关于CNNs训练的几个简单问题
- 什么是CNNs？ CNNs（卷积神经网络）是一种深度学习模型，主要用于图像识别和计算机视觉任务。它通过多层卷积层和池化层来提取图像的特征，并通过全连接层进行分类或回归。CNNs具有自动学习特征的能力，能够在大规模数据集上进行训练，以提高图像识别的准确性。
- CNNs的训练过程是怎样的？ CNNs的训练过程包括以下几个步骤：
- 数据准备：收集并准备训练数据集，包括图像数据和对应的标签。
- 网络设计：设计CNNs的结构，包括卷积层、池化层、全连接层等。
- 前向传播：将输入图像通过网络，逐层计算并生成输出结果。
- 损失计算：将网络输出与标签进行比较，计算损失函数来衡量网络输出的准确性。
- 反向传播：根据损失函数的梯度，逆向传播误差，并更新网络参数以最小化损失。
- 参数优化：使用优化算法（如梯度下降）调整网络参数，以提高网络性能。
- 迭代训练：重复以上步骤，直到达到预定的训练轮数或达到性能要求。
- CNNs的优势是什么？ CNNs具有以下几个优势：
- 局部感知性：通过卷积操作，CNNs能够有效地捕捉图像中的局部特征，从而提高图像识别的准确性。
- 参数共享：CNNs中的卷积层使用相同的权重来处理输入的不同区域，减少了网络参数的数量，降低了过拟合的风险。
- 平移不变性：CNNs对图像的平移具有不变性，即无论物体在图像中的位置如何变化，网络仍能正确识别。
- 自动学习特征：CNNs能够通过训练数据自动学习图像的特征，无需手动设计特征提取器。
- CNNs的应用场景有哪些？ CNNs广泛应用于计算机视觉领域，包括但不限于以下应用场景：
- 图像分类：通过训练CNNs，实现对图像进行分类，如识别动物、车辆、人脸等。
- 目标检测：利用CNNs检测图像中的目标物体，并标注其位置和类别。
- 人脸识别：通过CNNs提取人脸特征，实现人脸识别和身份验证。
- 图像生成：利用CNNs生成逼真的图像，如图像超分辨率、图像风格转换等。
- 视频分析：通过CNNs对视频进行分析，如行为识别、动作检测等。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI智能图像识别：https://cloud.tencent.com/product/ai-image
- 腾讯云人脸识别：https://cloud.tencent.com/product/fr
- 腾讯云视频智能分析：https://cloud.tencent.com/product/vca
相关·内容
2回答
卷积神经网络的网格限制？
、、、
我正在使用CNN解决一个(与高能物理相关的)问题。
为了理解这个问题，让我们考虑一下
左边是CNN的输入，右边是所需的输出。因此，网络应该对输入进行聚类。这种聚类背后的实际算法(即我们如何获得所需的训练输出)非常复杂，我们希望CNN了解这一点。
我尝试过不同的CNN架构，例如，一种类似于U-net架构()，但也有各种卷积层的级联，等等。
输出总是非常相似(对于所有架构)。
原则上，网络执行得很好，但正如您所看到的，在大多数情况下，CNN输出由几个直接相邻的填充像素组成，这永远不会(!)在真实的情况下会发生。
我一直使用均方误差作为所有网络的损失函数。
您有什么建议可以避免这个问题并提高网络性能
浏览 0提问于2018-03-05得票数 1
1回答
我有一个关于生物医学图像分析的一般性问题。因为生物医学图像需要配准，以便在相同空间中对齐图像并更好地提取特征。我的问题是，基于深度学习的分类是否也需要训练数据集图像的图像配准？在深度学习中，架构本身定义了最佳特征，使用深度神经网络进行腹部CT扫描图像分类是否需要注册？当我们为了更好地训练数据而进行数据增强时，这种情况下还需要图像配准吗？
浏览 34提问于2019-06-04得票数 1
我最近刚刚掌握了深入学习的诀窍，我想试着运行，看看它是如何运行+输出的。因为它只用于测试，而且我没有GPU，所以我使用了一个非常小的训练集(69个文件)和验证集(20个)，并以16批大小运行它。
它似乎运行得很好。然而，在每一个时代，我都会看到这些错误：
x = asanyarray(arr - arrmean)
C:\Users\\directional_cnns-master\directional_cnns\normalizer.py:15: RuntimeWarning: invalid value encountered in subtract
data = data.cop
浏览 4提问于2020-03-02得票数 0
1回答
具有不同输入尺度的CNN
、、、、
我想设计一台Conv。net实现多尺度分类问题。我的目标是在一种输入尺寸上训练CNN，并使用该模型来预测不同比例/大小的图像。对于CNNs，这是可能的吗？我正在使用keras/python开发我的网络？
任何帮助都将不胜感激。
浏览 4提问于2016-10-19得票数 1
0回答
我有一个关于caffe的问题，但它可能是一个关于CNNs和深度学习的教学过程的更一般的问题。
基本上，问题是我一直在使用包含5606张图像的NIH胸部X射线样本数据集测试多个架构。我将数据提取到5个.h5文件中，每个文件有1000个图像，并将它们的大小调整为224x224。为了保持一致，我省略了3个通道的图像(因为它们大部分都是灰度的)。所以我的输入形状是(batch_size, 1, 224, 224)。这只是二进制分类，因为我用0 - no finding, 1 - any finding标记了图像。
我决定使用MobileNet架构，只是将最后一层的输出大小改为2。
我的问题是，每次我运
浏览 10提问于2018-07-09得票数 0
回答已采纳
使用PyCharm，您可以让多个Python实例运行同一个文件，所以我很好奇是否有任何方法可以在两个不同的实例中同时训练相同的模型(或不同的模型)两次。
我认为，能够在文件上按Shift + F10开始训练，进行超参数调整，然后再次按Shift + F10来启动另一个完全独立的训练实例，并比较它们同时进行训练的方式，这将是非常有用的。但是，如果一个人已经在训练，那么第二个人在调用fit方法时会给出这个错误：
2019-11-03 01:11:19.049817: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Su
浏览 23提问于2019-11-03得票数 0
回答已采纳
1回答
背景
我期待着在tensorflow实现一个通用的图像操作检测系统，使用CNN，如本中所描述的，.In香草CNNs滤波器值是通过随机初始化后的反向传播来学习的。
问题
在该实现中，第一卷积层的滤波器值将根据给定的约束重新初始化(滤波中心到-1的值，并对剩余的滤波器值进行规范化)。当每一层的iteration.The滤波器值都要像香草case.In tensorflow那样被训练后，训练步骤会自动训练滤波器值too.Is，这样就有可能在使用tensorflow的每一次训练迭代之后，有效地将给定的约束应用于第一层滤波器。
浏览 3提问于2017-03-20得票数 1
回答已采纳
3回答
can可以有数百个隐藏层，而且由于它们经常与图像数据一起使用，因此有许多层捕获更多的复杂性。
然而，据我所见，RNN通常只有几个层，例如2-4层。例如，对于心电图(ECG)分类，我见过文献使用LSTM 4层，CNN 10-15层，结果相似。
这是因为RNNs/LSTM如果更深(由于梯度消失问题)更难训练，还是因为RNNs/LSTM往往会快速适应顺序数据？
浏览 0提问于2019-06-09得票数 9
我正在尝试使用cnn为我的数据建立一个分类器。训练集由不是图像数据的2D数值矩阵组成。
似乎Matlab只适用于图像输入：
有没有人有使用Matlab的深度学习工具箱处理cnns和非图像数据的经验？
谢谢。
浏览 4提问于2017-04-07得票数 3
我有一个同时包含图像和文本功能的数据集。训练数据的标签是一个二维数组，形状与输入图像相同，为1s/0。
因此，基本上，培训投入是：
输入具有(X,Y)形状的图像，
具有形状(Z,)的附加特征集(即文本特征)。
培训标签的形状为(X,Y)。
我正在尝试使用Tensorflow/Keras对这些数据进行模型训练。我知道我可以训练一个输入大小为(X* Y) + Z的模型，但我读到这并不是处理混合图像/附加数据特性的最佳方法。
所以我的问题是：
1)如何建立模型来处理混合输入类型？
2)由于输出与图像大小相同，是否需要定义(X * Y)大小的输出层？如何指定输出层，以便它能够接受多个值
浏览 1提问于2018-08-08得票数 2
回答已采纳
1回答
我试图理解卷积神经网络，特别是它的参数。我在网上找到了几个公式，但我无法理解。例如：
((filter_size*filter_size)*stride+1)*filters)
这里的过滤器是多少？这是否意味着，我们为我们所做的每一步训练不同的size*size权重，而跨越式的总数量将是过滤器的数量？
浏览 0提问于2021-10-08得票数 2
回答已采纳
1回答
我偶然发现了一种使用Tensorflow，进行深度学习的实验方法。作者训练CNNs玩乒乓球游戏。在我看来，这一切似乎都很简单，除了在CNN层中展示Q值的可视化。这是youtube的视频，。有人能解释这些图表(热图的外观)是如何绘制的吗？
谢谢。
浏览 1提问于2016-06-16得票数 0
回答已采纳
2回答
我对卷积神经网络(CNNs)很感兴趣，它是一个计算广泛的应用程序，适合使用可重构硬件(例如FPGA)进行加速。
为了做到这一点，我需要检查一个简单的CNN代码，我可以用它来理解它们是如何实现的，每一层的计算是如何进行的，每一层的输出是如何馈送到下一层的输入的。我熟悉理论部分()
但是，我对训练CNN不感兴趣，我想要一个完整的，自包含的CNN代码，它是预先训练的，所有的权重和偏差值都是已知的。
我知道有很多CNN库，比如Caffe，但问题是没有一个简单的示例代码是自包含的。甚至对于最简单的Caffe示例"cpp_classification“，许多库都会被调用，CNN的体系结构被表示为.
浏览 4提问于2016-04-16得票数 13
回答已采纳
3回答
我正在用CNNs做二进制分类，数据是不平衡的，其中正医学图像:负医学图像= 0.4 : 0.6。因此，我想在训练之前使用SMOTE对阳性的医学图像数据进行过采样。但是，数据的维度是4D (761,64,64,3)，这会导致错误
Found array with dim 4. Estimator expected <= 2
所以，我重塑了我的train_data：
X_res, y_res = smote.fit_sample(X_train.reshape(X_train.shape[0], -1), y_train.ravel())
它工作得很好。在将其提供给CNNs之前，我通过以下方
浏览 12提问于2018-12-07得票数 7
2回答
图像相似性-深度学习与手工特征
、、、、
我正在做计算机视觉领域的研究，并且正在研究一个与查找与查询图像视觉相似的图像相关的问题。例如，查找具有相似图案(条纹/格子)的相似颜色的t恤，或者相似颜色和形状的鞋子，等等。
我探索了手工制作的图像特征，如颜色直方图、纹理特征、形状特征(方向梯度直方图)、SIFT等。我还阅读了关于深度神经网络(卷积神经网络)的文献，它们已经在大量数据上进行了训练，目前是图像分类的最新技术。
我想知道是否同样的特征(从CNN中提取)也可以用于我的项目-寻找图像之间的细粒度相似性。据我所知，CNNs已经学习了很好的代表性特征，可以帮助对图像进行分类-例如，无论是红色衬衫、蓝色衬衫还是橙色衬衫，它都能够识别图像是衬
浏览 2提问于2015-05-23得票数 4
对于上下文，在本论文中
针对梯度问题，提出了长时记忆(LSTM) 10、18和门控递归单元(GRU) 5等神经网络变量。然而，在这些变体中使用双曲的棕褐色函数和乙状体函数作为激活函数，会导致层间的梯度衰减。因此，构建和训练一个基于深度LSTM或GRU的RNN网络实际上是很困难的.相反，使用不饱和激活函数(例如relu )的CNNs可以叠加成一个非常深的网络(例如，使用基本卷积层的20多层和具有剩余连接的100多层)。
浏览 0提问于2019-01-18得票数 3
1回答
我有一个小项目，为我的新课程，在这学期与随机的主题。由于我有一些关于卷积神经元网络的背景，我打算在我的项目中使用它。我的计算机只能运行CPU版本的TensorFlow。
然而，作为一个新的蜜蜂，我意识到有很多的话题，如MNIST，CIFAR-10等，因此我不知道我应该从中挑选哪个合适的话题。我只剩下两周了，。如果这个题目不太复杂，但不容易学习，那就太好了，因为它与我的中级水平相匹配。
根据你的经验，你能给我一些关于我的项目应该做的具体主题的建议吗？
而且，如果在这个题目上我能提供我自己的数据来测试我的训练，那会更好，因为我的教授说在我的项目中获得A是一个加分。
提前谢谢你，
浏览 1提问于2017-06-06得票数 0
1回答
前馈网络的接受域
、、
我对人工智能和神经网络非常陌生。我已经在PyTorch中实现了一个前馈神经网络，用于对MNIST数据集进行分类。现在，我想要可视化隐藏神经元(子集)的感受野。但我在理解接受域的概念时遇到了一些问题，当我在谷歌上搜索时，所有的结果都是关于CNNs的。那么，有没有人可以帮助我在PyTorch中如何做到这一点，以及如何解释结果？
浏览 3提问于2019-12-02得票数 0
2回答
cnn中验证精度大于训练精度
、、、、
📷
我已经将我的训练设定为80:20的比例，并开发了cnn的模式，辍学0.5。我的准确率是98%。但验证精度仍大于训练精度。这有什么问题吗?这会导致过度适应吗？如果是的话，那我为什么得到98%的精度呢?图上给出的是below.The红线是验证精度，蓝色是训练精度。
浏览 0提问于2020-06-09得票数 1
我正在使用LibSVM记录读取器将稀疏数据加载到神经网络中。
这在使用MLP模型时工作得很好，但当我尝试将数据加载到其中一个问题中给出的示例CNN中时：
ComputationGraphConfiguration config = new NeuralNetConfiguration.Builder()
.trainingWorkspaceMode(WorkspaceMode.SINGLE).inferenceWorkspaceMode(WorkspaceMode.SINGLE)
//.trainingWorkspaceMode(Workspac
浏览 10提问于2018-01-24得票数 1
1回答
我正在使用tensorflow.keras来训练CNN来解决图像识别问题，使用Adam最小化来最小化自定义损失(一些代码在问题的底部)。我正在试验我需要在训练集中使用多少数据，我认为我应该看看我的每个模型是否都正确地收敛了。然而，当绘制不同训练集分数的损失与训练次数的关系图时，我注意到损失函数中存在大约周期性的峰值，如下图所示。在这里，不同的行显示了不同的训练集大小作为我的总数据集的一部分。
随着我减小训练集的大小(蓝色、橙色、->绿色)，这些脉冲的频率似乎降低了，尽管振幅似乎增加了。直觉上，我会将这种行为与跳出局部最小值的最小化联系起来，但我在TensorFlow/CNNs方面经验不足
浏览 19提问于2020-05-20得票数 2
1回答
处理不平衡数据
、、、
我有一个有两个目标类的数据集。在训练数据集中，两个班的比例为1:93。
用我的神经网络，目前的准确率为63%。我尝试过低采样、过抽样、等量抽样，但没有改进。
浏览 0提问于2018-01-29得票数 1
回答已采纳
1回答
当训练Word2Vec模型时，有三个输出被创建。
modelmodel.wv.syn0model.syn1neg
关于这些模型，我有几个问题。
这些输出有何本质区别？如果要访问训练结果，应查看哪种模型？
提前感谢！
浏览 15提问于2018-06-01得票数 0
和的主要区别是什么？
根据他们的描述：
亚麻，JAX的神经网络库
由十四行诗启发的JAX神经网络库
问题
我应该选择哪一个基于jax的库来实现，比如说模型(由CNN层+ LSTM层+FC组成)和ctc损失？
UPD.
发现了与dm-haiku开发者的不同之处：
亚麻包括了更多的电池，还有优化器、混合精度和一些训练回路(我听说这些都是解耦的，你可以用多少就用多少)。Haiku的目标是仅解决NN模块和状态管理问题，它将问题的其他部分留给其他库(例如用于优化的操作税)。Haiku被设计成十四行诗( TF NN库)到JAX的一个港口。因此，如果(像DeepMind)您可能想在JAX
浏览 4提问于2021-04-29得票数 11
1回答
列车损失与验证损失
、、、、
我有几个基本的问题，关于跟踪损失在训练。
如果我正在使用小型批处理培训，是在每次批处理更新之后还是在我看到整个数据集之后验证？
停止训练以防止过度训练的条件是什么？你在那个时候保存模型了吗？
如果我使用小批量训练损失波动很大，取决于随机选择的训练数据，有时验证损失小于训练损失。这是正常的吗？我想我对这一点的困惑将在第一章中得到解答。
浏览 0提问于2018-04-26得票数 5
我的工作是木星笔记本和报纸有一个问题，无法从新闻周刊的任何东西。我可以让它在Goose上运行，但我想要一个后备，以防Goose失败。
我试过其他网站，如福克斯，雅虎和CNN，所有这些都很好。因此，NewsWeek是一个孤立的问题。
from newspaper import Article
url = 'https://www.newsweek.com/mike-huckabee-blasts-cnns-axelrod-
calling-daughter-trump-press-secretary-sarah-sanders-1444184'
article = Articl
浏览 0提问于2019-06-15得票数 1
回答已采纳
所有专家
我是CNN和Caffe的新人。我在两个班之间有一个分类任务。我收集到的数据很小这是人类的形象。我采用了BVLC模型，并对测试和培训中的批处理大小以及最大迭代进行了更改。我尝试了许多不同的设置，但模型不工作。对于如何找到合适的模型或设置或其他解决方案，有什么想法吗？
注**我有一次随机更改了BVLC模型的设置，它成功了，但是我丢失了设置文件。
对于train.prototxt和Solve.prototxt，，我是从这家伙那里得到的
我试过训练批次大小为32,64,128,256，并测试了5,20,30，但失败了。
对于数据集，它是普通女性和美丽女性的图像，我将对其进行分类，但是Stac
浏览 2提问于2017-06-16得票数 1
3回答
电流型神经网络损失值NaN
、、、、
我试图在一个大数据集上建立一个简单的多层感知器模型，但我得到的损失值是nan。奇怪的是:在第一步训练之后，损失值不是nan，而是46 (这是奇怪的低)。当我运行一个logistic回归模型时，第一个损失值约为3600)。但在那之后，损失的价值就一直在南。我也使用tf.print来调试它。
该模型的目标是预测4500个不同的类，因此这是一个分类问题。当使用tf.print时，我发现在第一个训练步骤(或通过MLP进行前馈)之后，从最后一个完全连接的层得出的预测似乎是正确的(所有的数字都在1到4500之间)。但是，在此之后，最后一个完全连接层的输出将转到所有的0's或其他常量(0 0 0)。
浏览 2提问于2017-05-19得票数 2
回答已采纳
1回答
Keras的Conv3D需要输入5D tensor with shape: (batch, conv_dim1, conv_dim2, conv_dim3, channels) (假设data_format是"channels_last")。现在假设我的过滤器大小是(3,3,3)，我的输入是( 10 , 125 ,300,200,3)，一个由10个视频组成的视频数据集，每个视频有125个帧，空间大小300x200，以及信道3，因为帧是RGB。默认的步长值是(1, 1, 1)。我脑海中关于这个卷积是如何工作的图片，如所示。
我不知道的是，1沿时间维度的步幅是一次移动一帧，还是一次
浏览 1提问于2019-08-14得票数 1
回答已采纳
我有几个一般的问题，关于使用预先训练的图像分类模型在移动。
一个典型的预先训练的模型有多大？
如果它对于移动来说太大了，那么最好的策略是什么呢？
我查看了DeepLearning for Java的文档，哪里都可以下载预培训过的模型？
提前谢谢。
浏览 2提问于2017-06-29得票数 0
2回答
我的工作是分析脑电数据，这些数据最终需要分类。然而，获得唱片的标签有点昂贵，这促使我考虑了无监督的方法，以更好地利用我们相当数量的未标记数据。
这自然导致考虑堆叠的自动编码器，这可能是一个好主意。然而，使用卷积神经网络也是有意义的，因为某种类型的滤波通常是一种非常有用的EEG方法，很可能考虑的时间应该是局部的，而不是作为一个整体来分析。
有什么好办法把这两种方法结合起来吗？似乎当人们使用CNN的时候，他们通常使用监督训练，还是什么？为我的问题探索神经网络的两个主要好处似乎是无监督的方面，以及微调(例如，创建一个关于人口数据的网络，然后对一个人进行微调)。
那么，有没有人知道我是否可以把CNN训
浏览 0提问于2017-03-21得票数 12
回答已采纳
1回答
我想知道在什么阶段测试数据集使用CNNs？它是在训练过程中每批或一个时期完成后使用，还是在所有时期完成后使用？我有点困惑，这两个进程是如何一起运行的？同样，梯度更新是在每个批次或每个时期之后进行的吗？
model.fit_generator(
aug.flow(x_train, y_train, batch_size=BATCH_SIZE),
validation_data=(x_test, y_test),
steps_per_epoch=len(x_train) // BATCH_SIZE,
epochs=EPOCHS, verbose=1, callbacks = callbacks)
浏览 11提问于2020-05-23得票数 2
回答已采纳
我正在尝试用PyTorch Fast Dense Feature Extractor实现这篇文章，但我在将他们提供的火炬实现示例转换成PyTorch时遇到了麻烦。 到目前为止，我的尝试有一个问题，即当向特征映射添加额外的维度时，卷积权重与特征形状不匹配。这在Torch中是如何管理的(从他们的实现来看，Torch似乎并不关心这一点，但PyTorch关心)。我的代码：https://gist.github.com/system123/c4b8ef3824f2230f181f8cfba84f0cfd 这个问题的任何其他解决方案也是很好的。基本上，我有一个特征提取器，可以将128x128的补丁转换为
浏览 36提问于2019-03-13得票数 1
回答已采纳
1回答
我想以顺序的方式训练一个模型。也就是说，我希望最初使用简单的体系结构训练模型，一旦训练完成，我想添加几个层并继续训练。在Keras中可以做到这一点吗？如果是这样的话，是怎么做的？
我试图修改模型架构。但在我编译之前，这些更改是无效的。一旦我编译了，所有的权重都被重新初始化，并且我丢失了所有训练过的信息。
我发现，web上的所有问题要么是关于加载预训练模型并继续训练，要么是修改预训练模型的体系结构，然后只对其进行测试。我没有找到任何与我的问题相关的东西。任何指针也是高度赞赏的。
PS:我使用的是tensorflow 2.0包中的Keras。
浏览 29提问于2020-03-09得票数 7
回答已采纳
我需要做一个项目，在那里我建立了一个"DeepTree网络“。假设我对A、B和C类有3种分类问题。
我的树应该是这样的：
第一个节点: C类和A+B超类之间的A+B分类
第二个节点:A类和B类之间的CNN binary classifier分类
有没有人知道是否有关于这个问题的现有文件？或者有什么实现？叶子不一定是CNNs，在TensorFlow中任何类似的树实现都会给我很大的帮助。
浏览 0提问于2019-06-06得票数 1
2回答
有关于python中libsvm的好文档吗?有几个非平凡的示例来解释每个标志意味着什么，以及如何从端到端训练和测试数据？
(没有libsvm的正式文件。为libsvm提供的“正式文档”只是一篇关于支持向量机如何工作的论文，并不包含任何模块的使用说明。因此，请在这里链接到libsvm的任何有用的python文档/示例代码)
浏览 3提问于2013-06-12得票数 3
1回答
我有几个关于使用强化学习训练神经网络的问题，例如，DQN: 1.在定义我们的模型时，我们应该使用正则化器还是辍学? 2.我们可以在学习阶段监控什么？
浏览 0提问于2019-02-06得票数 0
2回答
我读过关于时间延迟神经网络(TDNN)的文章，我不确定我是否理解它。据我所知，tdnn的工作原理就像一维卷积神经网络(CNN)。
如果这些体系结构存在的话，它们之间有什么区别？
浏览 0提问于2021-01-20得票数 1
回答已采纳
4回答
基于神经网络的基音检测
、、、
我正在尝试使用ANN来检测音符的音高。该网络是一个简单的两层MLP，其输入基本上是DFT (平均和对数分布)，12个输出对应于特定八度的12个音符。
该网络使用某些乐器演奏的12个音符中的几个样本进行训练(一次一个音符)，以及几个“无声”样本。
结果实际上是好的。该网络能够准确地检测出不同乐器演奏的音符，对噪音相对较小，甚至在播放一首歌曲时也不会完全失去理智。
然而，我们的目标是能够检测到复调声音。因此，当两个或更多的音符一起演奏时，两个相应的神经元将被激发。令人惊讶的是，网络实际上已经在某种程度上做到了这一点(仅在单声道样本上进行训练)，但不如单声道音符的一致性和准确性。我的问题是，我如何增
浏览 0提问于2010-01-30得票数 11
回答已采纳
1回答
我试图用神经网络来解决分类问题。我有6个可能的类，相同的输入可能在多个类中。
问题是，当我试图为每堂课训练一个NN时，我设置了output_num_units =1，在列车上，我传递y，y:,0的第一列。我得到以下输出和错误：
## Layer information
# name size
--- ------ ------
0 input 32
1 dense0 32
2 output 1
IndexError: index 1 is out of bounds for axis 1 with size 1
Apply
浏览 3提问于2015-07-13得票数 2
best_params_train = dict(optimizer=optimizers[0], learning_rate=learning_rates[0],
cnn_train_type=cnn_train_types[0],
cnn_arch=cnns_arch.values()[0],
dropout=dropouts[0]) 它在cnn_arch=cnns_arch.values()给出错误，因为TypeError：'d
浏览 14提问于2019-12-06得票数 3
回答已采纳
1回答
想问问是否有任何适合视频的面部检测方案，最好是几天左右的训练时间，而不是像Viola那样的几个星期。我读过关于LBP的文章，但它也需要大量的训练样本，但不确定需要多长时间。训练LBP花费的时间是否与具有相似训练集的Viola方法相同？我将在一个微处理器上实现这一点，比如运行在linux操作系统上的raspberry pi。将希望在C上实现它的速度，因为我希望它能够检测到10 for 20 for视频流中的图像。
浏览 1提问于2013-11-20得票数 0
回答已采纳
1回答
我的数据里有45000条文字记录。我想把这45000条记录转换成单词向量，这样我就可以训练一个关于单词向量的分类器。我不是在装腔作势。我只是把每个条目分成几个单词。
经过300个特征的word2vec模型训练后，模型的形状仅为26000。我如何保存我所有的45000张唱片？
在分类器模型中，我需要所有这45000条记录，这样它就可以匹配45000个输出标签。
浏览 3提问于2017-06-24得票数 0
回答已采纳
2回答
预先训练的CNN特征提取
、、、、
我在试着对图像进行分类。我想通过预先训练的CNN运行每幅图像，应用卷积和池，最后得到一个更小的图像/矩阵，其中每个像素的值都是一个特征。然后我想把它传递给支持向量机进行分类。
有人能提供代码开始使用CNN和SVM的特征提取吗？
浏览 0提问于2017-11-26得票数 2
2回答
我有一套预先训练过的word2vec单词向量和一个语料库。我想用单词向量来表示语料库中的单词。语料库里有一些我没有训练过的单词向量。处理那些没有预先训练过的向量的单词的最好方法是什么？
我听过几个建议。
对每一个缺失的单词使用零向量。
对每一个缺失的单词使用随机数向量(并给出一些关于如何绑定这些随机词的建议)。
我有一个想法:从所有预先训练过的向量中选取一个向量，其值是该位置上所有值的平均值。
对这个问题有经验的人对如何处理这个问题有想法吗？
浏览 1提问于2018-02-09得票数 7
2回答
我有一个数据科学应用程序，涉及到训练数以万计的小个体高斯模型。所谓“小”，我的意思是，任何单独的模型都可以很容易地在我们的一个工人服务器上训练。事实上，我们应该能够在每一个节点上同时训练几个。
我一直在探索与Yarn一起使用Spark，但是Spark似乎真的是为了训练多台机器上的大型模型，而不是包含在单个机器上的许多小型模型。
我正在想象一个工作流程，看起来像：
按键分组数据
将整组数据发送到单个工人机器，
在同一台机器上为组训练模型。
报告或保存受过训练的模型。
我需要一些关于如何实现这一点的指导。模型训练是令人尴尬的并行性。
浏览 0提问于2018-09-17得票数 2
回答已采纳
我有几个意图，是得到触发的不适当的用户输入。下面是几个例子。
意图1)。我给出的训练短语
我什么时候能在国外找到工作？
我是否有可能在国外定居
我什么时候能在国外定居？
这个意图是要求用户输入--我和我的朋友吵了一架，它能让安定下来吗？
意图2)。我给出的训练短语
当我的经济问题结束的时候
告诉我我的经济状况
我将来的经济状况如何？
我的经济状况如何？
这个意图是当我的家庭问题会影响到时，用户输入就会被调用。
请帮我处理这些情况。
浏览 4提问于2020-10-14得票数 0
1回答
如何恢复对模特的培训？
、、、、
我没有GPU的支持，所以经常发生我的模型需要几个小时的训练。我可以分批训练我的模型吗?例如，如果我想要我的模型有100个历次，但是由于停电，我的训练停止了(在50年代)，但是当我重新训练我的模型时，我想要从它离开的地方(从50世纪)开始训练它。
如果有人能用一些例子来解释它，那将是非常感谢的。
浏览 0提问于2017-10-16得票数 1
2回答
我想完善ResNet50 ImageNet预训练模型，我有几个关于图像预处理的问题。
在ImageNet预处理中，我们需要减去像素的平均值(103.939,116.779,123.68)。当我使用我的数据集来细化时，我应该减去ImageNet的平均值还是减去我的数据的平均值。
我确实看到很多人将数据重命名为0,1，但是预训练模型(ImageNet)使用0,255的图像缩放。为什么人们会这么做？这合理吗？
浏览 7提问于2017-07-07得票数 0
我知道有很多关于部署伯特或其他模型的手工教程。但问题是，其中许多只是浅薄的用户用例，它们只使用某些库(如keras )的apis修改了几个参数。我是个新手，在我的项目中部署经过预先训练的语言模型时，我仍然对细节和变化的步骤感到困惑。
谁能给出一个更好的路线图来学习使用预先训练过的语言模型来学习编码，包括任何资源、文章或教程等等。
我读过许多关于媒体的文章。但大多数文章似乎只介绍了一般概念，而不是在学习时提供真正的诀窍。
浏览 2提问于2022-11-08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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
