嗨，我正在使用下面的代码在Keras中训练分类器，但是当测试新图像时，我总是得到预测的类别为1，尽管我的验证测试显示出80%以上的准确率。请指出我做错了什么。Fitting CNN with Images --------train_datagen
浏览 18提问于2019-02-28得票数 0
回答已采纳
我刚刚用Tensorflow/Keras训练了一个CNN，并将其保存为模型。我多次尝试通过它运行大约1000个输入，每次得到的预测精度略有不同。准确性很好，我不关心性能；然而，我认为CNN模型一旦训练，就应该是确定性的。也就是说，任何输入都将始终以相同的方式分类。难道不是这样吗？模型一旦训练就可以预测的方式是否存在可变性？
浏览 0提问于2019-08-11得票数 3
我已经使用Keras训练了一个图像分类模型。训练后的模型在训练数据上的准确率为95%，在未接触的验证数据上使用model.evaluate，我获得了约92.8%的准确率。但是，当我使用model.predict函数来获得预测概率并获得概率最大的预测类时，我获得了~80%的准确率。完整的代码可以在以下链接上以colab笔记本的形式获得-
浏览 2提问于2020-06-12得票数 0
我想用相同的训练数据集在Google Colab (Tensorflow+Keras)中用图形处理器多次训练CNN架构，然后用相同的测试数据集测试每个训练过的模型。然后，我想要确定结果的平均值和标准差(准确性)来评估CNN的性能。(我想反复训练CNN架构，因为由于GPU，没有可重现的结果)。
我想知道我是否应该在每次运行中放置不同的种子，以至少限制一点随机性？
浏览 39提问于2019-11-05得票数 1
回答已采纳
我在TensorFlow中使用具有两个卷积层的CNN，一个完全连接的层和一个线性层来预测对象的大小。标签是大小，特征是图像。两种方法的准确率都有所提高，但交叉验证准确率的提高速度较慢。考虑到精度上的差异是由于模型过拟合，我尝试使用L2正则化来正则化权重。但是，这只是降低了训练精度，而交叉验证精度的趋势保持不变。交叉验证<
浏览 3提问于2018-09-07得票数 0
2回答
凯拉斯模型不训练。精度总是0.5
、、、、
我的Keras CNN二进制分类模型总是有训练验证精度0.5。我的CNN的第一个问题是图像数量低(总数为980，需要测试180 )，而我无法获得更多的图像来构建这个CNN。我想知道我能用我的模型做些什么来改变验证的准确性。如果图像编号是问题所在，我可以使用这个集合来训练哪个模型？classifier=Sequential()
drive
浏览 4提问于2022-10-13得票数 -1
我有一组不同长度的非零序列，我使用Keras对这些序列进行建模。我使用来标记(令牌从1开始)。为了使序列具有相同的长度，我使用填充。0,0,0,0,0,10,3]# [0,0,0,10,3,4,5]为了评估该模型是否能够推广，我使用了一个70/30比的验证集在每个时代结束时，Keras显示了训练和验证的准确性。
我最大的疑问是，当使用填充时，Keras验证的<em
浏览 0提问于2020-07-19得票数 3
2回答
虽然训练的准确性已经相当高，但经过第一次训练后，训练的准确率还在不断提高。然而，验证的准确性似乎永远停留在50%的关口附近。其他CNN架构工作得很好，达到了95%的验证精度。我对我的模型使用了以下代码：from keras.models import Sequential
from keras.
浏览 0提问于2019-11-28得票数 2
这些天我越来越熟悉CNN & tensorflow (通过猫/狗分类问题)，在编写预测函数时，我意识到代码使用了expand_dims，而我无法解释1。当我能够得到所需的上传图像的(150,150，3)数组时，为什么我不能将其提供给预测函数？我训练/验证的图像也具有相同的大小(150,150，3)。在此之前，非常感谢， 1 import numpy as np
from
浏览 14提问于2020-07-01得票数 4
回答已采纳
Google colab上的温度预测时间序列教程很好地介绍了如何设置各种模型的训练、验证和测试性能。如何使用这个经过训练的multi_conv_model对新的未标记数据运行温度预测。专门研究如何仅使用输入数据帧调用Keras预测函数。https://colab.research.google.com/github/tensorflow/docs&#
浏览 48提问于2021-09-13得票数 0
我有一组不同长度的非零序列，我使用Keras对这些序列进行建模。我使用来标记(令牌从1开始)。为了使序列具有相同的长度，我使用填充。0,0,0,0,0,10,3]# [0,0,0,10,3,4,5]为了评估该模型是否能够推广，我使用了一个70/30比的验证集在每个时代结束时，Keras显示了训练和验证的准确性。
，我最大的疑问是在使用填充时，Keras验证的<em
浏览 1提问于2020-07-17得票数 3
1回答
我正在构建一个图像分类器CNN作为一种实践形式。该模型是使用MobileNetv2进行训练的，它应该能够对猫、狗和熊猫的图像进行分类。在训练了我的模型(准确率达到92%)之后，我尝试使用model.predict()来评估它对新图像的处理效果，但我注意到我所有的输出都是1。即使我使用相同的以前的训练数据，也会发生这种情况。顺便说一句，我使用了2700张(每个班级900张)图片进行训练，300张图片进行验证。as npimport PIL
import PIL.Ima
浏览 52提问于2021-01-05得票数 0
1回答
我正在尝试使用<code>C0</code>数据训练Keras DNN模型进行预测。我已经对数据进行了标准化，并将其分为训练、测试和验证部分。我遇到了一个关于我的晒黑和验证准确性的问题，它(几乎)保持不变。精度始终停留在(0.1431)。<code>A3</code>
使用TensorFlow编码在数组之外创建Keras密集功能。我们将在Keras模
浏览 8提问于2020-07-31得票数 0
model.fit(train,epochs = 100 , validation_data = test)
model.save("vgg16CNN.model70幅图像，我的验证/测试数据为每类10幅图像。当我运行代码时，我获得了大约99%的训练准确性和76%的验证精度，其中有0.07的训练损失和0.7的验证损失。但是，当我拿出所生成的模型，用它在测试数据集上进行预测<
浏览 2提问于2021-12-05得票数 0
回答已采纳
我正试图建立一个CNN，训练一组206张图像，测试一组19张图片，每一节课。为了检查，我试着用一个正确的图像和一个错误的图像来预测。两次预测都是返回0.0
# Part 1 Building CN
浏览 2提问于2018-06-22得票数 0
回答已采纳
4回答
卷积神经网络训练
、、、、
我有一个关于卷积神经网络(CNN)训练的问题。
我已经成功地使用tensorflow训练了一个网络，它接受一个输入图像(1600像素)，并输出三个匹配它的类中的一个。用训练好的类的变体测试网络得到了很好的结果。然而，当我给它一个不同的第四图像(不包含任何经过训练的3图像)时，它总是返回一个随机匹配到其中一个类。我的问题是，我如何训练网络来分类图像不属于这三个训练图像中的任何一个？一个类似的例子，如果我针对mnist数据库训练一个网络，然后给它一个字符&
浏览 6提问于2017-11-17得票数 0
2回答
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。上面的哪个值是我的模型的准确性。我对机器学习比较陌生，所以任何解释都会有所帮助。
浏览 1提问于2018-07-15得票数 20
回答已采纳
之前，我实现了2个CNN模型(Resnet50v2和inceptionResNetv2)，数据集包含3662张图像。在Google colab的训练和验证过程中，这两种方法都工作得很好。现在我再次重新运行完全相同的代码，每个时期的训练样本本身减少到每个时期只有92个样本(在2929个/时期之前)。两个型号使用不同的笔记本，它们现在都是这样的。我想这可能是因为内存有限(在使用google colab一个月后，它似乎减少了一半)，所以我升级到了2
浏览 10提问于2020-04-01得票数 1
2回答
我一直在训练一个神经网络来识别手写的纸张和有图画的纸张之间的区别，我的图像都是(3508,2480)大小的，我用CNN来完成这项任务，问题是训练需要很长时间，我有30,000个数据，属于两个类别，分为验证和训练，所以我有：
这是我的密码import os
import matplotlib.
浏览 2提问于2020-12-05得票数 0
回答已采纳
1回答
我已经为Google集数据创建了一个CNN模型，并且在训练上实现了99%+的准确性。下面是我预测的方法for x, y in unbal_generator: 1 = {float64} 0.9905123114585876📷
Wondering，
浏览 0提问于2019-12-14得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
