我使用脑部MRI数据并将它们转换成jpg。然后使用VGG16进行训练。当我检查损失、准确性、验证损失和验证准确性时，我会看到下面的图表。
当我用不同角度的旋转来增加数据时，结果是相似的。我怎么才能摆脱它？是因为VGG16模型还是我的数据集？我还添加了我的模型的图表，从拉伸板，你可以检查。这是关于我的论文，经过几天的研究，我找不到有用的信息。这个网站是
浏览 0提问于2019-02-19得票数 3
1回答
我正在用Python做CNN的模型训练，我有一个问题。我知道数据规范化对于在0到1之间缩放数据帧中的数据很重要，但是假设我在垂直方向上对我的数据帧执行z-score标准化(这意味着在每个功能的范围内缩放数据)，但是在我部署了模型并希望在现实世界场景中使用它之后，我的数据帧<e
浏览 11提问于2021-09-04得票数 0
回答已采纳
1回答
验证损失增加，验证精度下降
、、、、
我对我的模特有意见。我试图使用最基本的Conv1D模型来分析评审数据并输出1-5级的评级，因此损失是categorical_crossentropy。模型结构如下model = Sequential()对212135个样本进行训练，对69472个样本进行验证loss: 0.9452
浏览 0提问于2019-03-21得票数 7
3回答
关于机器学习的基本问题
、、、、
在使用这两种方法完成二进制分类之后，我得到了以下结果：培训准确率: 83%CNN方法：验证准确性: 91%我的问题是，这些方法是否过份适合训练？
浏览 6提问于2017-08-30得票数 1
1回答
已经有许多论文(特别是图像标题)将CNN和LSTM架构联合用于预测和生成任务。然而，他们似乎都是独立于LSTM训练CNN的。我在浏览Torch和TensorFlow (用Keras)，却找不到为什么不可能进行端到端的培训(至少从架构设计的角度来看)，但似乎没有任何关于这种模型的文档。
那么，能做到吗？火炬或TensorFlow (甚至西亚诺斯或卡菲)是否支持联合训练端到端的CNN神经网络？如果是这样
浏览 2提问于2016-10-17得票数 8
3回答
我试着用神经网络和CNN对我和几个朋友写的手写体数字进行分类。为了训练神经网络，采用了MNIST数据集。问题是使用MNIST数据集训练的神经网络在我的数据集上没有给出令人满意的测试结果。我在Python和MATLAB上使用了一些不同设置的库，如下所示。我试图将自己的数据集与MNIST相似。以上从预处理数据集中收集到的</
浏览 7提问于2015-01-13得票数 9
回答已采纳
2回答
我试图用python编码一个水果图像分类器，尝试对7个水果进行分类。我有15077张train_set图片和4204张validation_set图片。我为10个时代编写了代码，我得到的结果如下：model_cnn.add(MaxPooling2D(pool_size=(2,
浏览 7提问于2020-05-04得票数 0
回答已采纳
我正在训练一个Tensorflow Keras CNN的图像，太多的训练数据，以适应记忆。我有一个tf.Dataset预处理管道，它使用dataset.map()管道步骤从HDF5文件中读取图像。现在，我试图将数字图像数据规范化为0均值和单位方差。但是，当我试图在完全相同的数据集中实际应用值的规范化时，在尝试将我的ParallelMapDatas
浏览 4提问于2022-02-07得票数 1
回答已采纳
1回答
我试图从零开始构建一个基于LeNet架构的CNN。
我实现了背景，现在尝试使用16批大小的SGD在MNIST数据集上训练它。我想找到一种快速的方法来验证学习是否进行得很好，并且没有bug。对此，我设想每100批损失一次，但在我的笔记本电脑上花费的时间太长，而且我看不到总体动态(损失会向下波动，但偶尔会反弹，因此我不确定)。有谁能提出一个行之有效的方法，让CNN不用等很多小时的训练就
浏览 0提问于2020-01-19得票数 0
回答已采纳
我正在使用200亿个jester数据集建立一个手势识别系统。目前，我只在4节课上工作。数据集包括从视频中以12帧/秒的速度提取的图像。我建立了两个模型，3D-CNN和CNN-LSTM，但只使用角角和Tensorflow获得了大约25-30%的精度。模型体系结构(260, 22, 128, 128, 1)(260, 4)
model
浏览 0提问于2018-11-19得票数 2
回答已采纳
我已经训练了两次完全相同的模型(完全相同的训练数据集)，但是结果是非常不同的，我对它们的损失曲线的行为感到困惑。
模型描述:我的项目是稀疏视点CT图像重建.我的目标是利用
浏览 6提问于2019-10-30得票数 3
1回答
我用tensorflow编写了一个用于python的CNN模型，该模型用于对肺CT图像(癌症/非癌症)进行分类，经过训练和验证数据训练模型并获得合理的准确性，毕竟，我需要用测试数据来测试模型，但我不知道如何做到这一点如何保存模型并将其用于测试？
浏览 0提问于2018-08-14得票数 0
回答已采纳
我想使用CNTK python训练一个CNN模型，然后在我用c#或c++编程时使用训练好的模型。可以在C#或c++中使用CNTK python训练过的模型吗？
浏览 13提问于2018-01-10得票数 2
我正在使用dlib进行对象检测，我正在研究python实现。我测试了来自的几个例子，特别是我在上工作。这个效果很好。现在我想在基于CNN的对象检测模式上训练相同的数据模型，但是我找不到用python训练的python实现，但是有c++的例子。()。我想我好像遗漏了什么东西，或者python实现是不可用的？如果python
浏览 3提问于2017-11-06得票数 2
回答已采纳
2回答
CNN模型的学习曲线
、、、
我有一个关于火车精度和验证精度的模型的图表：但我很难理解它。顺便说一句，我会说它的表现很差。但是我想知道这个图表是如何用更广泛的方式来解释的。
浏览 0提问于2019-04-04得票数 0
我是python keras的新手。随着对Keras的理解，我对Keras的输入形状感到困惑。我觉得在不同的神经网络下，我需要将我的数据重建成不同的形状。例如，如果我正在构建一个简单的ANN，我的训练数据应该是像m，n这样的矩阵，m是样本的数量，n是特征的数量。但最近我正在学习一维卷积神经网络。我发现教程将训练
浏览 7提问于2019-08-26得票数 0
1回答
本文试图验证浅层CNN模型(AlexNet)和深度CNN模型(ResNet)的性能差异。当训练数据集较小时，浅层CNN优于深层CNN。但随着训练数据集的增大，性能差异逐渐减小。最后，深层CNN的表现要好于浅层CNN。你能请这些详细的背景或者让我知道相关的文件吗？致以敬意，
浏览 5提问于2022-01-08得票数 1
1回答
卷积神经网络不对测试集角进行分类
、、、、
我有一个三维复杂的神经网络角点，tensorflow和3D脑图像的人晚期阿尔茨海默氏症，早期阿尔茨海默氏症和健康人(3类)。我有324张图像的训练集和74张图像的测试集。当我训练我的CNN时，我有大约65-70%的准确率，但是对于测试集，我只有30-40%。当我使用测试数据作为验证数据时，对于训练集，我的准确率也不超过37%，并且损失始终保持在相同的水平。不管我改
浏览 2提问于2017-10-07得票数 0
回答已采纳
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
对象存储
云直播活动推荐
腾讯云开发者
