在运行我的模型时，每个时期的时间是0秒，这是否意味着我的模型enter image description here出现了问题
浏览 16提问于2020-06-16得票数 1
回答已采纳
我正在google colab上运行一个使用神经网络的图像重建代码。我正在使用GPU加速器训练模型500个时期，但前446个时期每个时期运行需要12秒，447个时期需要864秒，448个时期显示ETA超过2小时。运行时仍然是GPU，有人能解释为什么花费的时间增加了这么多吗？(需要注意的是，在训练的</e
浏览 16提问于2021-03-18得票数 0
我对机器和深度学习非常陌生。我的疑问是，如何将强化学习添加到使用传统神经网络开发的图像分类器中，以随着时间的推移提高其性能？
浏览 23提问于2020-05-10得票数 0
1回答
我正在尝试为我的神经网络实现Adam优化器(一切都是从头开始编写的)。我的意思是，在每一次小批量之后它都会增加吗？我是不是在每个时期之后都要增加它？是否在每个时期后重置计算出的先前时
浏览 11提问于2021-12-04得票数 0
我正在使用Tensorflow-Keras训练神经网络。我当前的代码被设置为使用CSVLogger来跟踪历次的进度，并使用matplotlib pyplot来绘制训练和验证的准确率和损失。对于这两个曲线图，值也是根据纪元#绘制的。
是否可以绘制我的模型随时间的训练进度图？意思是说，我可以使用执行时间而不是使用epoch #作为x轴吗？这样做<em
浏览 0提问于2019-10-07得票数 0
我是Python和Keras的新手，并且我已经成功地构建了一个神经网络，可以在每个Epoch之后保存权重文件。然而，我想要更多的粒度(我正在可视化时间序列中的层权重分布)，并希望在每N个批次之后保存权重，而不是每个时期。
有人有什么建议吗？
浏览 2提问于2017-05-05得票数 6
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</em
浏览 15提问于2019-09-01得票数 0
1回答
我想知道如何在matlab网络训练上使用grdient下降算法，以及MSE是如何计算的-我有自己的应用程序，但它不像matlab nn那样工作，我想知道为什么。我的算法是这样的： gradient_vector = 0 // this is a vector
foreach
浏览 0提问于2011-05-12得票数 0
我正在使用Tensorflow MirroredStrategy在2个GPU上并行训练神经网络。使用单个GPU时，每个时期需要19秒才能完成，而使用2个GPU时，每个时期需要13秒才能完成。我对此并不感到惊讶，因为我知道由于在训练期间更新变量的all_reduce开销，缩放并不完美。 然而，在分布式训练的每个时期之后，有大约8秒
浏览 17提问于2020-07-02得票数 0
为了让我的问题更具体，根据评论，哪些模型参数在不同的时期都在变化？起始权重？随着模型的训练，我看到有5个时期，每个时期都有不同的精度。但我不确定每个时代都在改变什么，也不确定最终的模型是如何根据这些时代确定的。以下是模型创建和训练的</em
浏览 0提问于2020-01-08得票数 0
当使用批处理训练神经网络时，准确性(训练和验证)是否应该在每个时期之后增加(在查看整个数据一段额外的时间之后)？那么，如果性能在一个时期下降，我是否应该担心出了什么问题(高学习率，高偏差)？(或者我总是需要等待几个时代才能做出判断？)
浏览 18提问于2017-08-10得票数 3
我在3个类上使用了Xception架构和数据增强。我的原始数据集在三个类中的每个类中都有3个图像，并组织在一个目录中。probs.argmax(axis=1)
print("ACTUAL LABEL: " + str(label)) 我的训练准确率收敛到1.0000，但对m
浏览 28提问于2020-12-23得票数 1
我已经在谷歌Colab上为cifar10数据集建立了一个残差神经网络模型，但它在TPU硬件上运行非常慢。 我有另一个常规的卷积神经网络，它在google colab上运行良好。此模型使用keras Sequential API，而残差神经网络使用Functional API，不确定这是否是问题所在。我已经尝试更改批处理大小，但没有任何帮助。下面是我的程序的链接。c
浏览 41提问于2019-06-15得票数 0
我正在尝试学习一些训练神经网络的理论，现在我已经得到了验证集。 现在，我可以理解验证集给了我们一个损失指数，这有助于我们知道我们是否过拟合。但当我在书中和看视频时，每个人似乎都在以一种有点模棱两可的方式表达自己。 当验证集正在运行时，模型是否会手动更新？在验证时，神经元的层、权重、偏差或净值是否可以“自动”更新？ 非常感谢
浏览 12提问于2020-03-17得票数 0
回答已采纳
我正在训练一个动态神经网络，这意味着每个时代我都会调整架构并获得不同的计算图。我想使用tensorboard绘制每个时期的图形，但是当我在每个时期的末尾使用SummaryWriter.add_graph()时，它只会覆盖前一个时期。这似乎是可以实现的，因为每个图都有一个“标签”，但我发现没有选
浏览 0提问于2020-02-18得票数 3
1回答
我目前正在使用fashion_mnsit数据集学习Tensorflow。我创建了一个具有3层的简单神经网络，对神经网络进行了10个时期的训练，然后对未知数据进行了评估。当我在终端(Windows)中运行脚本时，我的问题就出现了。它显示每个时期的进度，其中的“加载栏”表示为： “=>.” 但一旦训练结束。终端屏幕完全充满了“
浏览 12提问于2019-10-04得票数 0
回答已采纳
3回答
我的图像是位图=>像素值=0或1X_train_autoencodeur = X_train.reshape(-1, 96*96) validation_data=(X_valid_autoencodeur, X_valid_autoencodeur))
然后我绘制重建的图像decoded_imgs = autoencoder.predict(X_v
浏览 26提问于2019-07-16得票数 1
回答已采纳
我正在使用完全卷积神经网络(FCN)在Keras库中进行图像分割。我在我的网络中有大约35个纪元(根据经验)。
由于一些物理后果，我更喜欢应用一个独特的自定义初始化器(3*3)与零角单元格(权重)。我的问题是:我应该在每个时期的开始应用自定义初始化器(3*3)还是在第一个时期
浏览 2提问于2019-12-29得票数 0
2回答
当我用Theano或Tensorflow训练我的神经网络时，他们会在每个时期报告一个名为"loss“的变量。
我应该如何解释这个变量？更高的损失是好是坏，或者它对我的神经网络的最终性能(准确性)意味着什么？
浏览 227提问于2015-12-30得票数 251
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
