假设，我想用Tensorflow或Keras.Now中的CIFAR-10或CIFAR-100数据集从头开始训练标准AlexNet、VGG-16或MobileNet。问题是，标准AlexNet、VGG-16或MobileNet的体系结构是为ImageNet数据集构建的，其中每幅图像是224*224，但在CIFAR-10或CIFAR-100数据集中，每幅图像是32*32将CIFAR-10或CIFAR-100数据<
浏览 125提问于2019-06-18得票数 0
回答已采纳
1回答
我正在尝试使用Tensorflow为CIFAR-10数据集实现VGG-16卷积神经网络。但我的训练准确率接近10%。我的代码出了什么问题？
浏览 117提问于2021-07-10得票数 0
据我所知，经过预先训练的模型在许多任务中发挥良好的特征提取器，这要归功于他们丰富的训练数据集。具有一定的从输入图像中提取“语义”信息的能力。事实上，我花了一些精力：
224).Fine-tune 通过Pytorch加载预训练的vgg-16，加载Cifar-10数据集并转换为批处理-张量X (5000，3,224， vgg.classifier
浏览 4提问于2021-09-09得票数 0
回答已采纳
2回答
几天来，我一直在尝试在CIFAR-10数据集上实现CNN，我的测试集精度似乎不超过10%，误差仅在69.07733左右。我已经调整了模型和几天，但徒劳无功。我还没能找出哪里出错了。
浏览 0提问于2017-10-26得票数 0
我有两种性能比较的型号，一种是ResNet-9型，另一种是VGG-16型.它们正被用于图像分类。它们在同一测试集上的准确性如下：VGG-16 = 97.90%的准确度
然而，从他们在训练过程中的损失曲线(如图所示)，我看到VGG-16比我对VGG-16和ResNet-9都使用torch.nn.CrossEntropyLoss()。我本以为ResNet-9会有较低的损失(因为它在测试集
浏览 10提问于2022-09-05得票数 0
回答已采纳
我正在尝试在sklearn中优化分类器和回归方法的hiperparameters。我有个问题。为什么在评估结果时，您选择例如最佳训练精度，而不是在测试中评估此结果，并使用其他训练精度迭代其他值以获得最佳测试精度？因为很明显，用于最佳训练精度的参数与用于最佳测试精度的参数不同。
谢谢!
浏览 1提问于2019-09-18得票数 0
1回答
罕见事件训练后支持向量机性能差
、、、、
我的数据集与罕见事件(标记为1的少数类)和多数类(标签为0)高度不平衡。因此，我用分层交叉验证技术实现了监督分类加权svm技术，因为这些技术能够处理类的不平衡。训练采用5倍交叉验证方法进行.该方法在训练集上效果良好。我在训练后表现很好。这我可以说是因为通过观察训练后的混乱矩阵。cmMatrix = 0 30
一般建议使用优化的超参数进行再训练.因此，我在整个<em
浏览 0提问于2018-07-11得票数 1
回答已采纳
1回答
使用卷积神经网络对CIFAR-10数据集进行分类。我不能理解： 1)在何处提取CIFAR-10数据集文件2)如何使用pickle框架加载批次3)将数据集拆分为训练数据和测试数据 请帮助编写代码，在jupyter笔记本上使用python 3.6。可能是因为我在错误的位置保存了CIFAR-10文件。
浏览 23提问于2019-04-02得票数 0
1回答
我很想知道如何构造培训数据，以便将其扩展到不属于培训数据的示例。例如，我现在面临的问题是如何识别或区分从不同分布产生的时间序列的频率响应。但是，一旦我在训练数据中加入了红色和新型白噪声，并在不同的路径(时间序列)上进行测试，神经网络就可以对其进行分类。在这种情况下，虽然白噪声看起来很相似，但由于它们是从不同的分布或说系统产生的，所以训练数据必须包括所有生成机制或系统的示例，否则在测试ML模型时无法识别它。这是通常的行为吗？
浏览 0提问于2019-08-26得票数 5
回答已采纳
1回答
我已经在tensorflow中实现了VGG-16，VGG-16是相当深的网络，所以损失一定要减少。但在我的代码中它并没有减少。但是，当我一次又一次地在同一批上运行模型时，损失就减少了。知道为什么会发生这种事。训练在狗-猫数据集上进行，图像大小为224x224x3.
浏览 2提问于2019-03-05得票数 0
3回答
我有一组电影的数据集，他们的subtitles.My任务是根据他们的收视率--R，NR，PG，PG-13，G--对他们进行分类。我尝试过不同的ML算法，发现Logistic回归比所有算法都要好，但是我无法理解why.My数据具有比观察更多的特性。支持向量机-应该在高维数据上表现良好，即使存在类不平衡，也会表现良好，但没有显示出很好的效果。朴素贝尔斯-我认为朴素贝尔斯表现不佳，因为阶级不平衡。随机森林-体面performance.but没有表现<
浏览 0提问于2019-04-10得票数 1
我正在尝试使用addValueEventListner在一个ListView中获取Firebase实时数据库中"Students“实例的所有子实例。但是当我添加一个新条目时，它开始复制ListView (但不是RealTime数据库)中的先前条目，就像我已经成功上传了8个条目一样，当我尝试添加第9个条目时，它复制了ListView中的第1个条目和第但在Firebase数据库中，一切都运行得很好。 下面是我从Firebase数据库中检索数据的代码。databaseError.ge
浏览 24提问于2020-07-25得票数 0
回答已采纳
2回答
accuracy: 0.7074 - val_loss: 0.1711 - val_accuracy: 0.5299
但在我的例子中，损失减少了，准确性提高了，但val_loss和val_accuracy只是保持在相同的范围内
浏览 2提问于2020-11-18得票数 0
回答已采纳
1回答
为了确定最佳的模式参数，我在整个数据集中运行了几个组合，并选择了产生最佳利润的最佳参数。我的问题是，这是否会被认为过于合适。如果是的话，我如何避免同样的情况？我查看了StackOverflow上的几篇文章，但没有发现任何与我的特定用例相关的内容。
浏览 0提问于2021-05-02得票数 0
1回答
我正在使用CIFAR-10数据集来训练我的神经网络，我得到了大约0.10的分数，这就好像我的神经网络只是在猜测(正确答案的概率是1/ 10 )，CIFAR-10有10种事物(汽车、飞机、猫、狗等)的32x32
浏览 2提问于2016-12-10得票数 1
1回答
几天前，我在简历上贴出了这个，但论坛基本上没有注意到它。我正在尝试在MATLAB中实现来对CIFAR-10图像数据集进行图像分类。我不确定为什么，我希望在图像分类或算法方面有经验的人能给我指明正确的方向。该算法学习SIFT图像描述符，这可能是它表现不佳的原因之一。Matlab只有一个SURF特征检测器。据我所知，SURF/SIFT基本上是等同的。我一直在
浏览 0提问于2014-12-08得票数 1
而训练准确率在98%到99%之间。我使用的是具有2个隐藏层的神经网络。这是一个多类分类问题。 训练数据的大小为777385，验证率为20%。
浏览 46提问于2019-06-18得票数 0
回答已采纳
我正在使用存储库在我的数据集上运行deeplab v3+来分割汽车的各个部分。我使用的作物大小是513,513 (默认的)，并且代码为小于该大小的图像添加了一个边界(如果我错了，请纠正我)。更新：用于培训的张板图。为什么正规化的损失是那样的？输出似乎在改善，有人能帮我从这些图表中推断出吗？
浏览 0提问于2019-09-04得票数 1
回答已采纳
使用以下代码加载CIFAR-10数据集最初是可行的。(x_train, y_train), (x_test, y_test) = tf.keras.datasets.cifar10.load_data()>>> AttributeError: module 'tensorflow' has no attribute 'keras'
我的解决方案是使用Keras CIFAR-10
浏览 0提问于2018-07-19得票数 3
1回答
我想分析内核方法的有效性和效率，对于以下每种情况，我都需要在二维空间中使用3种不同的数据集：BAD_svm:线性支持向量机(SVM)监督分类方法使用正负两类点进行分类的数据集。在R中，我可以使用
浏览 0提问于2014-10-18得票数 3
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
