cifar10数据集的Resnet50 (不含网络权重)-提高精度

文章/答案/技术大牛

发布

1回答

python、tensorflow、neural-network、conv-neural-network、resnet

我需要在cifar10数据集上训练Resnet50预训练模型，而不需要预训练的权重 conv_base = ResNet50(input_shape=(32,32,3), weights=None,X_train,y_train, batch_size = 100, validation_data = (X_val, y_val), epochs = 100, callbacks=[lrr]) 精度不会随着时间的推移而提高</

浏览 34提问于2020-09-06得票数 0

1回答

双精度神经网络与单精度神经网络的最终精度

deep-learning

我想知道是否有人有在CIFAR10或ILSVRC-2012数据集上训练深度神经网络并比较单精度和双精度计算的最终结果的经验？

浏览 1提问于2015-08-11得票数 3

1回答

在CIFAR10上是否有比普通CNN更精确的Capsnet实现？

tensorflow、deep-learning、conv-neural-network、mnist

我在Sabour &Hinton的文章上实现了基于EM路由的胶囊网络，它在MNIST数据集和其他一些与MNIST相同的灰度数据集(如Hoda (波斯/阿拉伯数字))上工作得很好，但是当我在CIFAR10上尝试时，精度却很低。

浏览 1提问于2019-04-08得票数 4

回答已采纳

1回答

如何在TensorFlow中提高CNN的预测能力？

python、tensorflow、deep-learning、conv-neural-network

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

浏览 3提问于2018-09-07得票数 0

1回答

把微调和特征提取技术结合起来是个好主意吗？

machine-learning、deep-learning、feature-extraction、finetuning

我有一个正常/肿瘤医学图像数据集，对于同样的病人，也有相关的基因组学，我的目标是通过综合所有的信息来预测一个病人是否有肿瘤。为此，我使用带有imagenet权重的ResNet50从图像中提取特征，并使用其他方法从基因中提取特征。我加入了这两个特征，并使用支持向量机进行预测。准确性并不是非常糟糕，但我想知道是否可以通过对相同的图像进行微调来提高它，而不是使用仅在imagenet数据集

浏览 0提问于2021-04-03得票数 0

回答已采纳

2回答

Resnet模型参数

keras、neural-network

下面是我为Resnet编写的python代码片段：include_top=False, weights='imagenet'的真正含义和用途是什么？

浏览 2提问于2021-03-12得票数 1

1回答

只有在验证改进的情况下，我才能更新keras神经网络的权重吗？

validation、tensorflow、keras、neural-network、backpropagation

我正在keras中训练神经网络，我达到了一个经典的极限-我的训练精度随着时代的增加而提高，但我的验证精度在9个时代之后会下降(见图)。 ? 我想知道我是否可以通过执行以下操作来避免验证精度的下降:如果时期导致验证精度的提高，则使keras net仅接受每个时期之后对权重的更改，否则重置为时期之前的状态？我

浏览 15提问于2019-09-01得票数 0

1回答

基于深层网络的分类任务求解

machine-learning、neural-network、classification、deep-learning

我目前正在研究一个分类问题：现在我好奇的是:我可以使用一个深度网络(超过两个层)来提高精确度吗？我所想的是:增加网络结构将使网络以更复杂的方式解释<

浏览 0提问于2017-12-17得票数 2

回答已采纳

1回答

对时差和准确度的混淆

keras、tensorflow

我训练了我的网络50个时代，测试数据和训练数据是随机分割的(80%的训练，20%的测试)。训练数据的准确性有很好的提高，但测试数据的准确性却在上升和下降。我不知道为什么会这样。说在10年代，测试数据的准确率是92%，在下一个时代，精度怎么会下降？我能想到的是，也许每个时代的测

浏览 0提问于2018-07-26得票数 0

回答已采纳

1回答

深度学习架构的输入大小有多重要？

matlab、neural-network、deep-learning、object-detection

最近，我一直在玩MATLAB的RCNN深度学习示例。在这个例子中，MATLAB设计了一个基本的15层CNN，输入大小为32x32。他们使用CIFAR10数据集预先训练这个CNN。CIFAR10数据集也有32x32大小的训练图像。后来，他们使用一个小数据集的停止标志微调这个CNN，以检测停止标志。这个小的停车标志数据集只有41张图

浏览 0提问于2017-04-18得票数 0

回答已采纳

1回答

如何知道反向传播能否成功训练？

artificial-intelligence、backpropagation

我有一个AI项目，它使用了反向传播神经网络。目前，已经完成了10000多个历元，每个历元几乎需要0.5秒。如果我离开很长一段时间，如何知道神经网络是否可以成功训练？(或者它不能训练得更好？)

浏览 1提问于2012-01-20得票数 3

回答已采纳

2回答

有随机权值的神经网络每次都会给出相同的预测率吗？

matlab、neural-network

对于一个输入，有随机权值，我的预测效率会改变吗？另外，我还没有考虑到网络中的偏差，这是否是效率较低的原因( 200例训练数据的预测率为93%，100例测试数据的预测率为90% )。

浏览 3提问于2016-06-24得票数 1

回答已采纳

2回答

当使用多个隐藏层时，神经网络的准确性非常差

python、numpy、neural-network、backpropagation

我创建了以下神经网络： """ self.biases[i] -= self.lr * errors[i].sum(0) 数据有当使用2或3个隐藏层时，精度从第一个纪元开始约为9-10%，并保持不变。训练<em

浏览 1提问于2021-05-13得票数 5

3回答

神经网络权重和成本的变化，但不是它的准确性

machine-learning、neural-network

我正在训练一个神经网络，并从随机权重开始。训练后，权重发生了变化，但神经网络的精度与初始权重相同。不管我如何改变网络的架构。隐藏层中的节点数量，迭代次数和特征数量(使用PCA进行降维)它的精度与开始时相同。这可能是因为与特征数量相关的示例数量较少吗？(我有675个例子和9000个特性)。或者这是因为其他原因？我也尝试了相同的数据

浏览 1提问于2012-05-09得票数 1

1回答

暹罗图像相似性网络

python、image、deep-learning、computer-vision、image-recognition

在哪里可以找到实现暹罗网络的细节，以执行图像相似性和从数据集中检索最相似的图像？ 

浏览 0提问于2018-06-24得票数 2

回答已采纳

3回答

这是不是太合适了？

machine-learning、neural-network、overfitting

📷使用自定义数据集(具有70个特性的一维数据)，我训练了一个2层MLP。网络架构：70-200-200-4。我只能达到~50+%的精度。对于我可以采取哪些措施来提高准确性，有什么建议吗？(获取更多数据不是一种选择) 提前感谢！

浏览 0提问于2018-05-11得票数 4

1回答

过度拟合训练数据，但仍在改进测试数据

neural-network、spacy、bert-language-model

我的机器学习模型在很大程度上超过了训练数据，但在测试数据上仍然表现得很好。当使用神经网络方法时，每次迭代都会略微增加测试集上的精度，但会大大提高训练集上的精度(过拟合)。测试分数不断提高，而与训练集的分歧只是增加到这样的点，在第20次迭代中，模型在训练数据上几乎完美地执行，同时测试精度从不降低

浏览 28提问于2019-11-08得票数 1

1回答

张量流- CNN Mnist数据集的低精度/如何批次精度计算

tensorflow、conv-neural-network、mnist

神经网络返回的精度介于.10和5.00之间，较高的值倾向于训练数据的精度约为6倍。我无法判断神经网络是否比随机猜测做得更糟糕，或者我所使用的精确代码是否有严重的错误。神经网络由5层组成：我对我的</e

浏览 2提问于2017-01-18得票数 0

1回答

在H2O随机林和xgboost中使用权重列

random-forest、h2o、xgboost

我正在尝试最大限度地提高二进制分类问题的精度(误报的成本很高)。数据集也非常不平衡。运行DRF或XGBOOST模型两次，第二次使用权重列以对抗误报是否有意义？除了这种潜在的方法之外，在这些H2O算法中是否还有其他方法来最大化精度(而不是对数损失)？我还将使用集成(这似乎确实增加了精度)。交叉验证似乎没有帮助。

浏览 15提问于2017-08-03得票数 3

1回答

为什么我的验证损失在上升，而我的验证准确性也在上升？

deep-learning、tensorflow

场景:我一直在为cifar10数据集训练CNN。我使用的是tensorflow，还有一个CNN，它有12个conv层和1个密集层，在softmax稠密层之前。我正在使用数据增强以及批处理规范化。在几百个历次之后，我对验证集的准确率最高达到92.73 %。验证损失略有上升，因为我训练更多。一个时代给了我0.295的损失，验证的准确率为90.5%。我<em

浏览 0提问于2020-01-23得票数 3

回答已采纳

点击加载更多