腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(163)
视频
沙龙
1
回答
TensorflowHub
预
训练
MobileNetV2
改变
输入
形状
和
迁移
学习
tensorflow
、
keras
、
tensorflow2.0
、
keras-layer
、
tensorflow-hub
我使用Tensorflow Hub的
MobileNetV2
140224作为
预
训练
的convnet来创建NN。现在我想
改变
输入
层的大小,我想
输入
500x500的图像。这个是可能的吗?或者我必须添加
输入
层或其他什么?
浏览 73
提问于2020-01-20
得票数 1
回答已采纳
1
回答
当
输入
形状
不同时keras中的
迁移
学习
python
、
keras
、
deep-learning
我有一个关于
迁移
学习
的问题。假设有一个神经网络模型,其
输入
为
形状
(250,7)。我想用这个
预
训练
模型的权重初始化模型,然后在我的数据集上
训练
它,以便根据我的数据集更新权重。但是我的数据集的
形状
是(251,8)。考虑到我的
输入
形状
不同,有没有办法使用
预
训练
模型来初始化权重?如果是这样,我该怎么做呢?真知灼见将不胜感激。
浏览 25
提问于2021-08-11
得票数 0
回答已采纳
1
回答
用于人体活动识别的光流图像
预
训练
模型
tensorflow
、
keras
对于时间流(光流作为
输入
),我从头开始
训练
我的模型,这需要大量的资源
和
时间。我决定在Keras应用程序中使用
预
训练
模型来使用
迁移
学习
,但keras应用程序中的每个模型都使用3通道
输入
形状
,其中光流是1通道图像。有人能指导我如何使用
预
训练
模型来拟合使用光流图像作为
输入
的时间流模型吗?
浏览 51
提问于2021-06-24
得票数 0
3
回答
迁移
学习
-- Val_loss奇怪的行为
machine-learning
、
deep-learning
、
conv-neural-network
、
image-recognition
、
transfer-learning
我正在尝试使用来自菲顿keras.application的
MobileNetV2
上的
迁移
学习
。我的图片属于4个类别,数量分别为8000、7000、8000
和
8000张,分别位于第一、第二、第三
和
最后一类。我的图像是灰度的,大小从1024x1024调整到128x128。总而言之,
训练
的损失不再减少,而且仍然很高。这个模型也过拟合了。你可能会问,为什么我只添加了2个致密层,每个层有4个神经元。在一开始,我尝试了不同的配置(例如128个神经元
和
64个神经元以及不同的正则化器)
浏览 0
提问于2019-06-03
得票数 0
2
回答
如何为Keras的多
输入
DNN进行
预
训练
python
、
tensorflow
、
keras
、
neural-network
我首先做的是创建一个预先
训练
的模型,将蛋白质转化为嵌入物,然后预测其各自的温度。 我现在要做的是将这个pre=trained模型合并到一个新模型中,该模型可以使用这个给定的模型
和
相应的权重作为
输入
。top_model.compile(loss='mse', optimizer = Adam(lr = 0.0001), metrics = ['mse']) 这是不正确的工作,我不确定如何让它启动
和
运行
浏览 30
提问于2020-11-11
得票数 1
回答已采纳
1
回答
大小(27900)必须与
形状
1,224,224,3的乘积匹配
javascript
、
tensorflow
、
machine-learning
、
deep-learning
、
tensorflow.js
问题是维度与我的自定义模型的
输入
不匹配,该模型是使用
迁移
学习
和
MobileNetV2
训练
的。我意识到,当裁剪的面比我的自定义模型的
形状
小时,我正在尝试调整它们的大小。如何才能使裁剪的面适合模型?
浏览 16
提问于2020-09-16
得票数 0
回答已采纳
1
回答
在Tensorflow中操作convnet的
预
训练
层
tensorflow
、
caffe
我正在
学习
Tensorflow中的卷积网络。我想知道是否有使用TF来研究
预
训练
的convnet模型的教程,就像这些针对咖啡馆的优秀教程:
和
。我的意思是,如何访问中间层,获取其
学习
的参数
和
斑点,自定义
输入
形状
以接受任意图像大小或批量大小,等等。
浏览 19
提问于2016-09-17
得票数 0
2
回答
对于不同的自定义
输入
形状
,
MobileNetV2
如何具有相同数量的参数?
python-3.x
、
tensorflow2.x
、
mobilenet
我正在遵循tensorflow2 关于使用
MobileNetV2
作为基本体系结构的精细调优
和
传输
学习
。我注意到的第一件事是,预先
训练
过的“imagenet”权重的最大
输入
形状
是(224,224,3)。我尝试使用自定义
形状
(640,640,3),根据文档,它警告说(224,224,3)
形状
的重量是加载的。如果我尝试使用类似于(224,224,3)的
输入
形状
,那么警告就消失了,但是,我尝试在这两种情况下检查可
训练
浏览 0
提问于2020-12-05
得票数 1
回答已采纳
2
回答
新图像尺寸的传递
学习
deep-learning
、
neural-network
、
keras
、
convolutional-neural-network
转移
学习
:将经过
训练
的神经网络用于新的分类任务。如果我的问题听不懂,请告诉我。
浏览 0
提问于2019-08-16
得票数 1
回答已采纳
1
回答
为什么不用线性回归来细化神经网络的最后一层呢?
neural-network
、
linear-regression
、
transfer-learning
、
finetuning
在转移
学习
中,通常只对网络的最后一层使用梯度下降进行再
训练
。然而,普通神经网络的最后一层只执行线性变换,那么为什么我们使用梯度下降而不是线性(或logistic)回归来细化最后一层呢?
浏览 0
提问于2021-04-02
得票数 1
4
回答
自拍图像的图像识别
machine-learning
、
image-classification
、
computer-vision
这在一定程度上是主观的,但通常这样的图片显示的是从手臂距离
和
随机背景拍摄的一两张人脸。 1000张照片不是自拍的(桥梁,博物馆,盘子等,任何真正的东西)。所有的图片都是用智能手机拍摄的(数百种不同的型号),它们是2MB到5MB的JPG文件,大小
和
比例各不相同,都是纵向或横向模式。这个任务需要什么方法
和
步骤?
浏览 0
提问于2018-09-13
得票数 6
3
回答
将两个具有两个不同类别(数据集)的
预
训练
模型组合起来进行预测
python
、
keras
我有两个预先
训练
并保存的Inception模型。我想把这两者结合起来,用1020个类别来预测图像。imagenet', input_shape=(224, 224, 3))predi
浏览 2
提问于2019-02-06
得票数 0
1
回答
Keras函数模型具有较高的验证精度,但预测不正确
python
、
tensorflow
、
keras
、
deep-learning
、
conv-neural-network
我正在尝试在PASCAL VOC 2012数据集上使用'ImageNet‘
预
训练
权重为VGG16架构做
迁移
学习
。= base_model.input, output = predictions) return final_modelx_val = np.array(img_val 我已经用pd.get_dummies为20个类别的[[0 0 0 0 1 0 0 0 0 1 0 ....
浏览 0
提问于2019-10-04
得票数 2
1
回答
Tensorflow object_detection API微调检查分类
tensorflow2.0
、
object-detection-api
我只是想知道对象检测API中可用检查点的“分类”
和
“检测”微调类型之间的区别。他们都有资格
训练
新奇的课程吗?从这样的
训练
中获得的检查点,可以用非常相同的pipeline.config进一步
训练
,或者它需要具有不同的微调类型?为了使问题更清楚,可以参考中提到的ckpts。我发现它通常相当令人困惑,我不确定这是否会产生不希望的效果,比如从头开始重新
训练
整个模型,忽略所需的检查点或类似的内容。显然,不必检查整个代码来发现每个模型是如何从检查点恢复的,这将是很好的。
浏览 1
提问于2020-11-19
得票数 2
1
回答
应用
迁移
学习
后的验证精度
和
训练
精度没有提高
python
、
tensorflow
、
transfer-learning
、
pre-trained-model
、
conv1d
我正在从事一个项目,在这个项目中,我试图实施转移
学习
,对心电信号(一维)进行分类。我有一个精度相当高的
预
训练
模型,但是模型是在一个不同的数据集上
训练
的,数据集的
输入
形状
为(4096,12)
和
输出
形状
(6)。我想微调这个预先
训练
的模型,我的数据有一个
输入
形状
(350,5)。为此,我在预先
训练
的模型
输入
之前添加了一些层,以获得
形状
(4096,12),
浏览 9
提问于2022-01-10
得票数 0
1
回答
迁移
学习
中嵌入的
训练
与测试
tensorflow
、
deep-learning
、
neural-network
、
embedding
、
transfer-learning
我正在做转移
学习
与谷歌音频嵌入。根据文件,我对这个实现有两种混淆。 正在使用嵌入作为新层的
输入
,足以进行
迁移
学习
吗?我在一些传输
学习
实现中看到,他们将预先
训练</
浏览 0
提问于2022-03-27
得票数 -1
1
回答
如何使用以下链接中提供的
预
训练
模型(.caffemodel文件)?
caffe
、
pre-trained-model
上面的链接表明预先
训练
的模型是可用的。
浏览 1
提问于2020-05-20
得票数 0
3
回答
使用Keras的
迁移
学习
:
输入
形状
不匹配
python
、
keras
、
neural-network
、
transfer-learning
我正在运行一个使用keras的
预
训练
模型的分类
和
预测神经网络算法。现在我知道keras的
输入
形状
是(224,224,3),但是我的
输入
具有这个
形状
(180, 200, 20),并且我得到了以下错误: ValueError: Dimension 0 in both shapes
浏览 0
提问于2019-08-20
得票数 0
4
回答
从不同图像大小的自定义模型中转移
学习
python
、
tensorflow
、
keras
、
conv-neural-network
、
transfer-learning
我有一个自定义的模型,最初培训使用转移
学习
的VGG16。然而,它最初是针对
输入
尺寸较小的图像进行培训的。output (Dense) (None, 1) 17 问题是,这个模型已经包含了128x160的
输入
层,我想将它更改为384x288以进行传输
学习
。以上是我的第一个模型,我现在想再做一次转移
学习
,但是有一个不同的数据集,它的
输入
大小为384x288,我想用一个softmax来代替两个类。因此,我想要做的是从不同数据集
浏览 13
提问于2022-07-18
得票数 2
回答已采纳
1
回答
训练
不同
输入
形状
的序列模型
python-3.x
、
tensorflow
、
keras
、
conv-neural-network
、
pre-trained-model
我有一个预先
训练
的序列CNN模型,我
训练
了224x224x3的图像。model.add(Dense(num_classes, activation = 'softmax')) 供参考,下面是模型摘要: 我想在40x40x3大小的图像上重新
训练
这个模型但是,我面临以下错误:"ValueError: dense_12层的
输入
0与层不兼容:
输入
形状
的预期轴-1的值为200704,但接收到的
输入
为
浏览 3
提问于2021-04-07
得票数 1
回答已采纳
点击加载更多
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
谷歌发布MobileNetV2:可做语义分割的下一代移动端计算机视觉架构
迁移学习、自监督学习理论和R语言CNN深度学习卷积神经网络实例
如何让训练神经网络不无聊?试试迁移学习和多任务学习
NanoNets:数据有限时如何应用深度学习?
BAIR最新研究:用GAN实现字体风格迁移
热门
标签
更多标签
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
活动推荐
运营活动
广告
关闭
领券