1回答
我认为我做错的地方如下： tf.keras.layers.Embedding(10000, 300),输出的主要问题是，当我运行模型来预测
浏览 0提问于2020-03-30得票数 1
1回答
我已经看过这个的许多变体，我的主要问题是我的模型返回了相同的标签预测(标签是情绪，积极/消极)。20
tf.keras.layers.Embedding(NUM_WORDS, 32, input_length = BATCH_SIZE), tf.keras.l
浏览 18提问于2020-03-31得票数 0
我正在使用TensorFlow联邦框架来解决多分类问题。我遵循的是，他们中的大多数使用度量(tf.keras.metrics.SparseCategoricalAccuracy)来度量模型的准确性。def create_keras_model(): return tf.keras.models.Sequential([
浏览 13提问于2022-05-05得票数 1
回答已采纳
我正在尝试运行下面的玩具模型，以了解如何使用SparseCategoricalEntropy来解决分类问题。import tensorflow as tffrom tensorflow.keras import layers
y = np.array([1,0,1])
inputs = keras</e
浏览 2提问于2021-09-28得票数 1
最近我在玩Kaggle中的叶子分类问题。我见过笔记本电脑。但当我尝试使用Tensorflow构建相同的模型时，它产生的精度很低，损失变化很小。但是当在Keras中使用相同的数据和模型时，它确实产生了非常好的结果。import Sequentialfrom keras.optimizersimport SGD
from keras
浏览 16提问于2017-01-20得票数 1
回答已采纳
在TensorFlow为诗人编写的代码之后，我已经成功地重新培训了mobilenet_v1_0.50_224模型，并且成功地替换了TF分类器中使用的原始tensorflow_inception_graph.pb模型，这是另一个TensorFlow演示应用程序。但在TF检测方面，它使用的是ssd_mobilenet_v1_android_export.pb模型。这个图似乎与TF分类器中使用的图非常不同(例如，输入和输出节点是不同的，并且有固定的名称:输入
浏览 1提问于2017-12-09得票数 0
= 1: self.downsample.add(tf.keras.layers.Conv2D(tf.keras.layers.add([residual, x]))
self
浏览 79提问于2020-11-26得票数 0
回答已采纳
我做了同样的模型，我加载了重量。它以前是有效的，但现在不行了。也许我很愚蠢，但我认为我已经检查了所有的东西。
浏览 21提问于2021-01-04得票数 1
1回答
转移学习音频分类
、、、、
我需要对昆虫数据做CNN音频分类。我有一个非常小的数据集，包含158个录音和9个类。我需要使用AudioSet预训练模型执行迁移学习。=1) sample_rate = tf.cast(sample_rate, dtype=tf.int64) <em
浏览 4提问于2021-10-27得票数 1
2回答
我发现如果输入列不是浮点值，我的keras模型就不能很好地处理它们。我希望能够使用包含" labels“的列来训练模型，我所说的labels指的是各种‘d，或编码的字符串名称。理想情况下，它能够将这些标签列集成到其模型中，确定这些分类列中的哪些值可以预测更高的准确性。下面是我如何定义我的模型： model = keras.Sequential([
keras.layers.Dense(1024, activation=
浏览 6提问于2019-02-27得票数 0
回答已采纳
我正在尝试一个分别连接表示和分类部分的TensorFlow模型。然而，我的分类器使用来自相同表示网络的两个输入，当我编码这个体系结构时，我收到错误：“传递给模型的输入列表是多余的。import tensorflow as tf
inp = tf.keras.Input(shape=[100, 300])
x = tf.keras.layers.Conv1D(300, 10,
浏览 17提问于2020-09-21得票数 0
2回答
文本分类中对密集层的需求
、、、、
在创建文本分类模型时，为什么需要一个密集的层？我在多个例子中注意到以下是结构。软件是什么要求的权利，而不是密集的一层？model = tf.keras.Sequential([ tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(64)),
<
浏览 0提问于2020-06-17得票数 0
回答已采纳
我正在为一个多类分类问题建立一个模型。因此，我想用召回和精确性来评估模型的性能。我在dataset中有4个类，它是以one hot表示形式提供的。我正在阅读和 tf.keras文档，并有一些问题：
##class 0
t
浏览 25提问于2022-06-22得票数 2
1回答
我试图建立一个简单的NN模型，但是在所有的训练阶段，精度都是一样的。train = pd.read_csv('..import Sequentialmodel_1 = tf.keras.Sequential([
tf.keras.layers.Dense(128, act
浏览 6提问于2022-02-08得票数 -1
1回答
我正在尝试从Huggingface的transformers库中导入一个预训练的模型，并使用tensorflow keras对其进行几层扩展以进行分类。当我直接使用transformers模型(方法1)时，该模型训练良好，在1个时期后达到0.93的验证精度。但是，当尝试将该模型用作tf.keras模型中的层时(方法2)，该模型无法达到0.32以上的精度。据我所知，根据文档，这两种方法应该是等效的。我的目标是让方法2工
浏览 29提问于2020-12-05得票数 2
我试图用标签0,1对文本进行分类，并使用Bi进行分类.它给了我一个好的训练时间的准确性，但是当涉及到验证时，损失会增加，验证的准确性会降低。请给我一些解决方案，我可以如何改进它。数据形状：(1043708，2)model=tf.keras.Sequential([ tf.keras.layers.Embedding=True)), <
浏览 3提问于2022-03-31得票数 1
回答已采纳
我正在为一个多类分类问题建立一个keras模型。我的数据集有7个数字特征和4个标签。我已将模型的结构安排如下： initializer = tf.keras.initializers.GlorotNormal() #tf.ke
浏览 3提问于2022-06-07得票数 -1
回答已采纳
2回答
我想用Keras建立一个多类分类模型。我的数据包含7个特征和4个标签。如果我使用Keras，我已经看到了两种应用支持向量机(SVM)算法的方法。First：Keras中的一个准支持向量机，使用(RandomFourierFeatures层)提出的建立了以下模型： initializer =tf.keras.initializers.GlorotNormal()
return
浏览 14提问于2022-06-09得票数 4
回答已采纳
我正在尝试在TensorFlow中使用MobileNetV2实现二进制分类。我有两个文件夹A和B，我使用image_dataset_from_directory函数将它们分成两个类进行训练。preprocess_input = tf.keras.applications.mobilenet_v2.preprocess_input```def alpaca_model()(x)
#include dropout with probability of 0.2 to avoid ov
浏览 24提问于2021-11-16得票数 0
我目前正在研究一个分类问题，但是我不知道如何为这个模型建立一个混淆矩阵，我把下面的代码发送给这个模型。我在collab上使用Keras库，因为我的本地环境与tf.keras.preprocessing.image_dataset_from_directory，不兼容，所以我得到了很好的准确率和很好的预测提前向社会致谢batch_size = 32
train_ds = tf.keras.preproc
浏览 5提问于2021-02-14得票数 0
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
