我试着按照视频中的解释来实现AlexNet。如果我实现错了，请原谅，这是我在keras中实现它的代码。target_size=input_size, Kerasoptimizer = 'adam', loss = 'categorica
浏览 4提问于2018-07-18得票数 0
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将CIFAR-10或CIFAR-100数据集中每个图像从32*32调整
浏览 125提问于2019-06-18得票数 0
回答已采纳
1回答
我目前正致力于在Keras中实现AlexNet。最近，我在这个上遇到了一个实现，它是AlexNet体系结构相当干净的实现。但是我觉得这个上的可用代码中有一些bug。如果我以某种方式知道了打印变量尺寸的方法，那么我就能够理解和解决这个错误。我尝试了print函数并将其写入文件，但它们似乎都不起作用。有谁知道我们能做些什么才能从Keras库中从这样的
浏览 3提问于2017-04-14得票数 1
回答已采纳
我一直在遵循Gulli和Pal在“用Keras进行深度学习”一书中给出的例子。在第三章“使用数据增强提高CIFAR-10的性能”中，我无法复制其声明的约0.78的测试精度。事实上，我得到了这个：390/390 [==============================] - 946s 2s/step - loss: 1.2
浏览 11提问于2018-02-24得票数 0
我是深度学习和PyTorch的新手。我在cifar10上的火炬视觉模块中使用resnet-50模型.我从火炬视觉导入了CIFAR-10数据集。测试的准确性很低，我试过配置分类层，但精度没有变化。我的密码有什么问题吗？我在计算准确度时犯了错误吗？(testloader))
accuracy=max(accuracy)
print
浏览 2提问于2020-05-19得票数 0
回答已采纳
5回答
(128, activation='relu'),])
经过10个历次，该模型的精度达到91%。我现在正在使用另一个名为CIFAR-10的数据集，它包含50,000，32*32像素的RGB图像，也分为10个类(青蛙、马、船等)。考虑到时尚MNIST和CIFAR-10数据集在图像数量和图像大小上非常相似，而且它们的类数相同，我天真地尝试了一个类
浏览 0提问于2020-04-05得票数 4
回答已采纳
我已经搜索了一段时间，但似乎Keras只有经过训练后才具有量化特性。我希望在我的Keras序列模型中添加Tensorflow伪量化。根据Tensorflow的doc，我需要这两个函数来做假量化: tf.contrib.quantize.create_training_graph()和tf.contrib.quantize.create_eval_graph我的问题是，是否有人在Keras模型中添加了这两个函数？如果是，应在哪里增加这两个功能？例如，在m
浏览 2提问于2018-09-17得票数 2
回答已采纳
标号由2的1's和7的0's (例如0，1，0，0，0，1 0，0，0，0)组成。我用TensorFlow尝试了几种模型，但是不管模型有多复杂，精度都很低，精度在0.3左右。
我想知道Keras的准确性指标是否也适用于多标签分类。例如，如果y_pred的概率值为0.1、0.9、0.3、0.4、0.5、0.4、0.3、0.2、0.1，那么Keras是否从y_pred中选出前2种概率
浏览 4提问于2021-11-05得票数 2
回答已采纳
1回答
我正试图在Cifar-10数据集上使用keras实现ANN，但出于某种原因，我不知道我得到的只有10%的准确性？
我使用了5个隐层，分别为8,16,32,64,128个神经元。
浏览 1提问于2021-01-18得票数 0
回答已采纳
我在实施一个多等级分类问题，model.compile(optimizer="adam", loss=tf.keras.losses.SparseCategoricalCrossentropy(), metrics=["accuracy"])
当我使用损失作为"spa
浏览 6提问于2020-05-31得票数 0
回答已采纳
2回答
我遇到的问题是，在训练过程中，训练精度(以上一个训练样本的平均精度衡量)和训练损失都有所提高，而验证精度和损失保持不变。这仅在我使用inception和resnet模型时发生，如果我在相同的训练和验证数据上使用alexnet模型，则验证损失和准确性会提高代码的组织方式如下：我没有使用单独的eval脚
浏览 11提问于2017-08-04得票数 2
回答已采纳
1回答
我一直遵循来自的代码来训练一个能区分10个猴子物种的CNN。在训练阶段，我取得了不错的成绩，有三个时代：
Using TensorFlow backend.我试着把它指向培训和验证文件夹，但这两种结果在16%的时间里似乎都是正确的。为什么我的val_acc在训练中看起来很高，但是当我实际使用模型来做预测时，它的表现很差？它从目录中读取标签，并将其与我前面在脚本中创建的label列表进行比较。在运行带
浏览 0提问于2018-03-10得票数 1
回答已采纳
使用tf.keras.callbacks，我只能通过选择一个属性来监视一个最好的模型(通常是验证的准确性)，但是有时，我需要根据验证和训练准确性的比较来保存它。我该怎么做？tf.keras.history文件在每一个时代都记录模型的权重吗？如果是这样的话，我如何通过指定我想要的时代来从历史文件中保存我的模型？这是另一种可能的解决办法。这就是我遇到的情况:有时，我的验证精度<
浏览 1提问于2019-03-27得票数 2
回答已采纳
我得到了非常不一致的测试精度从我的模型，但不知道为什么。
我试图对一些TensorFlow/Keras的东西进行基准测试，发现我的结果是不可靠的。不是时间，而是模型的测试精度。在某些情况下，模型的测试精度为0.65，有时只达到0.35。相同的架构，相同的优化器，在相同的数据集上训练，
浏览 23提问于2022-05-31得票数 2
回答已采纳
1回答
以下两种模型/编译的行为不同： return keras.losses.binary_crossentropy(y_true, y_predcustom_loss, optimizer=optimizer, metrics=['accuracy'])optimizer = Adam(lr=5e-3)
model.compile(loss=keras.losses.binary_crossentropy
浏览 2提问于2019-04-18得票数 0
回答已采纳
因此，我决定尝试GoogleNet和Alexnet，但这些模型在6个时期都不能给我任何超过50%的准确率。我想知道GoogleNet和ImageNet是否是为1000个类别的输出而设计的，而不能在2个类别的输出上工作？
浏览 0提问于2019-07-14得票数 0
有没有人用CIFAR-10从头开始训练移动网络V1？你的最大准确度是多少？在经历了110个时代之后，我被困在了70%的地方。下面是我创建模型的方法。然而，我的训练准确率在99%以上。#create mobilenet layer
MobileNet_model = tf.keras.applications.MobileNet(include_top=False, weightsactivation=tf.nn.softmax,na
浏览 1提问于2018-09-06得票数 1
回答已采纳
我有一个从imagenet收集的小数据集(每个类有1000个训练数据)。我试着用alexnet模型训练它。但不知何故，准确度不能再高了(大约68%的最大值)。去除conv4层和conv5层，防止模型过度拟合，减少各层(conv和fc)神经元的数量。这是我的装置。
我做错什么事了吗，所以准确度很低？
浏览 3提问于2017-08-04得票数 0
2回答
我在Kaggle数据集上执行二进制分类，它的形状为(129880,22)，非常平衡。 return keras.Sequential([
浏览 6提问于2022-07-11得票数 1
回答已采纳
1回答
我最近开始使用深度学习和CNN，正如所引用的那样，它们试图自己从样本中提取最优的特征。我制作了一个模型来识别字符，其中训练集具有黑色背景的图像和白色的文字。然而，这种类型的模型无法识别白色背景上有黑底图案的图像(我尝试了自己的输入和上一组底片的底片)。train
浏览 0提问于2019-04-14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
