1回答
我想通过初始化一个保存的模型的权重来训练一个模型，下面是我使用的代码： la = saved_model.get_layer(name='conv2d') relu = tf.nn.relu(conv+bias) 使用这种方法，我将无法更新偏差项，如何初始化<
浏览 16提问于2021-08-19得票数 0
我感兴趣的是在PyTorch中训练一个CNN模型和一个简单的线性前馈模型，并在训练之后将更多的滤波器添加到CNN层和神经元-线性模型层和两者的输出(例如，从二分类到多类分类)。通过添加它们，我的具体意思是保持训练的权重不变，并将随机初始化权重添加到新的传入权重中。
这里有一个CNN模型
浏览 18提问于2021-02-26得票数 2
回答已采纳
1回答
长话短说，我训练了一个CNN模型来区分男女性别。然而，我想调整我的模型。我节省了现有模型的重量和偏差。我可以在现有模型上使用RandomSearchCV或GridS
浏览 0提问于2020-10-07得票数 2
我已经训练了CNN并创建了一个tensorflow模型文件(.ckpt)。
我必须使用经过训练的模型在硬件上实现前向传播，为此，我需要更新权重和偏差(正如我在培训后得到的)。如何将其转换为某种人类可读的格式，以便读取更新的模型参数？
浏览 4提问于2017-01-08得票数 1
回答已采纳
1回答
我正在使用Tensorflow tf.Saver加载一个预先训练的模型，我想通过擦除(重新初始化为随机)适当的权重和偏差来重新训练它的几个层，然后训练这些层并保存训练后的模型。我找不到重新初始化变量的方法。我尝试了tf.initialize_variables(fine_tune_vars)，但它不起作用(我假设因为变量已经初始化)，我还看到你可
浏览 8提问于2016-08-15得票数 7
回答已采纳
3回答
假设我有一个定义好的神经网络的训练样本(带有相应的训练标签)(神经网络的结构对于回答这个问题并不重要)。让我们把神经网络称为“模型”。为了不创建任何夫人，让我们说，我介绍了最初的权重和偏差的‘模型’。我用训练样本和训练标签来训练40个时代的“模型”。经过训练，神经网络将对整个神经网络有一组特定的权重和</em
浏览 13提问于2020-03-20得票数 3
回答已采纳
我是TensorFlow的初学者，目前正在训练CNN。我使用Saver来保存模型使用的参数，但我担心它本身是否会存储模型使用的所有变量，并且是否足以将值恢复到重新运行的程序，该程序用于在经过训练的网络上执行分类/测试。在这个例子中，我们有一堆卷积块，它们都有权重，以及在程序运行时初始化的偏置变量。saver.restore(sess，file_path)替换它，以便将权重、偏差等参数恢复到图形中？if i%
浏览 4提问于2016-04-22得票数 1
回答已采纳
为了对不同的框架进行基准测试，我想从头开始训练一个初始v3网络。下面是构建模型的代码片段： IMAGE_RES = 229model = tf.keras.applications.InceptionV3(include_topmodel.build(input_shape=(None, IMAGE_RES , IMAGE_RES , channels)) 根据keras官方网站的说法，参数weight=None意味着随机初始化这是否意味着我正在从头开始训练我的网络？如果不是，如何从头
浏览 15提问于2020-12-04得票数 0
回答已采纳
1回答
为了便于讨论，简化了以下模型.1.训练获取256x256图像的神经网络( net_1)，并将训练后的模型保存为tensorflow检查点文件格式。在训练net_2时，我希望使用net_1检查点文件中保存的权重和偏差来初始化net_2中的net_1_kernel部件。
我知道我可以加载检查点来预测测试数据
浏览 0提问于2018-09-12得票数 2
回答已采纳
1回答
我用自定义的dataset在Pytorch上培训了一个经过预培训的ResNet18模型，并想知道是否可以传输我的模型文件来训练另一个具有不同体系结构的文件，例如ResNet50。我知道我必须相应地保存我的模型(在上解释得很好)，但这是我以前从未想过的问题。我计划使用更先进的模型，比如VisionTransformers ( ViT )，但我不知道我是否已经开始使用经过预培训的ViT，或者我只需要使用以前的模型文件，并使用它作为预培训的模型来</
浏览 8提问于2022-03-14得票数 1
回答已采纳
我试图通过在会话中首先提取可训练变量来操作多层LSTM RNN的权重，如下所示： values = session.run(variables_names)
现在变量values是我的tensorflow图中所有权重和偏差的列表。在对权重和偏差进行了一些算术运算之后，我想把它们上传回
浏览 2提问于2017-03-28得票数 0
回答已采纳
1回答
我想从我使用Tensorflow (Python API)从头开始实现和训练的CNN中节省权重(和偏差)。
现在，我想将这些权重保存在一个文件中，并与某人共享，以便他可以使用我的网络。但由于我有很多权重，所以我不知道。
浏览 1提问于2017-03-27得票数 1
我有一个h2o深度学习模型，"model1"，很好地概括了这个模型。不幸的是，在构建模型时，我忘记设置导出权重和偏差= TRUE。我尝试用所有精确的参数、种子和数据集对许多模型进行再培训，就像在原始model1中添加的集导出权重和偏差一样。
不幸的是，这些新模型的none都很好地推广了。事实上，尽管所有的模型都能很好地训练、验证、交叉验证<em
浏览 2提问于2017-06-03得票数 1
我正在使用编写的cnn文本分类来进行情感分析。这段代码应用交叉验证来检查学习模型的质量。但是，我想保存学习到的权重和偏差，这样我就可以将学习到的模型逐个应用到新实例上，以达到预测的目的。我知道我应该使用pickle load和dumb来做到这一点，但我不确定我应该使用代码的哪一部分我想要一个单独的test.py文件，这样我就只能在测试样本上测试训练过的模型，而不需要再次训练
浏览 1提问于2017-01-09得票数 1
1回答
在此步骤之前，我没有看到任何使用model.fit函数训练数据的代码。那么下面的代码是什么呢？它们是否使用随机权重显示预测？for 20 epochs, with and without this careful initialization, and compare the losses: ，但我不确定他们是如何分配初始偏差的但是我们如何为careful_bias_history分配偏差呢？它不是应该有等于initial_bias的偏置吗？careful_bias_history如何获得偏移值？我觉得应该从使用model
浏览 27提问于2020-01-23得票数 0
回答已采纳
我想把一个预先训练好的caffe模型转换成keras，然后我需要逐层初始化这些层。我将权重和偏差保存在mat文件中，并将它们加载到python工作区。我知道“权重”参数是如何得到numpy数组的，但不是怎么得到的？谢谢
浏览 3提问于2017-02-28得票数 6
回答已采纳
2回答
我训练了两个具有完全相同结构的CNN，一个用于MNIST，另一个用于SVHN。我得到了两个模型的参数(权重和偏差)。现在，我想组合(求和或其他操作)这些权重。modelMNIST.parameters()+modelSVHN.parameters() 如果我这样做，我会得到这个错误：SyntaxError: can't assign to function call 通过这种方式assign 'torch.cuda.FloatTen
浏览 269提问于2021-04-26得票数 0
回答已采纳
1回答
如何防止权重偏差保存最佳模型参数
、、、、
我使用权重和偏差()来管理超参数优化和记录结果。我正在使用带有Tensorflow后端的Keras进行培训，我使用的是随箱即用的重量和偏差日志功能，我在其中运行。默认情况下，权重和偏差似乎保存模型参数(即模型的权重和偏差)，并将它们存储在云中。这消耗了我帐户的存储配额，这是不必要的--我只关心跟踪模型的丢失&#
浏览 4提问于2022-04-25得票数 3
回答已采纳
我已经训练了自动编码器(E1 - D1)，现在我想要另一个自动编码器，让我们称之为(E2 - D2) 因此，该模型类似于E1 -> E2 -> D2 -> D1，其中该模型仅使用E2 D2的输出和D1的输入来优化E1 E1 -> 5个CNN层+1个FC (已训练) E2 -> 5 CNN层+1 FC D2 -> 5 DeCNN层+1 FC D1 -> 5 DeCNN layers +1 FC (已训练<
浏览 6提问于2019-09-16得票数 0
2回答
如何正确训练扩展数据集
、、、
我训练了我的分类器，在每幅图片上混合了几个类，例如A。分类器能够(几乎)正确地分割图像上的这些类。我的训练有两个问题：
如果在我的第一个数据集中没有G类的例子(因为它可能是A的子类)，我如何正确地训练它？建议的解决方案:我可以将我的新数据添加到旧的数据中，但是当有G类图像时，我必须告诉CNN，因为我必须以某种方式改变CNN的误差测量。但是怎么做呢？如果G包含在我的第一个数据集中(假设G是“警车”，而B是“汽车”，但是有些图像显示了警车)，那么在这种情况下，我该如何训练呢？
浏览 0提问于2017-02-14得票数 1
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
