1回答
我是深度学习和Keras的新手。我已经创建了一个模型，它在美国手语(American Sign Language)数据集上进行训练，拥有近80,000张训练图像和1500张测试图像。我的任务是训练这个数据集，并将其用于预测。我的预测输入将是网络摄像头中的一帧，我将在其中显示手势。在运行了5个epocs，验证准确率为96%之后，当我在视频上运行它时，我仍然无法获得良好的预测。break
traceback.p
浏览 9提问于2020-02-12得票数 0
1回答
最近，我看到“共形预测”这个话题在社交媒体和研究领域非常流行。超正态预测
但是，保角形预测和不确定性估计的主要区别是什么？
浏览 0提问于2023-01-17得票数 0
1回答
我目前正在研究CNN分类模型，我必须预测wav文件上的单词。我遇到了一个问题，我的验证准确性保持(几乎)不变，首先，我是考虑过度，但这似乎不是问题。下面您可以看到不同时代的结果的照片：
我正在建立一个与凯拉斯的CNN模型，并使用‘亚当’优化器和'categorical_crossentropy‘的损失。
浏览 3提问于2019-12-09得票数 1
1回答
假设我正在为一个应用程序构建一个机器学习模型，在该模型中，我不需要对所有新样本进行预测，并且给出了一个新样本，那么在担心预测不太可能好(例如，如果新样本似乎与训练样本非常不同的情况下)时，最好不要进行任何预测我称之为限制哪些新样本来预测“模型护栏”的想法，因为我不知道官方术语。使用距离度量将新样本与培训数据进行比较，并且只有在有足够数量的培训
浏览 0提问于2019-12-05得票数 3
我有一个使用numpy和opencv方法实现的丢失函数。此函数还使用网络的输入图像和输出。
浏览 2提问于2017-10-01得票数 2
回答已采纳
1回答
我有一个问题，一个简单的CNN (基于Keras Github repo中的一个示例脚本)，我试图(与凯拉斯一起)复制迈克尔尼尔森( Michael Nielsen)关于深度学习的在线书籍(其中他使用了朴素的他的实现达到了99.06%的准确率。有关Python代码，请参阅此。我的代码有什么问题吗?还是这是Keras的一个“特性”
浏览 0提问于2017-03-09得票数 3
1回答
我是机器学习的新手，我想知道是否有可能手动清空LSTM的短期记忆。比方说，我想用“Jack and Jill up the the”这句话来训练LSTM，但是我决定不结束这句话。如果我想把它训练成“Humpty dumpty坐在墙上”，我如何防止它立即预测“山”这个词呢？我用的是凯拉斯。
浏览 8提问于2019-03-18得票数 1
回答已采纳
1回答
如何在多标签人脸识别中获得标签
、、、、
我使用ImagedataGenerator和flow from directory为这项任务训练了一个CNN模型，并保存到一个.h5文件中。在预测时，显示的是对数或数字数组，而不是标签。我需要的标签要显示，而预测。 我尝试的一种可能方法是将每个logit的值重新分配给所需的标签或字符串，但我认为这可能是一项繁琐的任务 我得到的是： [[1 0 0]] 我需要的：“史蒂夫·罗杰斯”
浏览 13提问于2019-05-06得票数 0
我刚刚开始研究深度学习，并开始与凯拉斯一起建立CNN。 因此，我注意到，当使用数据集MNIST时，在导入图像后，它们通常会转换为float32-Datatype。 所以我的问题是，为什么会这样呢？
浏览 139提问于2020-01-30得票数 2
回答已采纳
我正在玩一些深入学习，凯拉斯一直是我的选择，因为它的简单。
第一层稠密层的定义如下：
model.add(Dense(18, input_dim=len(X_encoded.columns), activation = "relu", kernel_initiali
浏览 0提问于2019-08-27得票数 2
回答已采纳
从学习环境中输入的数据数组包含一些None值。Keras模型(例如Convolution2D )可以直接学习这样的数据吗？还是我应该提前处理数据？谢谢!
浏览 3提问于2016-11-28得票数 3
回答已采纳
正如我在这个问题中所问的：如果我在火车上的准确率大约是100%，为什么我的预测不好(凯拉斯CNN，我的问题是过于合适，所以，我减少了层数，现在我有了这个模型：model.compile(optimizer=sgd, loss="binary_crossentropy", metrics=["accuracy"])
但是，当我预测一些图像时，0级
浏览 0提问于2019-10-30得票数 1
回答已采纳
随着机器学习(其各种形式)在科学中变得越来越普遍，建立逻辑和系统的方法来解释机器学习结果变得非常重要。虽然现代ML技术已经表明自己能够与更“经典”的技术竞争，甚至超过了它们的准确性，但在任何数据分析中得到的数值结果都只是故事的一半。如何评估机器学习结果中的不确定性？例如，在类似于经典回归分析的情况下，估计拟合参数的不确定性(至少在理论上是如此)是相对直接的。如何确定某些机器学习算法所估计的同一参数的不确定性？
我认识到，这可能与手头问题的具体情况和所使用的算法不同。
浏览 0提问于2022-06-10得票数 3
回答已采纳
我的代码基于Francois Chollet的“深度学习”一书。我的问题是(大约30000张干净的图像和40张标记的图像)，全部是150x150，该模型立即达到100%的准确率，没有损失-但如果我稍后预测一个标记的图像，则不会识别任何标记的图像。(同样的模型在100张猫图片上工作得很好，手动标记了与第二类相同的图片，并将所有较大图片的大小调整为150x150)。总训练图像(1和0)：28980和47总验证图像(1和0)：28980和6
预测总是“干净”的，有很高的百分比
浏览 0提问于2018-10-13得票数 2
2回答
预测顾客购买
、、
假设我们有一个分类为10类的产品列表。我们也有客户订购的详细信息，如我们想知道对于一个特定的month，什么是最有可能的categories，客户可以从那里购买产品。我们如何处理这个问题，任何建议。
浏览 0提问于2018-04-24得票数 1
回答已采纳
我想使用TF 2.0在我的GPU集群上运行分布式预测。我用MirroredStrategy训练了一个用凯拉斯制作的CNN，并保存了下来。我可以加载模型并对其使用.predict()，但我想知道这是否会自动使用可用的GPU进行分布式预测。如果不是，我如何运行分布式预测来加速推理并使用所有可用的GPU内存？目前，当运行许多大型预测时，我超过了其中一个GPU(12 it )的内存(需要17 it)，推理失败，因为它耗尽了内存： Allocator (GPU_
浏览 43提问于2020-06-13得票数 3
我在凯拉斯和TensorFlow一起工作。我有一个深度神经模型(预测自动编码器)。我正在做一些与此类似的事情： --我试图了解给定层中的变量对输出的影响。我不能改变s的形状，因为它是神经网络的一部分(LSTM的状态)。第一个维度(batch_size)已经设置为1，我想我无法摆脱它。我不能重塑s，因为它破坏了渐变的流动，例如：提供：在这种情况下我能做些
浏览 3提问于2017-07-18得票数 5
1回答
我是凯拉斯的纽比。当我完成虹膜分类教程时，我只是对此感到困惑，因为我们对这3种虹膜花进行了编码，例如，one-hot编码。我们应该得到3个正交向量，对吗？setosa [1 0 0]virginica [0 0 1]http://machinelearningmastery.commulti-class-classification-tutorial-keras-deep-learning-library/
我的问
浏览 4提问于2016-11-01得票数 1
2回答
3类分类模型。我用2000生成的样本和10个年代做了一个模型。这个模型是好的，但有许多错误的负面预测。比我想要改进的模型和增加生成的样本数(真实的图像数目没有改变)到20000。我能在不重新开始学习的情况下实时地阻止它吗？是否有可能在每个时代之后保存模型，在这种情况下采取最好的模型。或者至少，凯拉斯能破坏教学吗？
浏览 0提问于2019-03-27得票数 3
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
