1回答
我做了一个神经网络，它的架构如下： 它有两个合并的分支。一个分支将矩阵作为卷积网络的输入，另一个分支是将向量作为输入的完全连接层。这两个分支被合并并发送到完全连接层，然后发送到输出层。我的网络运行，但是，我得到以下图表： 为了保证准确性： ? 对于损失： ? 我认为我的损失图是正确的。但是精确度乐趣是波动很大的。我的总体准确率是60%。你认为这些图
浏览 274提问于2019-05-29得票数 0
回答已采纳
1回答
我在Keras中建立了一个神经网络模型，它在1000年代(在所使用的超参数上)达到了1的训练集精度，但验证精度在0.78和0.8之间波动。我想要一个早期停止命令，它监视验证精度，但只在1000年代之后才开始，因为在1000年代之前，验证精度一直波动很大。因此，我的策略是最大限度地提高训练集的准确性，然后立即停止学习，因为我们遇到了很高的验证精度值
浏览 1提问于2018-07-05得票数 0
回答已采纳
1回答
我正在尝试在视网膜图像的数据集中使用imagenet转移学习VGG16模型，但我对获得像this这样的图表感到困惑，我不知道为什么验证精度没有像训练精度一样在历元期间以正常的方式增加，这是过拟合的指标吗
浏览 17提问于2020-04-13得票数 0
1回答
我是计算机视觉新手，我正在努力理解我的结果。我分类了两个类别，我得到了53 %的准确率。当我绘制验证图时，训练的丢失和准确性。看起来损失函数图看起来不错，但是验证的准确性太差了。验证准确性波动的原因可能是因为我可能会从培训中得到一些相同的框架，以反映在测试和验证中？是因为这个吗？如果没有，请告诉我原因是什么，以及有什么可以更好地改进这一点。347ms/step - loss: 0.1757 - accuracy: 0.525
浏览 2提问于2021-03-10得票数 0
我想写一篇关于卷积神经网络的论文，我的cnn模型的验证数据集的精度在98到99之间波动，测试数据集的精度每次都不一样。所以我不确定我应该写哪一次的准确性，实验中的历次总数是6000倍。我是否可以选择上一个时代的10个历元中的最高精度作为论文的精度，或者我该如何做呢？非常感谢!
浏览 0提问于2018-05-01得票数 0
回答已采纳
2回答
我面临的问题是网络的测试精度先提高后下降。这种情况一直持续到达到最大的时代数为止。我在某个地方读到，这可能是因为网络将其权重转移到了一个类，然后不得不这样做以支持另一个类。我整理了测试数据，看看这是否有帮助，但没有这样的运气。有什么补救办法吗？
📷
浏览 0提问于2016-12-31得票数 2
1回答
千层面精度的神经网络
、、、、
我正在尝试用一个神经网络在一些图像上构造一个二进位分类器。训练和验证损失波动很大(不确定)，验证精度总是在0%。此外，网络总是将测试集的目标预测为1。我所使用的网络基本上只是发现的mnist数据集的Las涅示例的一个副本，但适用于我的图像，这些图像要大得多(509 x 115)，在训练集中使用400图像。我想知道这是否是一个问题，如果网络可能需要更深/有更多的神经元？
我是否需要一个更大<
浏览 4提问于2015-09-10得票数 2
1回答
我有一个2层神经网络，我正在训练大约10000个特征(基因组数据)，在我的数据集中有大约100个样本。现在我意识到，每当我运行我的模型(即编译和拟合)时，即使我保持训练/测试/验证分离不变，我也会得到不同的验证/测试精度。有时在70%左右，有时在90%左右。由于神经网络的随机性，我预计会有一些变化，但这些强烈的波动会不会是其他东西的信号？
浏览 18提问于2020-10-26得票数 0
1回答
手写签名验证
、、、
我使用了ICDAR 2011签名数据集(是对原始图像和伪造图像的编码进行配对以获得一个培训样本(标记为0)。编码来自预先训练的VGG-16卷积神经网络(除去完全连接的层)。然后，我修改了具有以下体系结构的完全连接层：
问题是，尽管训练集的<
浏览 1提问于2019-01-21得票数 4
下面，您有6个不同的神经网络的训练和测试集的精度图。以下哪一种神经网络分类器更好？掌握这些鲜为人知的信息(训练和测试精度按历代图的数量计算)？我个人认为，第一个分类器(左上角)更好，因为它表明测试数据的准确性是稳定的，随着历元数的增加。
📷
浏览 0提问于2019-04-10得票数 2
1回答
当我训练Rasa核心时，训练精度波动很大。在一次运行中，它可以上升到95%，然后我重新开始并重新训练一次，它下降到75%。这是正常的吗？这是什么原因呢？
浏览 18提问于2019-05-20得票数 0
1回答
比较了朴素贝叶斯(NBC)、支持向量机( SVM )和神经网络的分类精度。我使用的数据集是~18K和26个标签。在目前的状态下，神经网络的准确率总是在80%以上，而NBC和SVM在15%到80%之间波动。他们大多接近两个极端之一。每次运行的唯一不同之处是使用sklearn的model_selection.train_test_split()函数对训练/测试中的数据进行分割。对于分类器<em
浏览 0提问于2022-07-19得票数 0
回答已采纳
我使用GeoLocator从数据库中检索10米以内的数据，但是当我使用Geopostition.Coordinate.Accuracy时，它提供的准确率在100到160之间，并且从不降低，有什么方法可以至少在
浏览 1提问于2015-03-31得票数 0
1回答
我们知道批量归一化(BN)加速了深度神经网络的训练。但它对小型神经网络也有帮助吗？我一直在试验6层卷积-MLP网络，我看不到训练这个网络对BN有任何好处。
浏览 17提问于2021-06-14得票数 1
我正在keras中训练神经网络，我达到了一个经典的极限-我的训练精度随着时代的增加而提高，但我的验证精度在9个时代之后会下降(见图)。 ? 我想知道我是否可以通过执行以下操作来避免验证精度的下降:如果时期导致验证精度的提高，则使keras net仅接受每个时期之后对权重的更改，否则重置为时期之前的状态？我假设验证在很大程度上开始偏离，因为在
浏览 15提问于2019-09-01得票数 0
1回答
：为什么我感到困惑：一步一步：model.fit_generator(batches, batches.nb_sample, nb_epoch=1, verbose0.17300000002
浏览 3提问于2017-01-24得票数 10
回答已采纳
1回答
我正在训练一个用于多目标回归的Keras模型，使用一个自定义的损失函数，目的是使该损失函数的预测精度低于0.01。从损失函数的下面图可以看出，训练损失和验证损失迅速低于目标值，训练损失趋近较快，验证损失在训练损失值上不断波动。虽然损失低于目标阈值，但我想知道这样的波动是否能反映模型拟合的一些问题？或者，验证集的大小太小(与训练的大小相比)；它们分别是|training| = 135
浏览 0提问于2018-08-06得票数 1
2回答
深度学习网络精度下降
、、、
为了熟悉语义分割和卷积神经网络，我将通过MathWorks学习本教程：我没有使用Segnet的预培训版本，因为我想测试我的自定义数据集。所有的代码都是相同的，但是我有不同的类，标签更少。下图显示了与每个像素相关联的标签名称和像素数量。为了弥补低像素数据的类别2，中位频率平衡被执行。./ imageFreq
我将继续使用示例中提供的代码对网络进行培训，options和lgraph将保持不变。Se
浏览 0提问于2018-12-01得票数 0
4回答
我希望以下摘录将提供一个洞察我的问题将是什么。这些是来自这里的。
然后，学习逐渐减缓。最后，在280年代前后，分类精度几乎停止了提高。后来的年代只是在280年代的精度值附近看到了小的随机波动。与之前的图表相比，与培训数据相关的成本继续平稳下降。如果我们只看这一成本，我们的模式似乎仍在“变得更好”。但测试精度的结果表明，改进是一种幻想。我们正在训练一个神经网
浏览 0提问于2017-05-22得票数 12
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
