腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(457)
视频
沙龙
1
回答
训练
准确率
很高
,
训练
过程中
损失
很小
,
但
分类
不好
python
、
tensorflow
、
machine-learning
、
keras
、
deep-learning
我对属于3类(两种动物和一组景观图像)的图像描述符
训练
了一个神经网络。这些描述符已经用VGG16 (没有最后一个完全连接层)进行了预先计算,并与其他
分类
器(支持向量机)一起给出了良好的结果。model.compile(optimizer = 'rmsprop', loss = 'categorical_crossentropy', metrics = ['accuracy']) 我是这样
训练
它的
训练
过程中
的测试精度和
损失
非常好(
浏览 24
提问于2019-06-12
得票数 0
回答已采纳
1
回答
人脸识别模型对
训练
后的图像给出错误的预测
python
、
opencv
、
computer-vision
、
face-recognition
我正在使用下面的代码对图像进行人脸识别,这也是在模型
训练
中使用的。但是当我在同一张图像上运行预测时,我得到了非常奇怪的结果,其中它检测到了不正确的多个人脸。2)cv2.imshow("Image", image) 理想情况下,模型应该已经学习了图像,并且应该在已经
训练
好的图像上给出了适当的结果
浏览 11
提问于2020-07-30
得票数 0
1
回答
不合身,不合身还是很合身?
tensorflow
、
machine-learning
、
neural-network
、
lstm
、
rnn
因此,我为二进制文本
分类
任务
训练
一个lstm rnn,而我对丢失结果的理解有一些问题。
训练
集约为70万个示例,验证集约为35000个示例。验证集和
训练
集是独立的,所以我不对验证集中的数据进行培训。根据我在学校学到的知识,在检查其他职位时,验证
损失
应该略高于培训
损失
,这样才是一个很好的匹配。然而,在我的情况下,正如您所看到的,验证
损失
波动
很小
。我用二元交叉熵作为
损失
函数。因此,每300批
训练
数据就意味着该算法已经大致通
浏览 0
提问于2018-03-28
得票数 1
2
回答
我不能理解我的CNN多类
分类
模型是否过拟合?
python
、
tensorflow
、
keras
、
evaluation
、
conv-neural-network
良好的
训练
,测试和验证的准确性,
但
奇怪的历史准确性的模型行为:这是我的模型的总结: ? 我执行了执行和预测任务,得到了下一个混淆矩阵: ? 而
准确率
行为紧随其后: ? 添加
损失
图以在下一篇文章中阐明更多内容 ? 提前感谢您的任何有用的信息和帮助!
浏览 90
提问于2020-08-11
得票数 1
回答已采纳
1
回答
期待您对我的
损失
/accuracy vs时期曲线的宝贵建议
python-3.x
、
tensorflow
、
machine-learning
、
keras
、
deep-learning
我可以看到
训练
和验证
损失
表现良好,
但
训练
和验证的准确性相当不正常。我认为验证数据集可能比
训练
集更容易。因此,我得到了
很高
的验证
准确率
。我期待着你的善意的建议。<code>B0</code>
浏览 16
提问于2020-03-18
得票数 0
回答已采纳
3
回答
为什么在来自Keras的model.evaluate()中使用
损失
来计算精度?
keras
、
loss-function
这也许是个愚蠢的问题,
但
:我认为
损失
仅在
训练
中使用,当然,这取决于模型在预测中的优劣,而不取决于对样本总数的正确预测量的准确性。我的问题是因为我最近
训练
了一个binary_crossentropy
损失
的模型,来自model.evaluate()的
准确率
为96%。
但
这不对!我检查了“手动”,模型得到了44%的总预测。因此,使用binary_crossentropy显示的是二进制精度
浏览 1
提问于2018-09-13
得票数 0
回答已采纳
1
回答
当我
训练
CNN时,我如何解释每一个时代的
损失
和准确性?
machine-learning
、
neural-network
、
classification
、
cnn
我对神经网络非常陌生,我正在
训练
CNN进行图像
分类
,在
训练
过程中
,我得到以下信息:这告诉我
训练
的
损失
和准确性,验证的
损失
和准确性,如果我错了,请纠正我。,这些量是什么?
浏览 0
提问于2020-12-09
得票数 0
回答已采纳
1
回答
深度神经网络中学习速率的调整
neural-network
、
deep-learning
目前我正在
训练
一个YOLO模型来检测对象,但我已经注意到,有时输出中的
损失
就像一个循环,例如“在20分钟的
训练
中,我的
损失
在0.2到0.5之间,每次我的程序减少到0.2,它就会自动增加到0.5,然后它就会像这样循环我的问题是:如果
损失
循环,我需要改变我的学习率吗?
浏览 0
提问于2017-04-04
得票数 0
2
回答
二值
分类
器
训练
初期验证数据集的高丢失和高精度
machine-learning
、
deep-learning
、
neural-network
、
pytorch
我正在用模拟数据
训练
一个ResNet50网络,我的验证数据集是实验数据。仿真数据不能100%准确地表示实验数据。该网络的目的是为了实现二进制
分类
器。在最初的
训练
状态中,我注意到一些非常奇怪的事情如下:
训练
的交叉熵
损失
为0.69,大致等于-log(50%),
准确率
为50%。这在逻辑上是有道理的,因为模型基本上没有学到任何东西,只是随机猜测而已。验证(实验)数据集的
损失
也为0.69,
但
准确率
接近于0%或100%。我理解这部分是由模拟(<
浏览 0
提问于2022-10-15
得票数 1
2
回答
不平衡数据的随机森林回归
r
、
regression
、
sampling
、
random-forest
、
cross-validation
我的
训练
数据集由10k对蛋白质和它们之间的实际距离组成。然而,很少有蛋白质对(小于0.2%)之间的距离
很小
,问题是经过
训练
的随机森林在预测距离较大的蛋白质之间的距离时变得非常准确,而对于距离较小的蛋白质来说则非常糟糕。我试图在我的
训练
数据中对距离很大的蛋白质进行下采样,
但
结果仍然
不好
。我更感兴趣的是紧密的蛋白质(那些距离
很小
的蛋白质对)。由于我的
训练
准确率
为78,测试
准确率
为51%,因此有一个非常明显的过度拟合的信号
浏览 0
提问于2013-03-21
得票数 2
回答已采纳
1
回答
SSD Resnet 50 FPN
损失
函数说明
tensorflow
、
machine-learning
、
computer-vision
、
loss-function
、
object-detection-api
在
训练
过程中
,我看到
分类
损失
和本地化
损失
已经收敛,
但
总
损失
仍在减少。另外,总
损失
也不是
分类
损失
和定位
损失
的总和。任何关于为什么会发生这种情况的想法。我正在使用object_detection/ train.py /文件夹中的遗留文件来
训练
我的数据集。附图相同。
浏览 11
提问于2020-02-25
得票数 0
2
回答
基于自定义数据的
训练
模型
python
、
tensorflow
训练
进行得很顺利,
但
损失
高达10%。在那之后它会变得非常慢,所以我需要停止它。在那之后,我在相机上实现了这个模型,但它没有准确性。会不会是因为我只有32张物体的图片?
浏览 0
提问于2020-01-22
得票数 1
1
回答
SKLearn -使用单一功能的随机森林的异常高性能
python
、
scikit-learn
、
classification
、
random-forest
我使用随机森林作为数据集的二进制
分类
器,结果似乎不可信,但我找不到问题所在。 问题在于,这些示例显然不能通过设置阈值来分离,因为正/负示例的感兴趣特征的值是高度同质的。当只有一个特征用于二进制
分类
时,RF应该只能通过设置肯定/否定识别的绝对阈值来区分示例,对吗?如果是这样的话,下面的代码如何在测试集上获得完美的性能?附注:在实践中,我有比下面所示的大约30个例子更多的例子,
但
只包括这些作为例子。当评估>100时,性能相同。我已经检查了
分类
器的配置和诸如此类的东西,没有发现任何问题。我在想也许这是一
浏览 3
提问于2018-10-26
得票数 0
1
回答
验证
损失
达到最小,然后增加
python
、
tensorflow
、
machine-learning
、
keras
、
deep-learning
可以看出,在60年代左右,我的验证
损失
开始增加,而我的验证精度保持不变。它似乎在那个时候开始过拟合,但是如果它只是简单地记住我的
训练
数据,那么
训练
损失
不会继续减少到几乎为零吗?我的模型似乎也
很小
,无法过度拟合(我正在尝试对FFT数据进行
分类
)。我是不是明目张胆地做错了什么?)model.add(Dense(1, activation='sigmoid')) #Outp
浏览 16
提问于2020-12-31
得票数 0
1
回答
tensorflow
训练
效果不佳,只需几百步,
损失
很快就降到0,
准确率
达到100%,已经困扰我好几个月了。
python
、
tensorflow
、
deep-learning
、
conv-neural-network
我正在尝试使用tensorflow进行图像
分类
。总共有5个类别,每个类别大约有300幅图像。但在
训练
过程中
,仅仅几百步,我就遇到了一些问题: 1、
损失
下降到0,准确度达到100% 2,加上验证集后(不知道添加的代码是否正确),验证集的丢失仍然减少到0,验证集的
准确率
仍然达到100%或90+%。代码
训练
是否正确?错误在哪里? 有多少数据集?
浏览 0
提问于2019-07-24
得票数 2
3
回答
Tensorflow:
损失
减少,
但
精度稳定
tensorflow
、
neural-network
、
deep-learning
、
conv-neural-network
、
convolution
我的团队正在使用Tensorflow对CNN进行
训练
,以便对损坏/可接受的零件进行二进制
分类
。我们通过修改cifar10示例代码来创建代码。在我以前使用神经网络的经验中,我总是
训练
到
损失
非常接近于0(远低于1)。然而,我们现在正在评估我们的模型在
训练
期间使用验证集(在单独的GPU上),似乎精度在大约6.7k步长后停止增加,而
损失
在超过40k步长后仍在稳步下降。这是由于过度拟合造成的吗?一旦
损失
非常接近于零,我们是否应该期望看到
准确率
的另一个峰
浏览 2
提问于2017-04-19
得票数 29
3
回答
支持向量机中的参数C&寻找最佳参数的标准
statistics
、
svm
我的意思是,如果C很大,这是否意味着“我不能容忍错误的
分类
”?顺便问一下,决定哪个参数更好的标准是什么?
浏览 4
提问于2012-10-10
得票数 1
回答已采纳
1
回答
基于keras的RNN文本
分类
python
、
python-2.7
、
neural-network
、
keras
、
recurrent-neural-network
我用keras编写了这个RNN文本
分类
系统,里面有网络上的教程。它工作得很好,也显示了输出。但是是否有人可以检查我的代码,并告诉我我的实现是否正确?
浏览 0
提问于2017-03-13
得票数 0
2
回答
是否有可能以100%的
准确率
创建SIN预测的NN?哪一个是最好的?
python
、
keras
、
lstm
、
trigonometry
、
prediction
根据 提前谢谢你,丹尼斯
浏览 0
提问于2021-02-07
得票数 0
2
回答
术语准确性和验证准确性之间的区别是什么
python
、
keras
、
lstm
我已经使用Keras的LSTM构建了一个模型,该模型可以检测堆栈溢出上的两个问题是否重复。当我运行模型时,我在纪元中看到了类似这样的东西。727722/727722 [==============================] - 67s - loss: 0.3167 - acc: 0.8557 - val_loss: 0.3473 - val_acc: 0.8418727722/727722 [==============================] - 67s - loss: 0.3152 - acc: 0.8573 - v
浏览 1
提问于2018-07-15
得票数 20
回答已采纳
点击加载更多
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
如何防止我的模型过拟合?这篇文章给出了6大必备方法
机器学习隐私研究新进展:数据增强风险被低估,新算法“降服”维数依赖
NeurIPS 2019论文解读:学习一个模仿小鼠视觉系统的CNN
如何根据训练/验证损失曲线诊断我们的CNN
教程 从检查过拟合到数据增强,一文简述提升神经网络性能方法
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券