使用Keras RNN处理我自己准备的IMDB数据时，精度永远不会超过0.5
在使用Keras RNN处理IMDB数据时，精度永远不会超过0.5的原因可能是由于以下几个方面的问题导致的：
- 数据预处理问题：IMDB数据集包含情感分析的评论数据，可能需要进行一些数据预处理的步骤。首先，需要对文本进行分词处理，并移除停用词等无关信息。其次，可以考虑使用词嵌入技术，如Word2Vec或GloVe，将文本转换为向量表示。此外，还需要将标签进行编码，如将正面评论标记为1，负面评论标记为0。
- 模型架构问题：RNN是一种递归神经网络，能够处理序列数据，但在处理长序列时可能会面临梯度消失或梯度爆炸等问题。这可能导致模型无法捕捉到长期依赖关系。可以尝试使用更复杂的RNN架构，如LSTM或GRU，来解决这个问题。此外，还可以尝试使用多层RNN或堆叠多个RNN层来增加模型的表达能力。
- 超参数调整问题：在训练模型时，需要调整一些超参数，如学习率、批大小、隐藏层大小等。不同的超参数可能对模型的性能产生重要影响。可以使用交叉验证等技术来选择最佳的超参数组合。
综上所述，如果使用Keras RNN处理IMDB数据时精度永远不会超过0.5，可以尝试进行以下操作：
- 数据预处理：对文本数据进行适当的清洗和预处理，包括分词、去除停用词等操作。
- 模型架构：尝试使用更复杂的RNN架构，如LSTM或GRU，并考虑增加模型的层数或堆叠多个RNN层。
- 超参数调整：尝试调整学习率、批大小、隐藏层大小等超参数，并使用交叉验证等技术选择最佳的超参数组合。
对于相关的名词，以下是一些解释和腾讯云相关产品的介绍：
- Keras：Keras是一个用于构建和训练深度学习模型的高级API库。它简化了深度学习模型的搭建和训练过程。Keras提供了丰富的预定义模型和层，同时也支持自定义模型和层。腾讯云提供了AI Lab平台，可以方便地使用Keras进行模型训练和部署。详细信息请参考：腾讯云AI Lab
- RNN：循环神经网络（Recurrent Neural Network，RNN）是一种能够处理序列数据的神经网络。它通过将神经网络的隐藏状态在时间上进行传递，能够捕捉到序列数据的上下文信息。腾讯云提供了AI Lab平台，支持使用RNN进行序列数据的建模和训练。详细信息请参考：腾讯云AI Lab
- IMDB数据集：IMDB数据集是一个用于情感分析的数据集，包含大量的正面和负面评论。它通常用于训练和评估文本分类模型。腾讯云提供了ModelArts平台，可以方便地使用IMDB数据集进行模型的训练和评估。详细信息请参考：腾讯云ModelArts
请注意，上述的产品介绍链接地址仅供参考，具体以腾讯云官方网站上的最新信息为准。
相关·内容
1回答
我希望将此模型作为使用Keras API的功能模型，但不确定如何使用。我希望我的模型是model = tf.keras.model.Model(....)的形式，这样我就可以通过调用model来评估或导出模型。但我不知道如何在模型中使用注意力层来做到这一点。止步于该步骤，并将其留给用户来解决。
仅供参考，我的模型使用IMDB评论进行情绪分析。
query_layer = tf.keras.layers.Conv1D(filters=100, kernel_size=4, padding='same')
value_layer = tf.keras.layers.Conv1D(f
浏览 0提问于2021-03-11得票数 0
我已经使用keras编写了ANN分类器，现在我正在学习如何在keras中编写RNN，用于文本和时间序列预测。在网络上搜索了一段时间后，我发现了Jason Brownlee写的这个，这对于RNN的初学者来说是很不错的。最初的文章是使用LSTM的IMDb数据集进行文本分类，但由于其数据集很大，我将其更改为一个较小的sms垃圾邮件检测数据集。
# LSTM with dropout for sequence classification in the IMDB dataset
import numpy
from keras.datasets import imdb
from keras.models
浏览 2提问于2016-12-25得票数 2
我在Colab上使用kerastuner时遇到了一些问题。这是我的代码： def build_model(hp):
input_ = Input(shape=(20,20,1))
cnn_out1 = Conv2D(filters=16, kernel_size=hp.Int('kernel_size', 3, 7, step=2, default=3) , name='con1',
use_bias=True, activation = tf.nn.relu, kernel_regularizer=keras.
浏览 47提问于2020-10-17得票数 3
我试图做一个基于的情感分析分类器。我得到了一个错误：
AttributeError：'RNN‘对象没有属性_output_tensor_cache
不幸的是，哪里都帮不上忙。我都不知道该去哪找。
import pandas as pd
from sklearn.model_selection import train_test_split
from tensorflow import keras
from keras import Model
from tensorflow.keras.layers import LSTM, Embedding, Dense
import os
浏览 4提问于2020-04-13得票数 0
回答已采纳
我想将dropout应用于RNN的输出。例如，在Tensorflow 1.8.0中，我可以这样做：
import tensorflow as tf
import tensorflow.contrib.eager as tfe
tfe.enable_eager_execution()
x = tf.random_uniform((10, 5, 3))
gru_cell1 = tf.contrib.rnn.GRUCell(2)
gru_cell1 = tf.contrib.rnn.DropoutWrapper(gru_cell1, output_keep_prob=0.5)
cell = t
浏览 84提问于2018-06-01得票数 0
我想用神经网络来处理回归问题，我用tensorflow来建立神经网络，我希望神经网络的预测能更精确。但是，无论我如何修改网络，网络的精度都不会超过0.5050，我试图增加节点，使用丢包和正则化，以及批量大小和激活函数，我不知道如何提高准确性，我真的需要帮助，谢谢。
这是我的密码
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import os
os.envir
浏览 1提问于2022-06-05得票数 1
回答已采纳
我有很大的标签数据集。每行包含863标记化的单词。我正在尝试验证哪种类型的NN最适合分析这样的数据集。我准备了3个模型：
CNN：
model = tf.keras.Sequential([
tf.keras.layers.Embedding(len(tokenizer.word_index) + 1, 32, input_length=863),
tf.keras.layers.Conv1D(32, 5, activation='relu',kernel_regularizer=l2(0.01), bias_regularizer=l2(0.0
浏览 1提问于2020-04-29得票数 0
4回答
在Keras教程中：“RNN很棘手。批次大小的选择很重要，丢失和优化器的选择非常重要，等等。一些配置不会收敛。”
因此，这是一个关于在Keras上调整LSTM的超参数的一般性问题。我想知道一种为您的RNN找到最佳参数的方法。
我从Keras‘’Github上的IMDB示例开始。
主要型号如下：
(X_train, y_train), (X_test, y_test) = imdb.load_data(nb_words=max_features,
test_split=0.2)
max_
浏览 0提问于2016-01-17得票数 21
我的机器有以下规格：
处理器:至强E5-1620 v4
GPU: Titan X (Pascal)
Ubuntu 16.04
Nvidia驱动程序375.26
CUDA tookit 8.0
cuDNN 5.1
我以Tensorflow作为后端，对以下Keras示例进行了基准测试：
SCRIPT NAME GPU CPU
stated_lstm.py 5sec 5sec
babi_rnn.py 10sec 12sec
imdb_bidirectional_lstm.p
浏览 1提问于2017-01-31得票数 34
1回答
产生输出y的输入有x和u，x，u和y之间存在线性关系，即y= two +two。我试着从数据中计算出wx和wu。这是模型建造/装配的规范。
n_train = 400
n_val = 100
train_u = u[:(n_train+n_val)]
train_x = x[:(n_train+n_val)]
train_y = y[:(n_train+n_val)]
test_u = u[(n_train+n_val):]
test_x = x[(n_train+n_val):]
test_y = y[(n_train+n_va
浏览 2提问于2019-08-14得票数 1
回答已采纳
我有以下的时间序列，我分为火车，瓦尔和测试：
📷
基本上，我对ARIMA和LSTM进行了关于这些数据的培训，结果完全不同，就预测而言: ARIMA：
📷
LSTM：
📷
现在，也许我是通过了，在某种程度上，测试设置为LSTM，以便表现得更好？或者LSTM仅仅是比ARIMA更好？下面是一些代码。请注意，为了在将来进行预测，在训练和预测: ARIMA代码之前，我要在我的系列中添加新的和最后的预测值：
# Create list of x train valuess
history = [x for x in x_train]
# establish list for predictions
mo
浏览 0提问于2022-10-21得票数 1
回答已采纳
我正在学习tensorflow2.0，并遵循。在rnn示例中，我找到了以下代码：
def build_model(vocab_size, embedding_dim, rnn_units, batch_size):
model = tf.keras.Sequential([
tf.keras.layers.Embedding(vocab_size, embedding_dim,
batch_input_shape=[batch_size, None]),
tf.keras.layers.LSTM(rnn_unit
浏览 0提问于2019-03-22得票数 8
我想要构建一个LSTM模型，其中(n+1)第四个时间步长的输入是(N)个时间步长的输出函数。在目前的框架中，我看不出有什么办法可以做到这一点。人们一直在提到使用raw_rnn，我认为这在TensorFlow 2.0中是不可取的。有人能帮我解决这个问题吗？目前这就是我所拥有的
class RNN(tf.keras.Model):
def __init__(self):
super(RNN, self).__init__()
rnn_units = 16
self.bn_layer = tf.keras.layers.BatchNormali
浏览 1提问于2020-05-24得票数 0
回答已采纳
1回答
这是Keras模型的最后一层。
model.add(Dense(3, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
我知道，softmax层的输出是一个数组，其概率之和可达1，例如[0.1, 0.4, 0.5]。
我有一个关于把准确性作为度量的问题。
例如，当真正的类是[0, 0, 1]，而预测的概率是[0.1, 0.4, 0.5]时，即使0.5是最大的概率，
浏览 3提问于2020-07-25得票数 4
回答已采纳
我目前正在尝试学习Tensorflow和递归神经网络。我修改了"ptb_word_lm“示例，使其具有用于imdb任务的模型。我将修改后的源代码推送到
我使用的参数是：
num_layers = 2
num_steps = 50
hidden_size = 128
keep_prob = 0.5
batch_size = 32
vocab_size = 10000
网络定义为
self._input_data = tf.placeholder(tf.int32, [batch_size, num_steps])
self._target = tf.placeholde
浏览 4提问于2016-09-01得票数 0
2回答
基于递归网络的影评分类
、、、、
据我所知和研究，数据集中的序列可以是不同长度的；如果训练过程中的每一批都包含相同长度的序列，我们就不需要填充或截断它们。
为了实现和应用它，我决定将批处理大小设置为1，并在IMDB电影分类数据集上训练我的RNN模型。我添加了我在下面编写的代码。
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras.datasets import imdb
from tensorflow.keras import Sequential
from tensorflow.keras.layers import De
浏览 0提问于2021-03-26得票数 5
一件非常奇怪的事情正在发生。我从Kaggle获取了IMDB语料库，只保留了50,000个正向和负向文本，统计了词频，根据它们的降频对单词进行了排序，将文本中最频繁的10,000个单词替换为它们的排名(加3个单位)，在所有句子开头插入1，并将10,000个最频繁的单词之外的所有单词都替换为数字2。在这方面，我完全遵循了Keras imdb类的文档中给出的说明。 然后，我运行了一个包含嵌入层、SimpleRNN层和密集层的RNN。无论我怎么努力，我得到的结果都是0.5左右的准确率。然后我用imdb.load_data(num_words=10000)替换我的代码，并在第三个时期获得了0.86的精
浏览 19提问于2019-06-05得票数 0
回答已采纳
我使用相同的数据集来训练和验证我的模型，但是我得到了不同的训练和验证的准确性/损失。既然我使用的是相同的数据，那么准确性/损失不应该是一样的吗？
以下是代码：
def create_model(dataset):
model = tf.keras.models.Sequential([tf.keras.layers.BatchNormalization(),
tf.keras.layers.Conv2D(32, (3, 3), activation='relu', ),
浏览 1提问于2020-06-02得票数 2
回答已采纳
1回答
我构建了一个Bi-LSTM模型，它试图根据给定的单词预测特定的类别。例如，“微笑”这个词应该由“友好”来预测。 然而，经过训练后，该模型每10个类别(总共1000个)有100个样本，在绘制准确性和损失时，这两种情况略有不稳定。为什么会发生这种情况？增加采样数会导致拟合不足。 模型 def build_model(vocab_size, embedding_dim=64, input_length=30):
print('\nbuilding the model...\n')
model = tf.keras.Sequential([
tf.k
浏览 78提问于2020-10-18得票数 1
回答已采纳
我想定义自己的Lstm模型，如下所示： from keras import backend as K
from keras.callbacks import ModelCheckpoint
from keras.layers.core import Dense, Activation, Flatten, Dropout
from keras.layers import Input,Concatenate, Average, Maximum
from keras.layers.normalization import BatchNormalization
from keras.layers i
浏览 22提问于2019-05-05得票数 1
回答已采纳
我构建了一个自定义的keras模型：
def create_model(input_dim,
filters,
kernel_size,
strides,
padding,
rnn_units=256,
output_dim=30,
dropout_rate=0.5,
浏览 0提问于2019-11-02得票数 0
我试图构建一个用于时间序列预测的RNN，但我似乎不知道如何为双向层指定input_shape (input_shape需要是input_shape(win_sz，3))。任何帮助都会很感激的。:)
我使用的是Keras版本2.x
我的代码：
model = tf.keras.models.Sequential([
tf.keras.layers.Bidirectional(
tf.keras.layers.LSTM(32, activation = 'sigmoid', return_sequences=False, input_s
浏览 4提问于2019-11-17得票数 0
2回答
我用tensorflow和keras一起训练到一个使用google的char-RNN。我将我的模型训练为10个时期，并使用'model.save()‘保存它，如中所示。紧接着，我再次加载它，只是为了检查，我尝试在加载的模型上调用model.fit()，并使用完全相同的训练集得到一个“维度必须相等”的错误。培训数据在tensorflow数据集中，按批组织，如所示。下面是一个最低限度的工作示例：
import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from ten
浏览 7提问于2020-12-05得票数 1
回答已采纳
这里有一个使用tensorflow.keras.datasets.imdb数据的代码，将我的数据分割为训练和验证(第45-50行)，所以我的训练数据和训练标签是ndarray (15000，)。在训练我的模型时，我可以看到模型没有在整个数据集中迭代，我的准确率达到了49.8%
我跟踪了这段视频：并输入了相同的程序。这就是我在训练模特时所看到的：
守则：
from tensorflow import keras
import numpy as np
# Loading data
data = keras.datasets.imdb
(train_data, train_labels),
浏览 3提问于2021-03-04得票数 0
2回答
我的LSTM模型覆盖了验证数据
、、、、
这是我用来对手势进行分类的LSTM模型。最初，我有1960年的形状训练数据(num_sequences，num_joints，3)，我将其重塑为形状(num_sequences，num_joints*3)。
这是我的模型：
input_shape = (trainx.shape[1], trainx.shape[2])
print("Build LSTM RNN model ...")
model = Sequential()
model.add(Masking(mask_value=0., input_shape=(171, 66)))
model.add(Bidirect
浏览 1提问于2020-03-07得票数 1
我正在尝试使用单词嵌入和编解码器架构来构建文本摘要生成器。这是我在Keras的第一次尝试，我不能理解为什么layer_1需要ndim=3。我不能弄明白这一点。下面是我的代码：
vocab_size = 16828
n_embeddings = 200
def model_builder(embeds):
model = keras.Sequential()
model.add(Embedding(weights=[embeds], name="embedding_1", input_dim=vocab_size,
浏览 14提问于2018-01-22得票数 1
回答已采纳
我正在尝试在tensorflow中使用lstm，但我到了这个地步，我无法建立一个简单的imdb情感模型来收敛。
我采用了一个keras模型，并试图在tensorflow中复制完全相同的模型，在tensorflow中，它训练和收敛，但是在tensorflow，它只是停留在某个点(损失0.69)。
我试着使它们尽可能平等，唯一的区别是，在角，填充是在序列之前，而在tensorflow，我使用'post‘填充，因为在tensorflow的约定。
你知道我的tensorflow模型有什么问题吗？
from __future__ import print_function
import ran
浏览 4提问于2017-05-28得票数 7
3回答
如何绘制角膜实验的学习曲线？
、、、、
我正在使用keras训练RNN，并希望了解验证的准确性如何随数据集大小的变化而变化。Keras在其历史对象中有一个名为val_acc的列表，该列表在每个时代之后都会附加到相应的验证集精度()中。我希望获得运行的历元数的val_acc平均值，并根据各自的数据集大小绘制该值。
问题：如何检索val_acc列表中的元素并执行像numpy.mean(val_acc)这样的操作
编辑：如@runDOSrun所说，获取val_accs的平均值是没有意义的。让我集中精力获得最后的val_acc。
我尝试了@nemo的建议，但没有运气。这是我打印时得到的
model.fit(X_train, y_train
浏览 5提问于2016-06-06得票数 14
我正在尝试使用Keras/TensorFlow 2.0在两个阶段训练我的序列模型(RNN->GRU->Dense)，这两个阶段具有不同的损失权重。要更改损失权重，我需要在两个阶段之间重新编译模型。我的问题是在重新编译后训练变得慢得多，除了不再使用GPU之外，我看不到任何其他解释。相关代码如下：
# Build model
input_ = tf.keras.layers.Input(shape=(None, num_features))
masking = tf.keras.layers.Masking(mask_value=0.)(input_)
rnn = tf.keras.l
浏览 1提问于2020-02-28得票数 0
在具有嵌入层和SimpleRNN层的模型中，我希望计算每个步骤t的偏导数dh_t/dh_0。
我的模型结构，包括导入和数据预处理。
提供有毒评论列车数据：
可用GloVe 6B 100 d嵌入：
### 1. Imports
from __future__ import print_function
import numpy as np
from numpy import array, asarray, zeros
import pandas as pd
from tqdm import tqdm
from sklearn.model_selection import train_test
浏览 16提问于2022-02-17得票数 3
回答已采纳
1回答
我正在研究一个多分类问题，在研究了多个神经网络体系结构之后，我选择了一个堆叠的LSTM结构，因为它为我的用例提供了最佳的精度。不幸的是，即使我使用GPU加速，网络也需要很长的时间(几乎48小时)才能达到很好的精度(~1000个历元)。由此产生的精度和损失函数如下：
在这一点上，给出良好的性能，但非常缓慢的培训，我怀疑在我的代码错误。我使用提到的来测试它，它包括只在测试集或训练集中运行2分的测试，以及消除辍学。不幸的是，这些运行的输出导致测试精度优于训练精度，据我所知，这种情况不应该是这样。我怀疑我用错误的方式塑造了我的数据。任何提示、建议和建议将不胜感激。
我的代码如下：
# -*
浏览 2提问于2019-12-19得票数 1
1回答
我试图为二进制分类0或1建立一个RNN/LSTM模型。
我的数据集的样本(病人数，磨坊时间/秒，X，Y和Z的归一化，峰度，偏度，俯仰，滚动和偏航，标签)。
1,15,-0.248010047716,0.00378335508419,-0.0152548459993,-86.3738760481,0.872322164158,-3.51314800063,0
1,31,-0.248010047716,0.00378335508419,-0.0152548459993,-86.3738760481,0.872322164158,-3.51314800063,0
1,46,-0.26742266
浏览 1提问于2018-05-16得票数 0
1回答
我试着训练一个神经网络，我的X输入形状是(5018, 481)，y标签输入形状是(5018,)。我已将X和y转换为张量，格式如下：
x_train_tensor = tf.convert_to_tensor(X, dtype=tf.float32)
y_train_tensor = tf.convert_to_tensor(y, dtype=tf.float32)
然后使用以下RNN keras模型体系结构：
model = keras.Sequential([
keras.layers.Dense(100, activation='elu', input_shape=
浏览 5提问于2019-12-19得票数 0
回答已采纳
我正在尝试使用keras创建一个简单的RNN，但是我得到了这个错误：
ValueError: Error when checking input: expected simple_rnn_1_input to have 3 dimensions, but got array with shape (10, 5)
我已经看到这是一个常见的问题，并发现了许多类似的问题，但我仍然不能解决我的情况。
代码：
import numpy as np
import glob
from keras.models import Sequential
from keras.layers import Simple
浏览 2提问于2018-02-14得票数 1
回答已采纳
3回答
我正在尝试理解注意力模型，并且自己也建立了一个模型。经过多次搜索，我发现了，它有一个用keras编写的atteniton模型，而且看起来也很简单。但是当我试图在我的机器上构建相同的模型时，它给出了多参数错误。错误是由于在类Attention中传递的参数不匹配造成的。在网站的attention类中，它请求一个参数，但它使用两个参数初始化attention对象。
import tensorflow as tf
max_len = 200
rnn_cell_size = 128
vocab_size=250
class Attention(tf.keras.Model):
def __i
浏览 46提问于2019-07-09得票数 14
回答已采纳
1回答
多标号不平衡数据集分类
、、、、
我目前正在开发一个非常不平衡的多标签时尚产品数据集--我试着使用class_weights来解决它，但是每一个时代的精确度都是0.7556。有没有办法，我可以避免这个问题。我是否以错误的方式实现了类的权重？我也试过使用数据增强。
我在火车上有224个独特的课程。其中有些人只有一个非常令人沮丧的例子
在这个的帮助下，我也试图解决这个问题，但是我无法得到同样的精确分数。看起来，在这个笔记本中，不考虑数据集中不平衡的可能性。
def calculating_class_weights(classes,df):
number_dim = np.shape(classes)[0]
weights
浏览 2提问于2022-01-02得票数 4
回答已采纳
1回答
用LSTM节点训练RNN
、、、
下面是我用LSTM节点训练RNN的代码：
# LSTM RNN with dropout for sequence classification
from keras.models import Sequential
from keras.layers import Dense, LSTM
from keras.layers.embeddings import Embedding
from keras.preprocessing import sequence
from sklearn.model_selection import train_test_split
import pickle,
浏览 3提问于2017-10-26得票数 1
回答已采纳
2回答
我正在努力学习神经网络中辍学正则化的内在工作原理。我主要是从Francois的“用Python进行深度学习”中工作。
假设我使用的是IMDB电影评论情绪数据，并构建了如下所示的简单模型：
# download IMDB movie review data
# keeping only the first 10000 most freq. occurring words to ensure manageble sized vectors
from keras.datasets import imdb
(train_data, train_labels), (test_data, test_la
浏览 0提问于2019-06-21得票数 1
回答已采纳
keras /examples/mnist_siamese_raph.py中使用的keras示例看起来不正确。下面的函数不是真正的精度(精度=(正确预测的类别/总测试类别))
def compute_accuracy(predictions, labels):
'''Compute classification accuracy with a fixed threshold on distances.
'''
return labels[predictions.ravel() < 0.5].mean()
除此之外，我
浏览 4提问于2017-06-24得票数 0
回答已采纳
1回答
我试图将py文件编译为二进制文件，该二进制文件简单地从json文件读取模型并通过导入的模型预测输出。现在的问题是，当我试图通过pyinstaller编译程序时，生成的文件大约为290 it，因为它试图编译整个tensorflow包和它不想要的依赖项。更不用说，在尝试提取文件时，启动非常慢。
正如您所看到的，它只是一个简单的代码，它在图像文件夹中运行，并将它们识别为一个模因或非模因内容来清理我的whatsapp文件夹。
import os
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tenso
浏览 2提问于2020-06-16得票数 1
回答已采纳
1回答
是我的代码实验室的链接。
图表：
LSTM
RNN
密集
所有导入：
import tensorflow as tf
from tensorflow.keras.preprocessing import sequence
from tensorflow.keras.layers import Dense, Embedding, SimpleRNN, LSTM, Activation, Dropout
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.metrics imp
浏览 0提问于2020-12-07得票数 0
我正在colab上用32x32像素的图像进行图像分类实验；我有248张用于培训的图片和62张用于测试的图片(我知道这要少得多，但用于实验.)。只有两个类，我得到的数据如下：
train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
training_set
浏览 4提问于2022-04-04得票数 0
1回答
我正在训练一个LSTM模型，其中嵌入了输入层，词汇量约为100,000。在通过tensorboard分析培训时，我发现大部分培训时间都花在了“内核启动”(58%)上，其次是“所有其他”(36%)。换句话说，由于开销的原因，GPU大部分时间都是空闲的。高内核启动时间似乎是由嵌入层的大小驱动的。 我的问题是:如何提高训练速度？当使用大型嵌入时，是否不可避免地将大部分训练时间花在内核启动上？增加批处理大小(当前为128)会有所帮助，因为内核启动时间不依赖于批处理大小，但128已经偏高。 不确定到底什么属于“所有其他”？ 我在使用Tensorflow 2.2.0的特斯拉T4图形处理器上工作，但我在夜
浏览 13提问于2020-07-23得票数 0
我是python keras的新手。随着对Keras的理解，我对Keras的输入形状感到困惑。我觉得在不同的神经网络下，我需要将我的数据重建成不同的形状。 例如，如果我正在构建一个简单的ANN，我的训练数据应该是像m，n这样的矩阵，m是样本的数量，n是特征的数量。但最近我正在学习一维卷积神经网络。我发现教程将训练数据构造为a，b，c，其中a是样本数，b是时间步数，c是特征数(等于1)。但是为什么我不能简单地将数据重塑为a，b呢？因为对于一维卷积神经网络，c将始终为1。 我不确定我是否正确理解了上面的内容。我想知道有没有不同神经网络的training_data形状的总结？或者说，数据的形状背后
浏览 7提问于2019-08-26得票数 0
1回答
我遇到了一种奇怪的情况，RNN的预测非常糟糕，尽管NN发现训练损失函数的最小值为0.002，验证数据的损失函数为0.0013-0.0015。
我的数据集由12470个样本组成，每个样本有60个时间步骤。对于每个准备好的数据集(x_train、y_train等)，我都使用了sklearn洗牌方法，如下所示：
x_train, y_train, x_valid, y_valid, x_test, y_test = shuffle(x_train, y_train, x_valid, y_valid, x_test, y_test, random_state=0 )
模型如下：
n_neurons
浏览 0提问于2022-01-20得票数 0
回答已采纳
我使用了大约4600张训练X光图像，按70:30的比例分割。我以为我有一个很好的训练样本集，但模型出其不意。下面是描绘模型性能的图表。
我的CCN看起来如下：
INPUT_SHAPE = (224, 224, 3)
inp = tensorflow.keras.layers.Input(shape=INPUT_SHAPE)
conv1 = tensorflow.keras.layers.Conv2D(16, kernel_size=(3, 3), activation='relu', padding='same')(inp)
pool1 = tensorflo
浏览 7提问于2020-08-29得票数 0
我是一个数值物理学家，我在我的社区里看到了一些模拟代码，它们使用了一个三维模拟盒，其中一个中心位于[0.5, 0.5, 0.5]，1的正规化长度(因此盒坐标从0.到1.)。在这个盒子里，执行了大量的物理计算，并且通常需要最好的精度。
我认为做这样的事情可以被看作是一种缺陷，但我希望得到证实。我倾向于认为这是一个缺陷，因为我们在0.附近有更多的数值精度，数值精度在整个盒子中并不是很好的平衡。
为了有一个很好的平衡，我认为这样一个盒子：
应该以0.为中心(从-0.5到0.5)，如果你想要在盒子的中心有一个对称的精度
应该以1.5为中心(从1.到2.)，如果你想在整个盒子中获得准均匀的精度。
浏览 5提问于2014-06-25得票数 6
回答已采纳
1回答
你能告诉我这两种中哪一种比火车阴谋更有效吗？
它们都是用相同的角点序列层来训练的，而第二层是使用更多的样本来训练的，即增强数据集。
我对第一个情节中的曲折有些困惑，否则我认为它比第二个好。在第二幅图中，没有曲折，但验证的准确性往往比火车高，这是过火还是相当大？
这是一个图像检测模型，第一个模型的数据集大小为5170，第二个模型有9743个样本。
为建立模型而定义的卷积层：
tf.keras.layers.Conv2D(128,(3,3), activation = 'relu', input_shape = (150,150,3)),
tf.
浏览 9提问于2022-07-01得票数 0
回答已采纳
我使用以下架构训练了Keras模型：
def make_model(input_shape, num_classes):
inputs = keras.Input(shape=input_shape)
# Image augmentation block
x = inputs
# Entry block
x = layers.experimental.preprocessing.Rescaling(1.0 / 255)(x)
x = layers.Conv2D(32, 3, strides=2, padding="same")(x
浏览 18提问于2022-01-08得票数 3
回答已采纳
1回答
在放火器中使用超过1公吨
、、、
我在Tenserflow方面有一些经验，但我是新来的。有时，我需要超过1公制来检查训练的准确性。在Tenserflow中，我经常这样做，如下所示。但我不知道怎么能列出超过1公吨的火把。
LR = 0.0001
optim = keras.optimizers.Adam(LR)
dice_loss_se2 = sm.losses.DiceLoss()
mae = tf.keras.losses.MeanAbsoluteError( )
metrics = [ mae,sm.metrics.IOUScore(threshold=0.5), sm.metrics.FScore(threshold=
浏览 2提问于2022-03-09得票数 0
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
实时音视频活动推荐
腾讯云开发者
