我正在查看位于的Keras CNN示例，我看到输入数据具有随机混洗的正面和负面情绪训练样本。我想知道CNN是否对训练数据的排序敏感。
浏览 2提问于2019-12-19得票数 0
我想改变我们在Keras中混洗训练数据的方式。传统上，我们在每个时期对样本进行混洗，然后批量处理并拟合模型。现在我想先对样本进行批量处理，然后对这些“批次”进行混洗(每个批次中的所有样本都不能进行混洗)。原因是我根据标准(课程学习)订购了所有样本，我希望保留这样的顺序。你知道我该怎么做吗？
浏览 16提问于2020-07-19得票数 0
我正在使用TFrecords和keras拟合神经网络模型。我有一个相对较大的数据集，它是非常异构的。在模型的训练过程中，我已经使用了shuffle my dataset，如文档示例: (但无法将其全部混洗，因为它会占用太多内存)，我还将我的数据集分成多个小碎片，每个碎片大小相等。然而，我有理由认为这种“近似”的混洗是不够的，我还认为馈送已经混洗的数据将提高
浏览 2提问于2020-12-08得票数 1
1回答
在训练神经网络中混洗批量数据
、、、、
我有6.5 GB的训练数据要用于我的GRU网络。我打算将训练时间分开，即暂停和恢复训练，因为我使用的是笔记本电脑。我假设我需要几天的时间来训练我的神经网络，使用整个6.5 GB，所以，我将暂停训练，然后在其他时间再次恢复。
这是我的问题。如果我要打乱训练数据的批次，神经网络会记住哪些数据已经用于训练吗？
浏览 13提问于2017-07-31得票数 2
回答已采纳
我正在尝试使用STL-10数据集训练网络。现在我有一个形状张量(5000,96,96,3)
我想从这个张量中获得一个大小为32的批量，其中包含5000张图像的数据，这些批量将在每次迭代中随机混洗To iterate over this tensor use tf.map
浏览 4提问于2018-02-22得票数 1
输入通过编码层进行处理，然后在下一层中连接输出。输入是相互依赖的。事实上，第二个输入是对特定特征中第一个输入的补充。在这种情况下设置shuffle=True是个坏主意吗？
假设我关注的特性有一个True或False值。
浏览 0提问于2020-10-07得票数 1
我的理解是，对每个时期的训练样本进行混洗是一种很好的做法，这样每个小批量都包含整个数据集的一个很好的随机样本。如果我将整个数据集转换为包含TFRecords的单个文件，那么如何在加载整个数据集的情况下实现这种混洗呢？我的理解是，没有有效的随机访问TFRecord文件。
浏览 3提问于2016-02-27得票数 16
1回答
我有一个包含1000个例子的数据集，其中500个是正面的，500个是负面的。我正在用0.7的分割比率验证它们，然后把它们放在除了有两层25个节点之外的默认参数的rapidminers MP上。即使是糟糕的优化MP (就像在这个例子中)，我也应该至少得到一个积极的预测。
浏览 0提问于2014-06-20得票数 0
我使用tensorflow DataSet作为输入数据管道。我想知道如何在第一纪元没有数据混洗的情况下进行训练，并开始从第二纪元开始混洗数据。该图通常是在迭代训练开始之前构建的，在训练期间，如何更改DataSet混洗行为似乎并不简单，因为在我看来，它看起来有点像更改图。谢谢，哈里
浏览 2提问于2018-04-18得票数 0
我正在尝试训练一个神经网络来检测使用Tensorflow和Nvidia数字的隐写术图像。我加载了一个数据集，它有两个子目录- Cover Images和Steg Images。批量大小是如何工作的？如果我给1，它是否从两个子目录中获取一个图像并对其进行处理？或者我必须将批号输入为2？
每个时期的混洗数据是如何工作的？它是否均匀地洗牌两个子目录？例如，1.jpg是两个文件夹中的第三张照片，还是在两个文件夹中都是不同的？
浏览 7提问于2018-05-15得票数 0
在数据框中混洗一组行的最佳方法是什么？对于模型的混洗训练集，需要这个。
例如，每10行作为一个单独的组进行混洗，或者有一些逻辑条件来创建单独的组并将它们作为一个组进行混洗。
浏览 1提问于2018-08-10得票数 1
如果我定义(就像在这个tutorial中) from sklearn.model_selection import KFold
kf = KFold(n_splits=5, shuffle=False
浏览 160提问于2021-06-29得票数 0
假设一个人使用Keras制作了一个神经网络。训练权重是否取决于训练数据输入系统的顺序？可以先输入属于一个类别的数据，然后再输入属于另一个类别的数据，还是应该是随机的？
浏览 2提问于2017-08-03得票数 3
1回答
train_image_paths = [str(path) for path in list(train_path.glob('*/*.jpeg'))]上面是你可以看到的示例代码。train_dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train)).batch(64).shuffle(10000)
浏览 12提问于2020-02-05得票数 0
回答已采纳
在TensorFlow加载图像中 教程 ，作者在使用tf.data时似乎对数据进行了两次打乱： list_ds = tf.data.Dataset.list_files(str(data_dir/'*
浏览 58提问于2021-02-16得票数 0
回答已采纳
0回答
Tensorflow的新特性是，我使用神经网络对图像进行分类。我想把它全部洗牌，把它分成训练张量和测试张量(假设是80%-20%)。我没有找到一种方法来“压缩”我的张量，以便将每个图像与其标签相关联(以便以相同的方式对图像和标签进行混洗)。有可能吗？如果不是，我如何才能完成混洗/拆分工作？
谢谢你的帮助！
浏览 6提问于2017-06-12得票数 2
回答已采纳
现在，我有两个名为A和B的数据集(例如: MNIST)。我想把A和B混合在一起形成一个新的数据集。我想对这个新的数据集进行混洗。在训练期间，我需要确定批量样本是否属于A。如何确定？这两个问题是:1)如何混合两个数据集并对其进行打乱?2)如何确定新数据集中的样本是否属于原始数据集A？
浏览 0提问于2020-08-15得票数 0
1回答
以上是代理在gym环境LunarLanderContinuous-v2上运行时每100集的平均得分。橙色和蓝色线条是代理将过渡顺序馈送到策略梯度算法(例如，ppo)时的结果，而红线是代理在将收集的过渡馈送到算法之前对收集的过渡进行打乱时的结果。我不明白为什么简单地对数据进行混洗会产生如此大的不同。据我所知，神经网络假设输入数据是IID，因此DQN等算法会对数据(或重放缓冲区中的随机样本)进行混洗，以
浏览 15提问于2019-02-10得票数 0
我正在为MNIST数据集编写一个基于神经网络的分类器。我首先尝试使用周期和批处理的循环和索引手动加载数据。在一篇教程中，我看到有人使用torch.utils.data.DataLoader来完成这项任务，所以我更改了代码，改为使用DataLoader。这导致了学习过程中持续时间的重大差异。我总是在中央处理器(I7 8700k)和图形处理器(1080ti)上进行基准测试，数据存储在我的固态硬盘(970evo)上。我首先尝试比较使用和不使
浏览 83提问于2019-05-13得票数 1
1回答
将帧加载到3D CNN
、、、、
我有一个用Python语言编写的带有TFLearn的3D卷积神经网络。为此，我编写了一个算法，每个视频提取40帧，并生成一个文件夹，其中包含代表每个类的子文件夹，基本上是一个新的数据集。
我想说的是。将这些帧加载到此模型的最佳方法是什么？我应该使用40个示例(帧)的小批量方法，还是在3D CNN的情况下，输入层一次从数据集中获取40个图像并从中学习？我需要知道这个模型如何从40帧的集合中学习，一旦每个类子文件夹中每个视频都有40个图像，那么，详细地说，如果我在一个类中有
浏览 11提问于2018-05-03得票数 0
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
