我试图比较CNN模型和组合CNN-SVM模型的分类精度结果。然而，我发现CNN模型比CNN-SVM组合模型具有更好的精度。这是正确的还是有可能发生的？
浏览 25提问于2019-11-14得票数 1
1回答
CNN模型精度
、、
我已经在CIFAR 10上训练了我的CNN模型，我得到了87%的val_accuracy，这不是一个低值，但当涉及到检测图片时，我的模型发现了大多数图片错误。
浏览 0提问于2021-05-04得票数 0
1回答
CNN模型精度
、、、
我是python CNN模型的初学者，我已经建立了一个模型来根据这个链接https://www.kaggle.com/grassknoted/asl-alphabet中的数据集对美国手语字母表进行分类然而，我从这个链接https://www.kaggle.com/danrasband/asl-alphabet-test获得了另一个数据集来评估模型，准确率有了很大的下降，我从内置的evaluate函数中获得了
浏览 18提问于2021-02-08得票数 0
0)
TOLERANCE = 0.6FONT_THICKNESS = 2
MODEL = "cnn
浏览 7提问于2021-09-20得票数 0
回答已采纳
1回答
我们有一些有效的训练和测试数据来创建作为家庭作业CNN1D，并将结果与另一个模型进行比较，以获得我使用此模型尝试的考试分数，但我得到的准确率为84.18，而竞争对手模型为84.58。我的同学也得到了与我相同的模型，他们可以将其改进为85.20%的准确率。我只是被授权更改超参数或在fusion = concate()之后添加/修改/删除某些层v n_filters=256,
dropout_rate = 0
浏览 0提问于2021-03-09得票数 0
1回答
CNN模型精度低
、、、
我想使用VGG19模型，在顶部添加一个密集的图层，并用我的图像对其进行微调。因为我只有1299张图像，所以我也想使用数据增强。我真的不知道我还能尝试什么
浏览 0提问于2021-05-04得票数 0
1回答
CNN模型精度波动
、、、、
Tensorflow/Keras编辑:我正在使用这个文件夹 Edit2:我正在使用这个模型
input_folder = r"C:\Users\User\OneDrive\Documents\Trimester
浏览 8提问于2022-04-11得票数 0
在我的CNN模型中，通过使用400或以上的大量历元，验证精度和有时测试精度都会提高，但我认为这么多的历元不是个好主意吗？我说的对不对？为什么？
浏览 0提问于2019-03-02得票数 5
回答已采纳
2回答
时代的多少会影响过拟合吗？
、、、、
我正在使用卷积神经网络，CNN。在一个特定的时代，我只保存最好的CNN模型的权重，基于改进的验证精度比以前的时代。
增加划时代的次数是否也会增加CNNs和深度学习的过度拟合？
浏览 0提问于2018-02-07得票数 20
回答已采纳
1回答
我在这里的目标是将我的顶层附加到一个预先训练的模型，如VGG19，并使用合并后的模型进行一些预测。合并后的模型精度为0。需要一点帮助。===============Trainable params: 164,863在瓶颈特征上训练我的顶级模型=================Trainable params: 20,024,384
Non-trainable
浏览 3提问于2018-04-15得票数 2
1回答
通常使用CNN结构，在最后一层中使用Sigmoid函数作为激活函数，并使用二进制交叉熵来输出每个类的概率。然而，问题是，当我们有两个以上的标签，每幅图像，该模型将导致低精度。任何人都有一个健全的最先进的模型，做多标签图像分类的高精度的建议。
浏览 0提问于2021-04-20得票数 1
3回答
精度低的CNN模型
、、、、
我目前正在研究一个CNN模型，它可以对食物图像进行分类。到目前为止，我已经建立了一个正常运作的CNN，但我想提高准确性。对于数据集，我使用了一些来自Kaggle的图像，很少使用来自我自己的集合。这是我的CNN模型：classifier.add(Dropout(rate=0.5))
classifier.a
浏览 0提问于2018-09-06得票数 0
2回答
何时调整深度学习中的超参数
、、、、
我目前正在使用不同的CNN和LSTM模型架构来解决我的多变量时间序列分类问题。我正在运行我对AWS SageMaker的培训，如果需要的话，我可以并行工作。
干杯。
浏览 0提问于2021-08-25得票数 1
1回答
我正在为我的具体问题训练CNN模型。我将数据集划分为70%的训练集、20%的验证集和10%的测试集。验证精度达到95%，测试精度也达到95%。这是什么意思？这是否意味着模型没有偏差(不偏倚于验证集中的样本)，并且它的超参数被正确地调整了？同时，这些结果是否证实了模型的泛化能力(无过拟合)？
浏览 0提问于2022-04-15得票数 0
回答已采纳
1回答
为了提高训练模型的延迟性，我尝试使用Tensorflow混合精度。policy = mixed_precision.Policy('mixed_float16')但是当我在其他CNN网络上尝试一个玩具例子时，我发现如果我使用混合精度来训练模型的话，速度会增加一倍x2。我试图避免重新使用混合精度的模型，因为我所使用的模型相当复杂，并将其转换为混合<e
浏览 3提问于2021-11-14得票数 0
3回答
我正在使用CNN和预先训练的模型VGG16进行图像分类，我的数据集有3个类，每个类有将近900幅图像。经过5次训练后，我的模型达到了1的精度，0.00073的列车损耗，val-损失=0.00000，val-精度=1，达到100%的精度正常吗？
浏览 0提问于2021-09-24得票数 1
我正在构建CNN +集成模型，用于在Python上使用Tensorflow对图像进行分类。我在谷歌图片上爬行狗和猫的图像。然后更改为126 * 126像素大小和灰度，添加标签0到狗，1到猫。CNN有5个conv层和2个fc层。他，PReLU，最大的池，退出，亚当在模型中使用。当参数整定完成后，增加了早期停止，模型学习了65~70个历元，精度达到92.5%~92.7%.学习结束后，我想把我的CNN模型改为VGG网络，我检查了CNN参数，
浏览 0提问于2017-07-17得票数 7
回答已采纳
1回答
我正在训练一个CNN-LSTM concat模型，经过20个时期后，我得到了69%的准确率和0.04 %的损失？我知道非常高的训练精度和相对较低的验证精度的组合表示过拟合，但我想知道低精度和非常低的损失是否也表示过拟合。 总体而言，准确率呈线性增加，损失呈指数下降。
浏览 37提问于2020-01-30得票数 0
回答已采纳
1回答
我想训练一个CNN，它可以实时地对大分辨率图像进行推理。CNN必须阅读由5位数字组成的手写数字。是否有更好的方法或CNN来解决这个问题？
谢谢!
浏览 2提问于2020-02-24得票数 2
回答已采纳
云服务器
对象存储
ICP备案
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号