1回答
如果我只是把我所有的评估代码放在训练代码的末尾，事情就会变得很好。 问题在于停止Python，启动一个新的Python脚本，并读入权重/模型以使用它们进行推断。我在加载时尝试的主要方法是:定义模型(使用与training run中保存权重的代码相同的代码)，然后运行model.load_weights()，然后编译模型。这就是不起作用的地方。model.metrics_names[1], score[1]*
浏览 15提问于2021-08-11得票数 1
3回答
用相同的数据集、相同的参数(历次、批次大小、学习率等)对同一模型进行两次训练。但这两种训练模型在同一数据集上表现出不同的训练和测试精度。(两种型号的代码相同)再一次训练模型
浏览 0提问于2020-12-30得票数 0
通常，我会根据验证集的性能使用代码torch.save(model.state_dict(), 'test.pth')保存最佳模型。在训练阶段，我打印了上一个时代的Loss:0.38703016219139097损失和精度，得到了和。然而，当我加载刚从训练阶段得到的模型来打印损失和精度时，就会得到相同的精度和不同</e
浏览 1提问于2022-04-22得票数 1
我正在使用TF对象检测API来检测自定义数据集上的对象，但是当涉及到精度时，我不知道如何计算它，因此，如何计算自定义数据集上的对象检测模型的准确性？并找到模型在测试数据集上的置信度分数？
浏览 1提问于2019-10-31得票数 0
我是ML领域的初学者。我正在学习角角，以获得亲身体验。我选择了20_新闻组数据的分类作为我的任务，我使用glove.6B.50d.txt进行嵌入。我选择为这个任务训练一个RNN，因为它有更好地学习时间序列数据的能力。训练与不同组合的LSTM层和输出尺寸，然后收敛到一个组合。然后，我尝试了同样的任务的CNN模型。我发现CNN模型可以学习得更快，在1
浏览 0提问于2018-05-23得票数 1
我的神经网络在火把上的训练越来越快了。训练精度从80%开始并提高
列车损耗减少并保持稳定
验证精度从30%开始，但增长缓慢
验证损失增加
我要展示以下图表：如何解释验证损失增加，验证精度increasesHow在验证集和<
浏览 4提问于2020-04-21得票数 0
回答已采纳
1回答
我是不是太适应了？
、、、、
我目前正在用黑暗流Yolov2训练我的模型。最优选择是有lr 0.001的SGD。基于这个图表，我的val损失>火车损失，这就意味着它太合适了？如果是的话，建议的行动方针是什么？要了解更多信息，我的训练数据集包含每个类400个图像，只有一个注释，总共有2800个图像。我这样做是为了防止类不平衡，只对每个映像注释一个类实例。我的val数据集由350个图像组成，包含多个注释。基本上，我注释了图像中的每一个对象。我有
浏览 8提问于2020-01-07得票数 0
我正在做一些辅助项目，涉及到将ML模型部署到边缘。其中一个是照片编辑应用程序，其中包括用于面部识别、物体检测、分类和风格转移的CNN应用程序。另一个是NLP应用程序，通过建议单词和句子补全来帮助写作过程。
一旦我有了一个准确的训练有素的模型，它在我正在测试的一个或多个移动设备(通常是低端的Android)上会变得非常慢。我读到有一些优化可以提高模型的速度，但我不知道怎么做。有没有一个标准的<
浏览 3提问于2019-05-17得票数 0
1回答
我有一个数据集，其中包含处理条件(即42个特征)和一类材料的属性(即1个目标)。为了了解不同机器学习模型的性能，在训练中考虑了不同数量的特征，对五种不同的机器学习模型进行了测试。这些模型分别是线性回归(LR)、贝叶斯岭(BR)、最近邻(NN)、随机森林(RF)和支持向量机(SVM)回归。测试数据集的确定系数(R2)用来表示经过训练的</e
浏览 0提问于2020-06-16得票数 1
回答已采纳
3回答
哪个神经网络更好？
、、、
MNIST数据集有6万个训练样本和10000个测试样本。
我见过有多少研究把重点放在测试集的准确性上，很少在训练集上写关于准确性的文章。第一种神经网络在测试集上精度
浏览 0提问于2021-07-23得票数 0
回答已采纳
我们希望保存一个经过训练的模型，以便在应用程序中使用它。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: 1.3
浏览 12提问于2019-12-06得票数 1
1回答
这是使用Roberta (BERT)进行多标签分类任务的训练和开发单元。第一部分是训练，第二部分是开发(验证)。train_dataloader是我的训练数据集，dev_dataloader是开发数据集。我的问题是:为什么训练损失在逐步减少，而准确率却没有增加那么多？实际上，精度在迭代4之前是增加的，但是训练损失是减少的，直到最后一个时期( iterate )。这是正常的<
浏览 594提问于2021-01-17得票数 0
在训练CNN的过程中，它似乎很早就达到了100%的准确率，尽管它并不准确。我只有不到2000张照片，我想知道我是不是没有足够的照片，或者是我的模型，就在这里 self.model.add(Conv2Dcategorical_crossentropy',
浏览 0提问于2020-06-12得票数 0
回答已采纳
我从一本关于xgboost的书中得到了以下代码。我不知道这是否是一种正确的方法来分析交叉验证得分，以过份适合的目的。平均精度为81，这是可以接受的。但是如果训练的准确率是99%呢？我们不应该也观察训练的准确性吗？如果是，我如何做到这一点，因为模型是由cross_val_score方法与5种不同的交叉验证-训练集拟合？模型=XGB
浏览 0提问于2023-02-19得票数 0
为了为我的最终模型选择最优的参数，我用一个参数网格来拟合一个GridSearchCV对象-- to --我的训练数据，其中包含了Sci Kit学习的LogisticRegression分类器的默认参数。我所拟合的GridSearchCV模型的CV精度为76.5%，表明该模型将比未调优模型具有更高的精度。
When --我在测试集
浏览 0提问于2023-02-21得票数 0
在我训练了一个模型之后，我如何在C++中使用它？我已经尝试过MXNet incubator-mxnet/example/image-classification/predict-cpp/和incubator-mxnet/cpp-package/example
浏览 0提问于2017-11-15得票数 1
2回答
当我们关心速度的时候，GPU比CPU好得多。。我的直觉说，GPU和CPU之间的关系，如果涉及到精度，就不应该有任何区别。
但我有一点怀疑，GPU和
浏览 0提问于2021-05-27得票数 0
回答已采纳
云服务器
ICP备案
对象存储
腾讯会议
云直播
腾讯云开发者
