在cifar 10数据集上训练cnn时，PC死机
可能是由于以下几个原因导致的：
- 硬件问题：PC死机可能是由于硬件故障引起的，例如过热、电源问题、内存故障等。建议检查硬件是否正常工作，确保电脑的散热良好，内存和电源稳定可靠。
- 软件问题：PC死机也可能是由于软件冲突、驱动程序问题或操作系统错误引起的。建议确保操作系统和驱动程序是最新版本，并且没有冲突。可以尝试重新安装相关软件或驱动程序，或者进行系统修复。
- 训练过程中的资源耗尽：训练深度神经网络需要大量的计算资源和内存。如果PC配置较低，可能会导致资源耗尽而导致死机。建议使用更高配置的PC或者使用云计算平台来进行训练，以确保有足够的资源支持。
- 代码或参数问题：训练过程中的代码错误或者不合适的参数设置也可能导致PC死机。建议检查代码是否正确、参数是否合理，并进行适当的调整和优化。
对于解决PC死机问题，可以尝试以下方法：
- 检查硬件：确保电脑的硬件正常工作，包括散热、内存、电源等方面。
- 更新软件和驱动程序：确保操作系统和相关驱动程序是最新版本，并且没有冲突。
- 调整训练参数：根据PC的配置和资源情况，适当调整训练参数，例如批量大小、学习率等，以减少资源占用。
- 使用云计算平台：考虑使用云计算平台进行训练，以获得更高的计算资源和稳定性。
- 优化代码：检查代码是否存在错误或低效的部分，并进行优化，以减少资源占用和提高训练效率。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云计算产品：https://cloud.tencent.com/product
- 腾讯云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云弹性伸缩（Auto Scaling）：https://cloud.tencent.com/product/as
- 腾讯云容器服务（TKE）：https://cloud.tencent.com/product/tke
- 腾讯云人工智能平台（AI Lab）：https://cloud.tencent.com/product/ai
- 腾讯云数据库（TencentDB）：https://cloud.tencent.com/product/cdb
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务（Tencent Blockchain）：https://cloud.tencent.com/product/tbc
相关·内容
我在PC上运行cifar10网络，完成训练并运行eval脚本后，出现以下错误：
2016-06-01 14:37:14.238317: precision @ 1 = 0.000
Traceback (most recent call last):
File "<ipython-input-1-adf2ca85bb77>", line 1, in <module>
runfile('/home/kang/Documents/work_code_PC1/py_tensorflow_learning/cifar10CNN_test/ci
浏览 2提问于2016-06-01得票数 12
回答已采纳
为了进行优化，您将使用来自CIFAR-100数据集的“bus”和“tiger”类的数据。您的任务是了解如何对预先训练的CNN模型进行微调，使用训练数据(我认为每个类有500张图像)“bus”和“tiger”类对网络进行微调，并使用相同2个类的测试数据(每个类100张图像)验证准确性。可以在预先训练的模型的所选层上执行微调。当您微调最后一层、最后两层、最后三层、最后四层和所有五层时，需要记录测试精度
我的第一个问题是如何只使用cifar100中的总线和老虎来训练模型？第二个问题是如何微调最后一层，最后两层等。
我正在进行CIFAR10的预训，然后想在公交车和老虎上使用，从cifar100到fin
浏览 3提问于2019-11-14得票数 2
1回答
最近，我一直在玩MATLAB的RCNN深度学习示例。在这个例子中，MATLAB设计了一个基本的15层CNN，输入大小为32x32。他们使用CIFAR10数据集预先训练这个CNN。CIFAR10数据集也有32x32大小的训练图像。后来，他们使用一个小数据集的停止标志微调这个CNN，以检测停止标志。这个小的停车标志数据集只有41张图像，所以他们用这41张图片来微调CNN，也就是训练RCNN网络。他们就是这样发现停车标志的：
正如你所看到的，除了顶部的一小部分外，包围框几乎覆盖了整个停车标志。在使用代码时，我决定用PASCAL数据集对CIFAR10数据集进行预先训练的相同网络的微调，但只对“飞机”
浏览 0提问于2017-04-18得票数 0
回答已采纳
我写了一段代码，在CIFAR10或FMNIST上训练和评估CNN模型。cifar可以工作，但是当尝试在fmnist上使用我的函数时，我得到了错误: RuntimeError:给定的groups=1，大小为32，3，3，3的权重，期望input4，1，28，28有3个通道，但得到1个通道 你能猜出问题出在哪里吗？我不知道该怎么做才能修复它。我知道维度或输入数据的方式有一些问题。提前感谢！
浏览 75提问于2021-06-14得票数 0
1回答
我试图使用cifar10数据集运行深度学习模型。当在系统上安装keras并尝试使用数据集时，keras将其下载一次：
~/.keras/datasets/
我这么说是因为我可以在这个目录中看到：
$ ls
cifar-10-batches-py cifar-10-batches-py.tar.gz cifar-100-python cifar-100-python.tar.gz mnist.pkl.gz
但是，当我在码头容器中安装keras时，~/.keras不存在。我确信它被保存在某个地方，因为我可以在以后通过带有bash的容器(使用docker ru
浏览 3提问于2017-01-26得票数 6
我正在学习TensorFlow，在Ubuntu16.04上运行r0.10版本。我正在上工作，并在这个例子中训练了CNN。本教程的图像数据存储在哪里？
数据路径在这一行的cifar10.py中定义：
tf.app.flags.DEFINE_string(' data _dir'，'/tmp/cifar10_data'，“”到CIFAR-10数据目录的路径“”)
但是，我对为什么找不到这个目录感到困惑。我尝试手动搜索它，并查看它的所有示例目录。
浏览 2提问于2016-11-30得票数 0
我目前正在通过使用cifar10图像来训练CNN模型(50000用于培训，另10000用于验证)。
我绘制了训练损失、验证损失和训练迭代的准确性：
📷
我不确定什么时候该停止训练，应该在1250迭代前后停止训练吗？还是应该在迭代5000左右停止，因为我可以获得最大的验证精度？
为什么被覆盖的模型可以有一个更高的验证精度？
浏览 0提问于2019-06-15得票数 5
回答已采纳
1回答
我对深造领域很陌生。我已经开始学习训练不同的数据集(如Fashion_mnist、CIFAR10等)。使用不同的NN或CNN模型。我很难理解数据预处理步骤。例如，在加载数据集并分割成训练和测试数据后，有时使用ImageDataProcessor进一步处理数据集，有时直接在model.fit中使用数据集。标记的数据有时用OneHotEncoder处理，有时用to_categorical处理。是否有一个模板，可以参考某一特定类型的数据集与某些特定的CNN模型，或有一些书籍(章节)或参考资料，初学者可以反复参考，以获得更多的理解和实践。
我感谢所有能在这里指导我的专家:)
浏览 12提问于2022-08-06得票数 0
我有一个用于训练CNN的数据生成器，工作正常。现在我想通过遵循cifar10_multi_gpu_train.py来加快在2个GPU(在1台pc上)上的训练速度。()
问题：
1)如何将数据生成器转换为队列？数据项：(图像文件目录，输出)。整个数据集:数据项的列表。批量数据集:部分整体数据集。如何将其放入张量中，如下所示：
batch_queue = tf.contrib.slim.prefetch_queue.prefetch_queue(
[images, labels], capacity=2 * FLAGS.num_gpus)
2)队列的内容是什么？
1.a)队列取
浏览 0提问于2017-08-03得票数 0
我想为cifar10数据集训练CNN，但是在检查输入时出现了这个错误:期望conv2d_10_input具有形状(3，32，32)，但是得到了与形状(32，32，3)相同的数组。
历元= 10 batch_size = 32
model.fit(X_train，Y_train，validation_data=(X_test，Y_test)，epochs=epochs，batch_size=batch_size，详细= 1)
浏览 0提问于2019-07-23得票数 3
回答已采纳
在对CIFAR10进行PyTorch分类时，通常有50,000个训练样本和10,000个测试样本。但是，如果我需要创建一个验证集，我可以将训练集分成40000个训练样本和10000个验证样本。我使用了以下代码
train_transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))])
test_transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.
浏览 2提问于2019-11-04得票数 2
回答已采纳
我想在tensorflow的cifar10上为resnet找到一个培训脚本。我已经在估计器和苗条中检查了代码。但两者都不适合我的项目。
我需要以下几点：
一个很好的训练脚本，可以达到93%的准确率。我发现在cifar10上的resnet在估计器上的训练脚本是好的。关键是学习速度。但是估计API是固定的。
我需要修改模型架构，替换模型中的一些操作。
控制输入数据，以便我可以用其他数据集(如SVHN )替换cifar10。
在训练结束后，我需要分析训练和测试集中每个输入图像的输出逻辑。
在我的电脑上测试一个新脚本需要几天时间。我不想从头开始写剧本。对我来说太贵了。有人能帮我
浏览 1提问于2019-02-06得票数 0
我刚接触使用Python和Tensorflow的NNs，我正在尝试为我的CNN创建输入。我有一个CIFAR10数据集，一个50000x3072的Python列表(一个包含50000个列表的3072个元素的列表)，用于训练图像，并且我没有使用来自keras的CIFAR10数据集。CNN与用于基本TF示例的相同：每3072个元素列表具有以下组织:前1024个元素用于第一个颜色通道，第二个1024个元素用于第二个颜色通道，依此类推。我想用一个numpy数组来组织这个列表，方法与keras中使用的方法相同(一个32行的np数组，每个包含32个np数组的三维列表(每个像素3个颜色通道))。
我试着使用重
浏览 12提问于2020-03-13得票数 2
回答已采纳
在卷积神经网络中使用cifar10、cifar100等基准图像数据集是一种标准的做法，我想知道是否可以在两种不同的数据集上同时使用cifar10、cifar100来进行训练。因为在两个不同的基准测试数据集上运行完全相同的模型是很耗时的。我不知道如何在煤角角实现这一目标。
我认为我们可以并行运行代码，并将训练模型输出封装在一个字典中，然后在一个图中绘制准确性/丢失图。我尝试了几种不同的方法来实现这一点，我总是被cifar10和cifar100的并行运行所困扰。我用nivdia GPU进行实验，但不一定要运行CNN并行的两个不同的数据集？有什么方法可以让这件事在tensorflow/keras中轻
浏览 8提问于2020-08-08得票数 1
回答已采纳
在我的实验中，我想用cifar10在imagenet上训练卷积神经网络，我使用了ResNet50。因为cifar10是32x32x3，而ResNet50使用224x224x3。为此，我需要调整输入图像的大小，以便在imagenet上训练CNN。然而，我随后尝试在imagenet上培训简单的CNN：
我目前的尝试
请参阅
base_model = ResNet50(weights='imagenet', include_top=False, input_shape=(224, 224, 3))
x = Conv2D(32, (3, 3))(base_model.output)
x
浏览 2提问于2020-08-18得票数 3
我试着用GridLSTM和MLP/CNN训练图像。
因此，基本上，我想尝试的是输入一个图像到一个GridLSTM，然后把它的输出和输入到MLP/CNN作为下一层。
例如：
2-D image -> GridLSTM -> MLP or CNN -> GridLSTM -> MLP or CNN -> Output
我试着运行GridLSTM的示例代码和Cifar10上的教程(用于CNN)。
但这两个例子的输入和输出都是不同类型的( GridLSTM列表和CNN张量)。
我想知道是否有可能把GridLSTM和MLP/CNN放在一起。
浏览 2提问于2016-09-22得票数 1
回答已采纳
1回答
我正在试着用我自己的数据训练一个有线电视新闻网，使用网络层。但是，当我运行这个命令时：
roishik@roishik-System-Product-Name:~/Desktop/caffe/caffe$ /home/roishik/Desktop/caffe/caffe/build/tools/caffe train --solver /home/roishik/Desktop/Thesis/Code/cafe_cnn/first/caffe_models/cifar_10_fast/cifar10_quick_solver.prototxt 2>&1 | tee /home/
浏览 5提问于2016-07-27得票数 0
回答已采纳
我正在尝试使用cifar-10 cnn模型训练我自己的图像数据，调试信息如下。
调试位置为：
# Create a queue that produces the filenames to read.
filename_queue = tf.train.string_input_producer(filenames)
# Read examples from files in the filename queue.
read_input = read_cifar10(filename_queue)
reshaped_image = tf.cast(read_inp
浏览 2提问于2016-08-30得票数 0
1回答
使用卷积神经网络对CIFAR-10数据集进行分类。我不能理解： 1)在何处提取CIFAR-10数据集文件2)如何使用pickle框架加载批次3)将数据集拆分为训练数据和测试数据 请帮助编写代码，在jupyter笔记本上使用python 3.6。 我试过了，但似乎什么都不起作用。可能是因为我在错误的位置保存了CIFAR-10文件。 def unpickle(file):
import pickle
with open(file, 'rb') as fo:
dict = pickle.load(fo, encoding='bytes'
浏览 23提问于2019-04-02得票数 0
2回答
如何创建Cifar-10子集？
、、、、
我想用更少的训练数据样本来训练深度神经网络，以减少测试代码的时间。我想知道如何使用Keras TensorFlow.I设置Cifar-10数据集的子集。我有以下代码，用于训练Cifar-10完整数据集。
#load and prepare data
if WhichDataSet == 'CIFAR10':
(x_train, y_train), (x_test, y_test) = tensorflow.keras.datasets.cifar10.load_data()
else:
(x_train, y_train), (x_test, y_test) =
浏览 0提问于2020-06-24得票数 0
我尝试在Python中使用CNN进行图像分类。现在我有一个关于如何加载数据集的问题。 我有一个包含两个目录的数据集:一个目录包含50,000个用于训练图像的jpg文件(ID在0-49,999之间)，另一个目录包含10,000个用于测试的jpg文件( ID在0-9,999之间)。还有一个训练标签CSV文件。这是一个包含两列的CSV文件。第一列指示样本id，第二列指示样本的标签。标签介于0和9之间。我知道图片和标签之间的映射关系。 如何在Python中导入数据集？ 我尝试使用CIFAR-10数据集的代码来加载我的数据集，我的代码如下： # example of loading the cifar
浏览 90提问于2021-09-29得票数 1
3回答
下面的图像显示了在CIFAR小图像数据集上训练一个简单的深层CNN(卷积神经网络)的部分代码。我已经导入，导入keras.utils (红色高亮显示)
但是，我仍然得到以下错误：
浏览 0提问于2018-07-04得票数 3
回答已采纳
1回答
我正在尝试拆分CIFAR10的训练数据，所以最后5000的训练集用于验证。我的代码
size = len(CIFAR10_training)
dataset_indices = list(range(size))
val_index = int(np.floor(0.9 * size))
train_idx, val_idx = dataset_indices[:val_index], dataset_indices[val_index:]
train_sampler = SubsetRandomSampler(train_idx)
val_sampler = SubsetRandomSamp
浏览 4提问于2020-10-15得票数 0
回答已采纳
将CNN用于cifar10数据集的TensorFlow教程有以下建议：
练习:在实验时，第一个训练步骤可能需要这么长的时间，这有时是令人恼火的。尝试减少最初填满队列的图像数量。在cifa10.py中搜索NUM_EXAMPLES_PER_EPOCH_FOR_TRAIN。
为了使用它，我试着将这个数字减少了很多，但这似乎并没有改变训练时间。有什么我能做的吗？我甚至试着将其更改为低至5的值，但训练过程仍然非常缓慢。任何帮助都将不胜感激！
浏览 0提问于2016-07-12得票数 1
1回答
带有Keras的CNN模型精度差
、、、、
我需要建议。当只使用CIFAR10数据集的子集(仅使用10000个数据，每个类使用1000个数据)时，我在用Keras构建CNN模型时得到了非常差的结果(10%的准确率)。怎样才能提高准确度？我试图改变/增加时代，但结果还是一样的。这是我的CNN架构：
cnn = models.Sequential()
cnn.add(layers.Conv2D(25, (3, 3), input_shape=(32, 32, 3)))
cnn.add(layers.MaxPooling2D((2, 2)))
cnn.add(layers.Activation('relu'))
cnn.add
浏览 0提问于2020-10-25得票数 1
回答已采纳
1回答
我试着训练一个关于"Cifar10“数据集的CNN。我进口它，当我检查它的形状：
cifar10 = tf.keras.datasets.cifar10
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
y_train, y_test = y_train.flatten(), y_test.flatten()
print("x_train.shape:", x_train.shape)
print(
浏览 1提问于2020-05-05得票数 0
回答已采纳
我已经从CIFAR10加载了我的训练和验证集，如下所示：
train = tfds.load('cifar10', split='train[:90%]', shuffle_files=True)
validation = tfds.load('cifar10', split='train[-10%:]', shuffle_files=True)
我已经为我的CNN创建了架构
model = ...
现在我正尝试使用model.fit()来训练我的模型，但是我不知道如何从我的对象中分离出“图像”和“标签”。训练和验证如下所示：
p
浏览 1提问于2021-02-14得票数 0
1回答
我正在尝试实现基本的基于softmax的投票，我使用了几个经过预先训练的CNN，softmax它们的输出，把它们加在一起，然后使用argmax作为最终输出。
所以我从vgg11，vgg13，vgg16，vgg19上加载了4种不同的预先训练的CNN，它们都是在CIFAR10上训练的--我没有训练它们。
用DataLoader对测试集进行batch_size=128/256迭代，准确率可达94%；
当我用batch_size=1迭代测试集时，我的准确率达到了69%。
怎么可能是？
这是代码：
import torch
from tqdm import tqdm
from t
浏览 2提问于2021-08-19得票数 0
回答已采纳
1回答
CNN模型精度
、、
我已经在CIFAR 10上训练了我的CNN模型，我得到了87%的val_accuracy，这不是一个低值，但当涉及到检测图片时，我的模型发现了大多数图片错误。任何人都知道为什么会发生这种情况，以及如何解决这个问题。
浏览 0提问于2021-05-04得票数 0
场景:我一直在为cifar10数据集训练CNN。我使用的是tensorflow，还有一个CNN，它有12个conv层和1个密集层，在softmax稠密层之前。我正在使用数据增强以及批处理规范化。
在几百个历次之后，我对验证集的准确率最高达到92.73 %。
我的问题是：
验证损失略有上升，因为我训练更多。
当验证损失增加时，验证的准确性也会上升。
示例：
一个时代给了我0.295的损失，验证的准确率为90.5%。我的最佳验证时间精度为92.73%，验证损失为0.33。
问题：
为什么我的验证精度提高，而我的验证损失却在上升？
我应该使用与cross_entropy不同的损失度量吗？
浏览 0提问于2020-01-23得票数 3
回答已采纳
1回答
我需要一些专家的建议。在我的项目工作中，我一直在学习Generative Adversarial Network。
我正在尝试制作一个classifier (比如CNN)来训练原始的CIFAR-10数据集，然后对性能进行评估。
然后，使用GAN生成更多的类数据，对模型进行再训练，并对模型性能进行比较。
但我不知道这项工作是否可行。工作会有多复杂，我也想知道这个想法作为一个项目是否可以接受？
浏览 0提问于2019-06-21得票数 2
回答已采纳
我试图在预先训练好的CNN (Densenet，VGG和Resnet)和CIFAR10数据的基础上，模仿gpflow文档中的ex2函数，用GP训练一个混合模型。但检验结果总是在0.1~0.2之间，这通常意味着随机猜测(Wilson+2016论文显示，CIFAR10数据的混合模型的精度应为0.7)。谁能给我一个提示，可能是哪里出了问题？ 我已经用更简单的cnn模型(2个卷积层或4个卷积层)尝试了相同的代码，都有合理的结果。我尝试过使用不同的Keras应用程序: Densenet121、VGG16、ResNet50，都不起作用。我已经尝试冻结预训练模型中的权重，但仍然不起作用。 def cnn_
浏览 39提问于2019-06-26得票数 0
我有CIFAR-10数据集的CNN架构，如下所示：
卷积: 64，64，池完全连接层: 256,256，10批大小: 60优化器: Adam(2e-4)损失:绝对交叉熵
当我训练这个模型的时候，训练和测试的准确性以及损失都有一个非常紧张的行为，不能很好的收敛。
定义的架构正确吗？在每个卷积层之后，我应该有一个最大池层吗？
Conv-2架构是以下文件的一种尝试实现。
下表摘自彩票假说：Jonathan，Michael
📷
谢谢!
浏览 0提问于2020-02-17得票数 0
我安装了pylearn2，我想使用Pylearn2来训练模型。参考资料：
但是我只是运行步骤1:创建数据集，从grbm_smd目录运行命令$python make_dataset.py，我得到了错误：
$ python make_dataset.py
加载文件/Users/k11067kk/pylearn2_data/cifar10/cifar-10-batches-py/data_batch_1
回溯(最近一次调用)：
文件"make_dataset.py"，第27行，在
train = cifar10.CIFAR10(which_set="train")
文
浏览 2提问于2014-12-11得票数 1
我目前正在学习教程，介绍如何使用TensorFlow来训练CNN，并使用它对基于CIFAR-10数据集的图像进行分类。当运行评估脚本cifar10_eval.py时，输出是模型相对于测试集的精确程度的评定。相反，我希望看到测试数据上每个类别的模型分类的输出。计算和存储日志的方式是：
# Build a graph that computes the logits predictions from the
# inference model.
logits = cifar10.inference(images)
运行这一行之后，我通过以下步骤编辑了脚本，以显示“logit”变量的类型、它的形
浏览 0提问于2018-07-02得票数 0
回答已采纳
给出了一个经过预先训练的ResNet152，尝试使用一些常用的数据集(使用PyTorch)来计算预测结果，而第一个想到的RGB数据集是CIFAR10。问题是，CIFAR10数据是3x32x32，ResNet期望3x224x224。我使用已知的transforms方法调整了数据的大小
preprocess = transforms.Compose([
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
t
浏览 7提问于2022-04-21得票数 0
回答已采纳
假设，我想用Tensorflow或Keras.Now中的CIFAR-10或CIFAR-100数据集从头开始训练标准AlexNet、VGG-16或MobileNet。问题是，标准AlexNet、VGG-16或MobileNet的体系结构是为ImageNet数据集构建的，其中每幅图像是224*224，但在CIFAR-10或CIFAR-100数据集中，每幅图像是32*32。那么，我应该做以下哪种操作？？
将CIFAR-10或CIFAR-100数据集中每个图像从32*32调整为224*224，然后在修改后的图像数据集上训练标准AlexNet、MobileNet或VGG-16。
或
更改标准Mobile
浏览 125提问于2019-06-18得票数 0
回答已采纳
3回答
我的团队正在使用Tensorflow对CNN进行训练，以便对损坏/可接受的零件进行二进制分类。我们通过修改cifar10示例代码来创建代码。在我以前使用神经网络的经验中，我总是训练到损失非常接近于0(远低于1)。然而，我们现在正在评估我们的模型在训练期间使用验证集(在单独的GPU上)，似乎精度在大约6.7k步长后停止增加，而损失在超过40k步长后仍在稳步下降。这是由于过度拟合造成的吗？一旦损失非常接近于零，我们是否应该期望看到准确率的另一个峰值？当前的最大精度是不可接受的。我们应该杀了它，然后继续调优吗？你有什么建议吗？以下是我们修改后的训练过程的代码和图表。
浏览 2提问于2017-04-19得票数 29
我是Tensorflow的新用户。我想用它来训练一个有2M张图像的数据集。我在caffe中使用lmdb文件格式做了这个实验。
在阅读了Tensorflow的相关文章后，我意识到TFRecord是最适合这样做的文件格式。因此，我正在寻找使用TFRecord数据的完整CNN示例。我注意到与图像相关的教程( 和中的mnist和cifar10 )提供了一种不同的二进制文件格式，其中一次性加载整个数据集。因此，我想知道是否有人知道这些教程(mnist和cifar10)是否可以使用TFRecord数据(用于中央处理器和图形处理器)。
浏览 0提问于2016-10-03得票数 3
我是咖啡馆的新手。谢谢你们！
在中
我看到1个未注释的枚举变量阶段。它有两个选项:训练和测试。
enum Phase {
TRAIN = 0;
TEST = 1;
}
它们是如何工作的？我最近看到一个模型也有这两个阶段。.prototxt文件如下所示：
name: "CIFAR10_full"
layer {
name: "cifar"
type: "Data"
top: "data"
top: "label"
data_param {
source: "CIFAR-
浏览 51提问于2016-06-06得票数 3
回答已采纳
这行代码取自keras网站上的CIFAR-10 CNN示例。https://keras.io/examples/cifar10_cnn/ 数据集由以下部分组成 model.add(Conv2D(32, (3, 3), padding='same',
input_shape=x_train.shape[1:])) (后面的32是什么意思?默认步长是多少？
浏览 5提问于2019-06-16得票数 0
回答已采纳
我对这个方法有问题，它应该同时返回训练数据集和验证数据集，并检查它以返回与CIFAR10中每个类的第一次出现相对应的索引。 这是代码：def get_cifar10_dataset(): """应该创建CIFAR10网络，并在每个新类首次出现时识别数据集索引 :return: tuple of training and validation dataset as well as label indices
:rtype: (gluon.data.Dataset, 'dict_values' object is not subscriptable, gl
浏览 30提问于2020-06-21得票数 0
我在tensorflow的Cifar-10上训练了一个简单的CNN模型，并使用了假量化()。然后我使用toco生成了一个.tflite文件。现在，我想使用python解释器来测试tflite模型。
由于我在训练过程中用tf.image.per_image_standardization减去均值和除以方差。我需要对测试数据做同样的事情，对吗？但是，问题是，我的模型已经被tflite完全量化了，而且它只接受uint8数据作为输入。为了实现图像标准化，我需要将我的图像转换为float32。那么，我如何将其转换回uint8，或者在这种情况下，图像标准化甚至对测试数据是必要的呢？谢谢。
浏览 3提问于2018-10-27得票数 4
回答已采纳
1回答
当我试图解选cifar-10数据集时，我得到了以下错误。我需要训练一个模型，但我甚至无法获得用于我的操作的数据。我如何解决这个问题？
dict=cPickle.load(fo)
UnpicklingError:无效的加载键'\x06‘。
import tensorflow as tf
import os
import numpy as np
import dataset_class
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import glob
from PIL import Image
from scipy
浏览 0提问于2018-04-12得票数 1
我正在训练一个三维CT扫描分类模型(图像中是否有结节)。
我使用一个三维CNN，我得到了以下曲线；
📷
(蓝色曲线是验证数据(数据集的10%))
正如您所看到的，我在验证损失(val的交叉熵高达0.16 )和度量(val的分类精度)(val高达1.0 )上都取得了很好的结果，但在训练数据上没有。
由于我的数据集非常小(120个样本)，所以我在训练数据和几个退出层上使用了网格变形，所以它可以解释训练集上的较低的结果。
不过，我不知道我是否能接受这种结果？
浏览 0提问于2020-07-17得票数 1
1回答
我正在编写一个神经网络，在CIFAR-10数据集上训练Resnet .论文提到了大约60000个时代的培训。
我在想，在这种情况下，时代究竟是指什么？这是一次通过一个小批的128号大小(这意味着大约150个通过整个50000图像训练集？
此外，这需要多长时间来训练(假设CPU仅为20层或32层ResNet)？按照上面对一个时代的定义，似乎需要很长的时间.
我期待的东西大约2-3个小时，这相当于大约10个通过50000图像训练集。
浏览 0提问于2018-09-02得票数 1
回答已采纳
我有一个用于CIFAR-10的 CNN，其中我正在使用基于Python3、TensorFlow2.0的数据增强，如下所示：
# Example of using 'tf.keras.preprocessing.image import ImageDataGenerator class's - flow(x, y)':
datagen = ImageDataGenerator(
# featurewise_center=True,
# featurewise_std_normalization=True,
rotation_range = 90,
浏览 8提问于2020-07-24得票数 0
1回答
我已经创建了一个DCGAN，并且已经为CIFAR-10数据集进行了培训.现在，我想把它训练成自定义数据集。
我已经收集了大约1200张图片，这实际上是不可能收集更多。我该怎么办？
浏览 3提问于2018-02-03得票数 5
回答已采纳
1回答
我想更改数据集CIFAR-10的一些标签。这意味着，我想用这个数据集中的一些错误标签来训练我的网络。
更改数据集标签后，我需要以下格式：
dataset_cifar_with_some_wrongs_labels = (amount of pictures, label, image)
image.shape=(32,32,3)
我知道我可以这样下载它：
有人知道我该怎么做吗？
浏览 2提问于2021-06-14得票数 0
我正试图通过使用ResNet、TensorFlow2和CIFAR-10数据集来编写基于的Python3 CNN体系结构。您可以访问木星笔记本。
在使用"model.fit()“对模型进行培训期间，经过一段时间的培训，我得到以下错误：
ValueError:输入0与层模型不兼容:期望shape=(无，32，32，3)，找到shape=(32，32，3)
训练图像是使用batch_size =128批处理的，因此训练循环给出了TF Conv2D期望的四维张量- (128，32，32，3)。
这个错误的来源是什么？
浏览 3提问于2021-03-05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
