Yolov3上的训练模型-很小，但平均损失始终等于-nan

文章/答案/技术大牛

发布

1回答

yolo、darknet

我正在用带有cpu的windows10上的darknet做yolov3-tiny的实验。然而，我得到的是nan的平均损失。我已经按照https://github.com/AlexeyAB/darknet.git的方向遵循了所有的方向。我编辑了我的cfg文件，将两个yolo的三个过滤器都设置为21 (因为我只有两个类)。我正在使用我自己制作<e

浏览 27提问于2019-03-18得票数 0

1回答

高320宽320的YOLO列车

object-detection、tensorflow-lite、yolo

我正在使用YOLOV3用两个类训练我的对象检测模型。在yolov3.cfg的配置文件中，它的默认高度= 416，宽度= 416。现在我想用高度= 320和宽度= 320来训练它，所以我做了这些改变，开始了我的训练，但这给了我平均损失=南。但是当我用416 x 416来训练它的时候，它是完全正常的。那么，我如何训练</em

浏览 1提问于2022-06-12得票数 0

1回答

解释深层神经网络的训练轨迹:非常低的训练损失，甚至更低的验证损失。

python、machine-learning、neural-network、deep-learning、keras

对于以下日志，我有点怀疑，当我训练一个深度神经网络的回归目标值在-1.0和1.0之间，其学习率为0.001和19200/4800训练/验证样本：19200/19200 [==============================] - 1597s - loss: 0.0151 - val_loss: 0.0098 两种训练都减少了验证损失，这是第一眼看到的好消息。但是，

浏览 0提问于2017-01-28得票数 1

回答已采纳

1回答

ML模型在训练后给了我巨大的结果

python、machine-learning、keras、scikit-learn

我有一个非常小的数据集来训练，我正在训练这个模型，如下所示：import pandas as pd model.fit(x,y,epochs=50) data ["pred"] = yp 我从训练中得到了奇怪的结果- 0s 0us&#x

浏览 16提问于2020-03-13得票数 0

2回答

模型的训练准确率是否计算在小批量上？

python、tensorflow、machine-learning

我试图记录模型在每个时期结束时的训练精度，但我不确定训练精度是基于整个训练数据还是用于训练的最后一小批数据计算的。例如，如果我有10000个训练数据，并且我正在使用100个小批次进行训练，我是使用最后100个小批次(该纪元中的第100个也是最后一个小批次)来计算训练精度，还是使用整个100个训练数据？

浏览 3提问于2018-08-09得票数 3

2回答

非平衡数据集的加权交叉熵-多类分类

deep-learning、multiclass-classification、class-imbalance

我正在尝试将图像分类到超过100个类别，不同大小的范围从300到4000 (平均大小1500与std 600)。我使用的是一个相当标准的CNN，其中最后一层输出一个类的长度的向量，并使用py手电的丢失函数CrossEntropyLoss。我尝试使用$weights =\frac{max(尺码)}{size}$来表示交叉熵损失，这改进了未加权版本，但没有增加多少。我还考虑过复制图像，这样所有类最终都会与大型类的大小相

浏览 0提问于2018-05-15得票数 10

2回答

为什么随着我递增地增加更多的培训数据，培训和测试损失都会减少？

machine-learning、deep-learning

我试着递增地添加培训数据，并列出测试和培训的损失。结果如下，很高兴看到测试损失正在减少，但正如我在Andrew Ng的ML类中了解到的那样，如果我有一个像DNN这样的强大模型，那么训练损失应该会随着我递增地添加更多的训练数据而增加，而测试损失应该会减少他幻灯片的屏幕截图下面。

浏览 3提问于2017-03-30得票数 4

回答已采纳

1回答

对多个GPU的培训会导致Keras中的NaN验证错误

python、tensorflow、keras

我有一个Keras模型，它可以在单个GPU上进行良好的训练，但是当我在多个GPU上训练它时，所有用于培训的验证损失都是NaNs。我正在使用一个fit_generator并调用一个验证生成器。在一个GPU上的训练损失和验证损失的返回值都是有效的，并且我的模型收敛，但是在2个或更多GPU上，<e

浏览 0提问于2019-01-21得票数 1

1回答

神经网络训练过程的诊断

optimization、keras、deep-learning、autoencoder、loss-function

我正在为一个回归问题训练一个自动编码器DNN。需要关于如何改进培训过程的建议。我的问题是:在此基础上，下一步我应该努力改进培训过程吗？编辑在1

浏览 0提问于2019-01-24得票数 1

7回答

汇总直方图中的Nan

python、tensorflow、deep-learning、gradient

我的程序有时会遇到这个问题(并不是每次运行都会遇到这个问题)，如果遇到这个问题，我总是可以在程序崩溃之前由于nan而保存的最后一个模型中重现这个错误。当从该模型重新运行时，使用该模型生成损失的第一个训练过程似乎没有问题(我已经打印了损失，显示没有问题)，但在应用梯度后，嵌入变量的值将变为Nan。那么，nan问题的根本原因是什么呢？困惑，因为不知

浏览 7提问于2016-10-04得票数 9

2回答

Tensorflow 1.15 / Keras 2.3.1 Model.train_on_batch()返回的值多于输出/损失函数

python-3.x、tensorflow、keras、deep-learning、tf.keras

我正在尝试训练一个有多个输出的模型，因此，当我编译它时，也会有多个损失函数附加到它。我以前没有做过类似的事情(至少不是从头开始)。下面是我用来弄清楚这是如何工作的一些代码。model.train_on_batch(x, [y,y]) print(loss) # sample output [0.8311912, 0.3519104, 0.47928077] 我希望变量loss有两个条目(每个损失函数一个我认为其中之一可能是加权平均，但看起来不是这

浏览 127提问于2021-03-17得票数 2

回答已采纳

4回答

深度学习中的训练损失和验证损失

machine-learning、deep-learning

1)损失< validation_loss 2)损失> validation_loss 似乎训练损失总是应该小于验证损失。但是，在训练模型时，这两种情况都会发生。

浏览 3提问于2018-01-12得票数 11

1回答

如何在不损失精度的情况下将暗网权重转换为CoreML模型？

python、keras、yolo、coreml、darknet

我已经训练了一个YOLOv3-SPP模型，我正在尝试将它转换成CoreML，这样我就可以在我的应用程序中使用它了。然而，我似乎找不到一种方法来做到这一点而不损失大量的准确性。此外，在Keras模型检测到对象的图片中，(在许多情况下)边界框要么变大，要么变小。我假设这意味着我的CoreML模型与h5模型一样准确(因此在我的例子中不可用)。我需要从远处探测相对较小的物体，所以我需要使用

浏览 43提问于2020-01-20得票数 0

1回答

多次拟合时keras fit()的历史记录

python、tensorflow、keras、history

这个问题基本上是在keras存储库的Github论坛中提出的问题的扩展：如果我训练这样一个模型，并在循环的最后一次迭代后检索历史，它是最后一次fit()迭代的历史还是所有fit的历史(例如，每个时期

浏览 4提问于2021-07-11得票数 1

3回答

随机梯度下降增加成本函数

machine-learning、neural-network、gradient-descent

在神经网络中，梯度下降会查看整个训练集以计算梯度。成本函数随着迭代的进行而减小。如果代价函数增加，通常是因为错误或不适当的学习率。在随机梯度下降中期望

浏览 2提问于2018-05-16得票数 0

2回答

tf keras SparseCategoricalCrossentropy和sparse_categorical_accuracy在训练期间报告错误的值

tensorflow、keras、cross-entropy

在训练期间，SparseCategoricalCrossentropy损失和sparse_categorical_accuracy的报告值似乎相差很远。我检查了我的代码，但还没有发现任何错误。==============================] - 0s 82ms/step - loss: 0.0065 - sparse_categorical_accuracy: 1.0000 但如果我用但如果你盯着训练中的<em

浏览 85提问于2020-10-18得票数 5

1回答

流爆梯度

python、tensorflow、conv-neural-network

我有一个CNN架构来输出一个对象周围的一个盒子的坐标：然而，如果我在tf中实现它，即使在一个时代之后，损失也会变成nan。我尝试过梯度裁剪和批处理规范化，但两者都不起作用。我怀疑我的损失出了什么问题，下面是相应的代码：output = tf.layers.dense(dense, 4, name="output") error = output-ylearning_rate=0.001, mom

浏览 0提问于2018-12-19得票数 2

回答已采纳

1回答

将Keras模型的损失函数乘以某个常数C，并将其学习率除以C

keras

在Keras中，如果将模型的损失函数乘以某个常数C，并将学习率除以C，那么训练过程中就不会出现差异，这是真的吗？def my_loss(y_true, y_est): 在第一个场景中，我使用学习率等于0.005的Adam优化器，并使用该损失函数和优化器编译模型我在一组训练数据<em

浏览 0提问于2017-10-18得票数 1

2回答

解释Keras损失和准确度图

performance、keras、neural-network

我在解释这些损失和准确度图表时遇到了一些困难。例如，在第一个示例中，验证损失值相当低(它已经低于0.35)，但随后迅速偏离。另一方面，在第二种情况下，验证从较高的值开始，然后似乎达到平台期(它不会像第一种情况那样开始增长)。此外，第四张图似乎有些奇怪，因为验证损失和验证精度似乎都随着时间的推移而下降。你认为这四个图中哪一个是最好的？

浏览 1提问于2020-01-05得票数 0

点击加载更多