我正在尝试训练一个深度Q学习Keras模型来玩CartPole-v1。然而，它似乎并没有变得更好。我不认为这是一个错误，而是我缺乏如何正确使用Keras和OpenAI健身房的知识。我正在学习这个教程(https://adventuresinmachinelearning.com/reinforcement-learning-tutorial-python-keras&#
浏览 19提问于2019-06-29得票数 0
回答已采纳
1回答
我正在使用OpenAI健身房的cartpole环境训练强化学习模型。尽管我的体重和模型的.h5文件出现在目标目录中，但在运行以下代码后，我没有得到任何内容- tf.train.get_checkpoint_state("C:/Users/dgt/Documents").这是我的全部代码- ## Slightly modified from the following repositor
浏览 21提问于2020-08-25得票数 1
回答已采纳
我正在构建一个香草DQN模型来玩OpenAI健身房Cartpole游戏。然而，在训练步骤中，我输入状态作为输入，目标Q值作为标签，如果我使用model.fit(x=states, y=target_q)，它工作得很好，代理最终可以很好地玩游戏，但是如果我使用model.train_on_batch(x=states, y=target_q)，损失不会减少，模型不会在任何地方比随机策略玩得更好。据我所知，fit在幕后调用批处理大小为32
浏览 56提问于2020-06-29得票数 2
回答已采纳
1回答
我正在尝试构建一个可以玩stick cart的深度Q学习代理。通过强化学习，它学会了通过移动手推车来平衡操纵杆。我已经能够让绘图显示出来，但它只显示为空白。不太确定现在该做什么。下面是我的代码：import gym
import
浏览 17提问于2019-10-27得票数 0
1回答
from keras import layersmodel = models.Sequential()model.add(layers.Dense(512, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid')) 在阅读关于将图像分类为猫或狗的二进制分类问题的代码时</em
浏览 31提问于2020-06-20得票数 6
回答已采纳
1回答
我在同一任务上训练了几个模型，我正在尝试将它们组合在一起以获得更好的性能。有没有办法让我用Keras把他们的预测结合起来？假设我有以下模型，在ImageNet上进行了训练。import tensorflow as tf
mobileNet = tf.keras.
浏览 0提问于2021-01-22得票数 0
2回答
我正在努力理解keras模型是如何工作的。 当我们训练模型时，我们给出指标(如“准确性”)和损失函数(如交叉熵)作为参数。我想知道的是模型优化的目标是什么。拟合后，leant模型最大限度地提高了准确性？或者最大限度地减少损失？
浏览 30提问于2020-10-27得票数 0
1回答
a3c中的收敛问题
、、、
我在keras中构建了一个A3C实现，它使用以下引用：，我使用的是自定义环境，其中代理可以选择购买某些项目，根据其价格作为状态出售或交换。好的交易会得到积极的回报，坏的交易会得到负面的回报。我过去曾在DQN上测试过它，它成功地收敛，取得了很好的效果。但是当我在A3C中使用相同的环境时，它会导致模型一次又一次地选择相同的操作。我试着换了一些超级护理人员，但没有结果。
浏览 0提问于2018-06-21得票数 0
回答已采纳
2回答
我对Keras/Tensorflow字段有点陌生，目前正在尝试通过使用已有的教程模型来学习keras，然后尝试对它们进行修改。我使用并逐步修改的模型现在的准确度为95.2%，但我想尝试达到一个更高的精度。
问题：在我的PC上运行，大约需要24小时才能运行50个历次的训练和测试，批量大小为128个，图片为256x256。这意味着，对模型的
浏览 3提问于2020-12-31得票数 0
回答已采纳
我试图弄清楚为什么我的数据在申请早停和辍学时不合适，但是当我不使用早停或辍学时，拟合似乎是可以的.我正在使用的数据集：
模型参数:数据集有5个特性可供训练，目标是我选择了4层任意周期600 (太多了)的价格，因为我想测试早期停止优化器和损失，因为与SKLearns LinearRegression(MAE约为81 K)相比，它们似乎获得了最一致的结果。X_train, y_train, validation_data=(X_test, y_test), epochs=6
浏览 3提问于2022-06-10得票数 1
回答已采纳
3回答
我正在使用Python中的Keras为时间序列气候数据(在time t=T中预测值X)训练一个神经网络，并尝试在输入中添加一个(20%)的退出层，这似乎限制了过度拟合，并导致性能略有提高。但是，在我添加了一个新的、特别有用的特性(预测t=0时响应变量的值)之后，我发现通过删除退出层，性能得到了大幅提高。这对我来说是有意义的，因为
浏览 3提问于2017-09-21得票数 4
回答已采纳
这个这里的Keras文章/教程确实执行文本标准化，即从文本数据集中移除HTML元素、标点符号等，但是在向量化步骤之前明显缺乏任何词干或柠檬化。我有一些深入学习的经验，但我对NLP非常陌生，我只是从一个关于Udemy的不同教程上了解到，使用Stemmer或Lemmatizer都有助于降低词汇量，从而提高性能。我有点困惑，因为没有这一步在Keras的方式做事情。
这是我<em
浏览 0提问于2022-04-30得票数 0
由于该模型包含了辍学和batch_norm层，因此需要一个学习阶段来区分训练和测试。我观察到，当我设置keras.backend.learning_phase():1时，模型的训练/测试精度几乎不会超过10%。相反，如果没有设置学习阶段--即，提要字典被定义为：
feed_dict= {x:X_train[indices[start:end]], y:Y_train[indices[start:end]]}然后，如预期的那样
浏览 0提问于2018-03-07得票数 9
1回答
我想在数据集中使用带有迁移学习的EfficientNet。我的问题是，它似乎不会学习。首先，我从使用迁移学习和MobileNet的以下模型开始，它在上工作得很好])
然后，我从Mo
浏览 17提问于2021-05-20得票数 1
回答已采纳
1回答
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数据集上训练过的网络。
我研究过论文，但实际上没有发现任何东西，既不
浏览 0提问于2021-04-03得票数 0
回答已采纳
2回答
我最近一直在玩斯坦福大学()的汽车数据集。从一开始，我就遇到了一个过度适应的问题，所以决定：
每一步都让我向前一步。然而，我完成了50%的验证准确性(开始低于20%)，而99%的训练精
浏览 0提问于2018-02-04得票数 5
回答已采纳
1回答
随机森林分类器
、、、
我试着建立一个二项分布分类的随机森林分类器。有人能解释为什么每次我运行这个程序时，我的准确度分数都会变化吗？分数在68% - 74%之间。此外，我试图调整参数，但我无法获得超过74的准确性。我试着使用GridSearchCV，但我只成功地提高了3个百分点。
浏览 3提问于2017-09-10得票数 2
回答已采纳
1回答
我在tensorflow中有一个简单的模型，它被训练在MNIST数据集中的前1000幅图像上。根据我以前的经验，我使用的学习率约为0.001，但是为了使我的模型收敛，学习速度需要大大提高，至少要大于1。模型如下。mean_squared_error')model.fit(x_train, y_train, batch_s
浏览 6提问于2022-08-23得票数 -1
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
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
