由训练集和测试集组成。为了对深度学习模型进行微调，使用10%的训练集作为验证集。找到最佳超参数值后，有两个可能的选项b)使用测试集评估模型(即，在完整训练集上重新训练的模
浏览 4提问于2019-05-06得票数 0
我已经使用model.save()保存了一个模型。我正在尝试重新加载模型，添加一些层，并调整一些超参数，然而，它抛出了AttributeError。
使用load_model()加载模型。我想我缺少对如何向保存的图层添加图层的理解。如果有人能带我到这里来，那就太好了。我是一个深度学习和使用keras的新手，所以我的</e
浏览 2提问于2017-08-18得票数 11
回答已采纳
根据Keras示例和，如果要使用超参数在深度学习模型中定义层数和每个层的单元，则执行如下操作： model.add例如，在num_layers = 1的情况下，将只使用unit_0来构建模型。但是，unit_1通过unit_9将被定义为active中的超</
浏览 3提问于2020-07-26得票数 6
回答已采纳
2回答
我最近遇到了“可学习参数”这个术语，谷歌搜索并没有多大帮助，因为大多数搜索都是在CNN而不是DNN中描述可学习的参数。这两者有什么区别吗？
如何计算DNN中可学习参数的数量？我是机器学习的新手，所以我希望能在这方面提供一些帮助。
浏览 0提问于2019-03-23得票数 1
我已经成功地尝试了 ( fortran库的包装器)。对于某个数据集，误差远低于0.2%。ffnet的缺点是训练时间长，并且缺乏使用GPU的功能。因此，我希望切换到另一个框架，并选择了keras和TensorFlow作为后端。
浏览 2提问于2016-10-12得票数 1
回答已采纳
3回答
尺度神经网络
、、、、
当使用神经网络(TensorFlow:深度神经回归)时，当将训练数据从样本增加到整个数据(例如10倍大的数据集)时，您应该对模型体系结构(更深/更宽)、学习速度和一般的超参数进行哪些更改？
浏览 0提问于2019-03-21得票数 6
谁能帮我实现网上学习的深度学习模式。根据我的理解，我可以在培训后保存一个keras/tensorflow模型，当新数据出现时，我可以重新加载网络并使用新的数据对网络进行再培训。我的理解不正确吗？如果是的话，请告诉我可以做些什么，这样当新的数据输入时，模型就会继续接受再培训？
浏览 0提问于2017-11-13得票数 3
回答已采纳
我正在尝试使用标志和R中的tuning_run调整我的完全连接的深度学习模型的超参数，使用keras包。在哪里可以找到每次运行中使用的实际标志值？我尝试查找在生成的结果数据框和runs/文件夹中使用的超参数值。虽然关于运行
浏览 12提问于2019-03-29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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
