如何从kaggle在MNIST上训练的神经网络中获得正确的预测？
要从Kaggle在MNIST数据集上训练的神经网络中获得正确的预测结果，可以按照以下步骤进行：
- 导入必要的库和数据集：
- 使用Python的NumPy库导入MNIST数据集。
- 导入神经网络模型所需的库，如TensorFlow或PyTorch。
- 加载和预处理数据集：
- 加载MNIST数据集，并将其划分为训练集和测试集。
- 对数据进行标准化处理，将像素值缩放到0到1之间。
- 构建神经网络模型：
- 使用合适的深度学习框架构建神经网络模型，例如TensorFlow或PyTorch。
- 设置适当的模型架构，包括输入层、隐藏层和输出层的节点数量。
- 选择合适的激活函数和优化算法。
- 模型训练：
- 在训练集上训练神经网络模型，使用前向传播和反向传播算法进行参数更新。
- 设置合适的超参数，如学习率、批次大小和训练轮数。
- 监控训练过程中的损失函数变化，确保模型在训练集上逐步收敛。
- 模型评估和预测：
- 使用测试集评估模型的性能，计算准确率、精确率、召回率等指标。
- 利用模型进行预测，将测试集中的图像输入到训练好的神经网络中，并获得预测结果。
- 调整模型：
- 如果预测结果不理想，可以调整模型的超参数、模型架构或数据预处理方法，以改善模型性能。
- 可以尝试使用更复杂的神经网络结构，如卷积神经网络（CNN）或循环神经网络（RNN）。
腾讯云相关产品推荐：
- 深度学习平台：腾讯云AI智能优图（https://cloud.tencent.com/product/tci）
- 弹性计算服务：云服务器CVM（https://cloud.tencent.com/product/cvm）
- 机器学习平台：腾讯云AI机器学习（https://cloud.tencent.com/product/tiia）
- 对象存储服务：腾讯云对象存储COS（https://cloud.tencent.com/product/cos）
以上答案仅供参考，具体步骤和产品推荐可能会因不同的工具、库或云服务提供商而有所不同。
相关·内容
我是神经网络的新手，并为初学者介绍了MNIST示例。
我目前正尝试在Kaggle的另一个没有测试标签的数据集上使用这个例子。
如果我在没有相应标签的测试数据集上运行模型，因此无法像MNIST示例中那样计算准确性，我希望能够看到预测。有没有可能以某种方式访问观察值和它们的预测标签，并将它们打印出来？
浏览 0提问于2015-12-03得票数 3
回答已采纳
我现在正在学习卷积神经网络，并在kaggle数字识别器(MNIST)数据集上进行练习。在训练数据时，我注意到，尽管最初的准确率逐渐提高，但两者之间有一个巨大的跃升，即从0.8984到0.9814。
作为一个初学者，我想调查一下我的模型在这次跳跃中到底展示了什么。这是时代的图像：，我用黄色圈出了跳跃。提前感谢！
浏览 2提问于2020-09-26得票数 0
我一直在学习如何训练ANN来对MNIST号码进行分类的http://deeplearning.net/tutorial/教程。我现在在“卷积神经网络”一章。我想使用经过训练的网络上的单个例子(MNIST图像)，并得到预测。有办法吗？
我已经展望了教程和谷歌，但找不到任何东西。
谢谢您的任何帮助！
浏览 3提问于2015-08-20得票数 0
回答已采纳
1回答
我正在研究Kaggle公司的。
它有5门课--“商业”、“科技”、“政治”、“体育”、“娱乐”。
我已经训练了我的深度学习模型，并得到了测试集的结果。但我得到的结果是不同类别的概率列表。
如何从输出中获取实际的类(标签)？
我的神经网络架构是这样的-
浏览 2提问于2020-04-27得票数 0
回答已采纳
我已经在kaggle.I的MNIST数据集上训练了一个神经网络，我在让神经网络预测它正在接收的数字时遇到了麻烦。 我不知道如何尝试解决此问题。 ‘python import pandas as pd
from tensorflow import keras
import matplotlib.pyplot as plt
import numpy as np
mnist=pd.read_csv(r"C:\Users\Chandrasang\python projects\digit-recognizer\train.csv").val
浏览 16提问于2019-06-27得票数 1
回答已采纳
我刚刚完成了“TF层指南:为MNIST数据集构建卷积神经网络”的实现。训练模型运行成功，准确率达到97.3%。
但是，本教程没有提到如何使用这个新的训练模型来提供自己的图像和查看预测。有人知道如何使用训练模型的输出来进行预测吗？我看到在tmp/mnist_convnet_model$文件夹中，有一些输出文件，如.pbtxt、元文件和索引文件。但我找不到使用它们对我自己的图像进行预测的说明。
浏览 2提问于2017-05-13得票数 0
1回答
我刚刚从一个教程中做了一个MNIST分类器。它有一个层，没有隐藏层。它使用PyTorch的nn.CrossEntropyLoss作为损失函数。在训练结束后，我的损失是从2.25开始，然后下降到0.5。这个数字在口语化的意义上是什么意思？损失0.5是否意味着50%的时间是正确的？
浏览 0提问于2020-03-06得票数 1
回答已采纳
我必须在mnist数据集上训练GAN模型，我必须用我的另一个图像数据集来训练它。
(X_train, _), _ = keras.datasets.mnist.load_data()
如何对保存在文件路径中的图像进行相同处理？这是我正在编写的kaggle笔记本
浏览 7提问于2022-02-01得票数 0
回答已采纳
我使用tensorflow.examples.tutorials.mnist训练有5个隐藏层的nn。
这就是我训练神经网络的方法：
with tf.Session() as sess:
init.run()
for epoch in range(n_epochs):
for iteration in range(len(mnist.test.labels)//batch_size):
X_batch, y_batch = mnist.train.next_batch(batch_size)
sess.run(training_op, feed_dict=
浏览 5提问于2017-06-13得票数 3
回答已采纳
我想问问神经网络。
利用反向传播算法对神经网络进行了预测研究和编程。我的输入数据使用二进制格式。但是，我还是很困惑，因为我从专家那里得到了一些输入数据。我有一些用于培训的数据和用于测试的其余数据。我的训练和测试的准确性是100%。我认为100%的训练是可能的，但是100%的测试是奇怪的。
如果我从专家那里得到的数据，包括线性可分性，是否有可能？
如果数据是线性可分性的，是我的神经网络失败了还是我的神经网络工作是因为这种模式太容易了？
谢谢..
浏览 0提问于2016-06-18得票数 6
回答已采纳
2回答
我使用8层完全连接的神经网络(tensorflow)训练MNIST，得到了如下结果。我能知道为什么测试损失在20年代之后增加了吗？这是因为过度适应吗？这些是网络配置：
L1: 1600 neurons
L2: 800 neurons
L3: 400 neurons
L4: 200 neurons
L5: 100 neurons
L6: 60 neurons
L7: 30 neurons
L8: 10 neurons
Optimizer: Adam (learning_rate = 0.001)
activation function: Relu
batch size: 64
dropout r
浏览 1提问于2018-03-27得票数 0
回答已采纳
2回答
多标签分类神经网络，任意一个标签
、、、、
我试图建立一个神经网络，其中假设我有3个输出标签(A，B，C)。
现在我的数据包括两个标签可以是1的行，像A和B是1，C是0。现在我想训练我的神经网络，使它能够预测A或B。我不希望它被训练成A和B都有很高的概率(就像多标号问题)，我只想要其中的一个。
这样做的原因是，A和B中有1的行更像是不关心预测A或B都是正确的行。因此，我不希望神经网络在试图同时预测A和B的情况下找到极小值。
有可能像这样训练神经网络吗？
浏览 1提问于2018-04-12得票数 0
回答已采纳
我正在做以下Kaggle项目：https://www.kaggle.com/c/house-prices-advanced-regression-techniques。 我的问题是，如果测试数据中有分类值的选项，但训练数据中没有，反之亦然。例如，如果数据点a在训练数据中具有选项a、b，但在测试数据中具有选项a、b、c，反之亦然。谢谢你的帮忙! 我只想能够正确地训练和运行我的神经网络。
浏览 19提问于2019-05-03得票数 1
回答已采纳
2回答
我最近一直在研究机器学习和神经网络，目前正试图更好地了解培训过程对网络寿命的影响。
我目前的理解是，当给定训练集时，网络调整其偏差和权重变量的方式使程序更接近正确的答案，因为它处理数千个数据点，在每个点上学习和调整。文件讨论了MNIST数据集的例子，在该集合中，网络可以被训练以准确猜出最多97%的正确数字，其中数据集被标记为100%的正确。
但是，如果给出的数据集只有80%的准确性或50%的准确性，会发生什么呢？这是网络训练后所能达到的精度上限吗？是否有比给定的数据集更好的训练模式？
由于缺乏一个更好的例子，如果神经网络从初学者棋手那里学习，理论上它能被训练成特级大师吗？
浏览 0提问于2017-06-26得票数 0
回答已采纳
1回答
预测另一个模型的正确性概率的模型
、、、、
问题：
给出了一个具有1000类的图像分类神经网络，目的是建立另一个模型，输出神经网络对特定输入图像进行正确预测的概率。
Thoughts:
到目前为止，我的想法是：
创建一个卷积网络，并使用原始图像和标签对其进行训练，这表明第一个神经网络预测它是否正确。
创建一个完全连接的网络，并使用第一个NN的隐藏层/特性的输出来训练它，而不是原始图像，以及与以前一样的标签。
创建一个完全连接的网络，并使用第一个NN的softmax层的顶级输出和标签进行训练。
第一种方法得到了0.51的准确度，第二种0.58和最后一种0.79。
你能建议另一种方法(或者从上面修改一种方法)来达到更高的准确度吗？
浏览 0提问于2021-05-14得票数 1
回答已采纳
3回答
我用MNIST数据集(有50000个训练输入)训练了我的ANN，然后跑了起来。当我尝试MNIST dataset.But中包含的测试输入时，我得到了91-92%的准确率(这是很高的)如果我给我的绘画图像作为我训练的人工神经网络的输入，它无法识别数字。即使是最清晰的。然而，如果我从互联网上下载一个数字的图像，它识别的准确率很高。所以，我不明白为什么我的ANN So除了画图之外什么都能识别。(MNIST数据集包含在黑色背景上具有白色数字的图像。)
浏览 2提问于2018-07-09得票数 0
我正在输入MNIST数据集，以下列方式训练我的神经网络
indices = torch.arange(60000)
dataset = datasets.MNIST(root="dataset/", transform=transforms, download=True)
datasetsmall = data_utils.Subset(dataset, indices)
loader = DataLoader(datasetsmall, batch_size=batch_size, shuffle=True)
然而，由于训练需要很长的时间才能完成，所以我决定用MNIST数据集
浏览 2提问于2022-09-24得票数 0
回答已采纳
菜鸟到咖啡馆。
我正在尝试使用Caffe深度学习框架在MNIST数据集上使用经过训练的卷积神经网络。
跟着走。
成功采取的步骤：
./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh
./examples/mnist/train_lenet.sh
模型已训练并停止，并显示以下消息：
I1203 solver.cpp:133] Snapshotting solver state to lenet_iter_10000.solverstate
I1203 solver.cpp:78] Optimization Done.
现在，我不确
浏览 9提问于2017-06-14得票数 1
回答已采纳
我目前正在使用Keras在MNIST数据集上训练一个前馈神经网络。我正在使用以下格式加载数据集
(X_train, Y_train), (X_test, Y_test) = mnist.load_data()
但是我只想用数字0和4来训练我的模型，而不是全部。如何只选择2位数字？我是python的新手，知道如何过滤mnist数据集……
浏览 2提问于2018-07-06得票数 10
2回答
我正在使用带有mnist数据的TF.LEARN。我以0.96的精度训练了我的神经网络，但现在我不确定如何预测一个值。
这是我的代码..
#getting mnist data to a zip in the computer.
mnist.SOURCE_URL = 'https://web.archive.org/web/20160117040036/http://yann.lecun.com/exdb/mnist/'
trainX, trainY, testX, testY = mnist.load_data(one_hot=True)
# Define the neur
浏览 0提问于2017-04-03得票数 1
4回答
卷积神经网络训练
、、、、
我有一个关于卷积神经网络(CNN)训练的问题。
我已经成功地使用tensorflow训练了一个网络，它接受一个输入图像(1600像素)，并输出三个匹配它的类中的一个。
用训练好的类的变体测试网络得到了很好的结果。然而，当我给它一个不同的第四图像(不包含任何经过训练的3图像)时，它总是返回一个随机匹配到其中一个类。
我的问题是，我如何训练网络来分类图像不属于这三个训练图像中的任何一个？一个类似的例子，如果我针对mnist数据库训练一个网络，然后给它一个字符"A“或"B”。有没有一种方法可以区分输入不属于这两个类？
谢谢
浏览 6提问于2017-11-17得票数 0
我是 tensorflow的新手，我寻找了使用tensorflow实现多层感知器的例子，但我只在MNIST图像数据集上获得了示例，除了MNIST之外，还可以使用相同的优化和成本函数来建立神经网络模型，并对数字格式的数据( Means )进行训练，我可以使用tensorflow来训练自己的数据集。
有训练新数据集的例子吗？。
浏览 3提问于2018-01-17得票数 3
回答已采纳
我正在学习如何使用Keras创建卷积神经网络。我正在尝试获得MNIST数据集的高精度。
显然，categorical_crossentropy适用于2个以上的类，而binary_crossentropy适用于2个类。因为有10位数，所以我应该使用categorical_crossentropy。然而，在经过数十种模型的训练和测试后，binary_crossentropy的表现一直明显优于categorical_crossentropy。
在Kaggle上，我使用binary_crossentropy和10个时期获得了99+%精度。同时，我使用categorical_crossentropy无法
浏览 2提问于2016-12-26得票数 20
回答已采纳
2回答
我在ResNets上看了安德鲁·吴( Andrew )的视频，他提到“理论上，随着神经网络的深入，它只能在训练集上做得越来越好。”这是我对神经网络的理解，随着模型的发展，它将学习的参数会变得越来越复杂，对吗？直观地说，它应该能够识别/发现关于训练集的更详细的模式信息。我的理解正确吗？
那么，在实践中，为什么在神经网络中添加过多的层实际上会损害模型的性能？提前谢谢。
浏览 0提问于2019-09-01得票数 1
我目前正在Kaggle上将Tensorflow应用于泰坦尼克号的机器学习问题：
我的训练数据是891 *8 (891个数据点和8个特征)。目的是预测泰坦尼克号上的乘客是否生还。所以这是一个二进制分类问题。
我使用的是单层神经网络。这是我的成本函数：
cost = tf.reduce_mean( tf.nn.softmax_cross_entropy_with_logits(prediction,y))
这是我的优化器：
optimizer = tf.train.MomentumOptimizer(learning_rate=learning_rate, momentum=momentum).m
浏览 3提问于2016-08-10得票数 0
3回答
在第50页的“”一书中，作者正在对数据集执行线性回归，并得到：
training set score: 0.67
test set score: 0.66
然后他们说，他们“很可能不适应，而不是过度适应”。
但是，当使用TensorFlow的时，它们使用的是带有神经网络的MNIST时尚数据集，并得到：
training set score: 0.892
test set score: 0.876
然后，他们声明如下
“事实证明，测试数据集的准确性略低于训练数据集的准确性。训练精度和测试精度之间的差距是过度拟合的一个例子。过度拟合是指机器学习模型在新数据上的表现比他们的训练数据更糟糕。“
我相信
浏览 1提问于2018-07-29得票数 0
回答已采纳
1回答
存储和使用经过训练的神经网络
、、、、
我正在尝试开发一个神经网络来预测时间序列。
据我所知，我正在用训练集训练我的神经网络，并用测试集来验证它。
当我对我的结果感到满意的时候，我可以用我的神经网络来预测新的值，而神经网络本身基本上就是我用我的训练集调整的所有的权重。
这是正确的吗？
如果是这样的话，我应该只训练我的网络一次，然后使用我的网络(权重)来预测未来的值。您通常如何避免重新计算整个网络？我是否应该将所有的权重保存在一个数据库或其他什么地方，这样我就可以随时访问它，而不必再训练它了？
如果我的理解是正确的，我可以从在专用计算机(例如超级计算机)上进行大量计算中获益，然后在网络服务器、iPhone应用程序或诸如此类的东西上使用
浏览 4提问于2016-08-10得票数 7
1回答
手写数学运算符数据库
、、、
我正在寻找像MNIST (数字的手写数据库)这样的手写数学运算符数据库来开发一个使用神经网络的新应用程序。
目前，我在Kaggle上只找到了一个令人满意的来源，即从CROHME提取的45x45jpep图像。
有没有其他(更好的)数学符号的来源？
浏览 0提问于2017-03-19得票数 0
所以我是神经网络世界的新手，我已经对这个领域有了一点熟悉，并开始使用我自己的网络。
我正在使用意式宽面，我发现我的神经网络的训练花费了不可行的时间。也许我所看到的问题就是咬的太多，我只是不知道，因为我还不太熟悉这些东西是怎么回事。
我试着训练一个一维卷积神经网络，它有两个一维卷积层，两个最大汇聚层和两个完全连接的层。总之，神经网络有大约95,000个参数(权重+偏差)。我正在亚马逊的EC2 GPU实例上运行这个程序。我所发现的是在训练过程中，它需要0.3秒的时间。
相比之下，当我运行美国有线电视新闻网的拉萨涅MNIST的例子，它是大约0.0003秒/样本，1000倍的速度！平心而论，我的输入样
浏览 0提问于2015-10-06得票数 1
2回答
我目前正在尝试用卷积神经网络学习一次性学习。根据这个视频，我使用的CNN应该是在MNIST上预先训练过的.为什么CNN必须接受预先训练？
浏览 0提问于2018-08-16得票数 4
为了使用TensorFlow和Keras训练简单的GAN，导入Galaxy Zoo dataset的正确方法是什么？例如，有没有和导入MNIST一样简单的方法？ from keras.datasets import mnist
浏览 28提问于2020-11-19得票数 1
回答已采纳
1回答
我已经知道如何使用mnist数据集构建神经网络。我已经搜索了3个月关于如何在你自己的数据集上训练神经网络的教程，但我就是不明白。如果有人可以推荐任何好的教程或解释所有这些是如何工作的，请帮助。PS。我不会安装NLTK。似乎很多人都在文本上训练他们的神经网络，但我不会这么做。如果我要安装NLTK，我只会使用一次。
浏览 2提问于2017-04-02得票数 4
我正在尝试一种用于mnist数据集的CNN模型。经过训练，该模型的model.evaluate测试准确率达到99%。但是，当我试图预测一个图像的答案时，它总是在调用model.predict()时返回相同的数组。
规范数据：
train_images = mnist_train_images.reshape(mnist_train_images.shape[0], 28, 28, 1)
test_images = mnist_test_images.reshape(mnist_test_images.shape[0], 28, 28, 1)
input_shape = (28, 28, 1)
浏览 2提问于2020-07-19得票数 0
回答已采纳
2回答
我正在阅读关于人工神经网络的文章，据说人工神经网络用于训练数据训练后的预测。并给出了神经网络在分类中的应用。
假设我的数据包括输入as (\theta，sin(\theta))和输出as -1 (如果它位于正弦波的上半部分，则为+1 )。这里是否保证经过训练的神经网络总是产生输出为+1或-1 (即分类为+1或-1)？如果没有，那么ANN是如何用于分类的？
浏览 0提问于2017-04-09得票数 -1
回答已采纳
1回答
我有一个用MNIST训练的deeplearning4j神经网络(NN)，用来识别图像上的数字。由于MNIST集包含28x28像素的图像，因此我能够使用此神经网络预测28x28图像的类别。
我正在尝试找出如何将此神经网络应用于手写页面的图片？如何将图像中的文本转换为实际的文本(OCR)？基本上，需要什么样的预处理，以及如何找出图像中文本所在的部分？如何派生图像的较小部分以单独应用NN？
浏览 2提问于2021-01-31得票数 0
例如，如果我有一个正在玩跳棋/跳棋的神经网络，并试图进行无效的移动，有没有一种方法可以专门优化那个特定的输出？
---------------------------------------
8 | | bM | | bM | | bM | | bM |
---------------------------------------
7 | bM | | bM | | bM | | bM | |
---------------------------------------
6 | | bM | | bM | |
浏览 0提问于2018-12-18得票数 0
3回答
哪个神经网络更好？
、、、
MNIST数据集有6万个训练样本和10000个测试样本。
神经网络#1.训练集的准确度: 99.53%。在测试装置上的准确度: 99.31%。
神经网络#2.训练集的准确度: 100.0%。在测试装置上的准确度: 99.19%。
如果其他参数未知，哪一种神经网络更好？
我见过有多少研究把重点放在测试集的准确性上，很少在训练集上写关于准确性的文章。
第一种神经网络在测试集上精度较高，而在训练集上精度较差。
你会说未学会的训练样本对测试一个不同的测试集可能是不好的吗？
我有一个想法来比较整体的准确性：
(99.53% * 60000 + 99.31% * 10000) / (60000
浏览 0提问于2021-07-23得票数 0
回答已采纳
1回答
我即将学习神经网络，我准备复制一个教程，它训练一个神经网络，目标是识别手写的字母。神经网络的训练应使用MNIST数据集进行。不幸的是，由于我无法在MNIST数据集中阅读，所以我的问题出现在哪里。我使用的环境是一个木星笔记本和Python 3。
下面是我的代码行(第2行引起问题)：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot = True)
第2
浏览 0提问于2019-06-23得票数 0
回答已采纳
1回答
我正在尝试训练一个标准的全连接神经网络(也就是多层感知器)和TensorFlow。我正在学习一个教程，其中使用手写数字的MNIST数据集()训练了一个类似的神经网络。
然而，TensorFlow提供了一些内置的操作，我不能真正复制。
例如:为了加载数据，它调用以下函数：
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)
或者，为了从数据中加载下一个批处理，它调用以下函数：
batc
浏览 1提问于2018-05-03得票数 2
我正在寻找一种神经网络体系结构，它在图像分类挑战中提供了相当好的性能，并且在一个框架中仍然很容易实现，而且训练速度也相当快。你有什么建议吗？
我是新的神经网络实现，最后，我想做一些“研究风格”玩它。
此外，指向图像分类数据集的指针对于一个简单的网络来说并不太难。然而，MNIST并不像MNIST那样简单，几乎所有的分类器都做得很好。
如果我想修改网络的训练方式，你推荐哪种神经网络框架？
浏览 0提问于2017-07-29得票数 1
1回答
假设我们训练了一个神经网络。我的问题是，如果我们将以前的输出作为输入应用，同样的神经网络会生成数据吗？
我正在研究MNIST数据集，并想知道如果我们使用反向传播算法从输出端(使用最终输出作为来自该侧的输入)训练，会发生什么。
我的想法是，它可以得到数据(或近似于原始数据集)。这是否合理呢？
浏览 3提问于2017-04-07得票数 1
回答已采纳
我试着和熊猫一起在蟒蛇里学机器。我的目标是根据人们的生活方式来估算他们的保险费用。我从kaggle那里得到了一个很好的数据库。在我的数据集上进行培训和测试非常顺利，但是现在我想对一个人做一些预测，我不知道该如何开始。
我贴出了到目前为止我用线性回归进行训练和测试所做的事情(我还做了很多其他的事情，比如蒙特卡洛，最膝盖，……)
结果是训练集的精度: 0.735在测试集上的精度: 0.795。
那么，你建议如何继续估算另一个人的保险费用呢？
#Linear Regression
linreg = LinearRegression()
linreg.fit(X_train, y_train)
p
浏览 2提问于2020-09-16得票数 0
回答已采纳
1回答
我知道，为了训练一个用于图像识别的深层神经网络，需要一个好的GPU或GPU，因为它们比CPU更适合这个任务。这是很清楚的，有许多不同的教程使用不同的库如何做到这一点。
然而，当我训练了我的深层神经网络时，在服务器上的某个web应用程序中，运行经过训练的深层神经网络来识别图像的硬件要求是什么？我的钢铁需要服务器上强大的GPU吗？什么硬件对运行预先训练过的深层神经网络- RAM、CPU、存储器来说更重要？
我能在Android应用上运行经过预先训练的网络来进行图像识别吗？是个好主意吗？
对不起，如果我的问题太含糊和宽泛，但我找不到任何适当和详细的评论，这一主题。
浏览 1提问于2018-06-27得票数 0
回答已采纳
我构建并训练了我的神经网络，现在是时候对给定的输入数据进行预测了。但我不知道用训练好的神经网络进行快速预测的正确方法。我目前正在做的是每次加载模型并对其进行预测。我想知道是否有一种方法可以永久地将模型加载到内存中(用于会话)，然后进行预测。
浏览 18提问于2017-07-31得票数 3
回答已采纳
我想训练一个卷积神经网络(用MNIST数据集和TensorFlow)几次新的，每次都得到相同的精度结果。为了得到这个，我：
保存未经训练的仅初始化(global_variables_initializer)网
每次我开始训练这个未经训练的网
设置mnist.train.next_batch shuffle=False，因此图像序列每次都是相同的
我以前使用过一个前馈网络(3个隐藏层)，每次运行这个python脚本时，我都会得到相同的丢失值和准确性值。
但是，的“相同”脚本，通过将模型从前馈网络更改为卷积神经网络，使我每次运行脚本时都会有一些不同的丢失/准确性。
因此，我将批
浏览 2提问于2017-06-27得票数 2
回答已采纳
目前，我正在寻找一种方法来从我的训练数据集(MNIST)中过滤出特定的类，以在不同的星座上训练神经网络，例如，仅在类4,5,6上训练网络，然后在0,1,2,3,4,5,6,7,8,9上训练它，以使用测试数据集评估结果。
我想通过控制台使用参数解析器来选择哪些类应该在我的训练数据集中，这样我就可以将其拆分成小批。我想我可以通过标签来做这件事，但我现在有点卡住了…感谢您的任何建议！
你好，亚历克斯
浏览 7提问于2017-02-19得票数 0
1回答
我正在尝试建立一个卷积神经网络来对猫和狗进行分类，为了训练这个网络，我使用Kaggle作为工具，我已经上传了由8000个训练集和2000个测试集组成的所有数据集。
问题是如何从输入文件夹中获取数据？屏幕截图在下面的链接中。
这就是我得到的错误。
谢谢你的帮助！
浏览 3提问于2018-10-14得票数 0
我在这里用zalando mnist尝试过tensorflow示例：
在那之后，我用手写的mnist数据库改变了衣服的图像，它也可以工作。
现在我想用mnist手写数据库训练AI，从我手写的"1“中拍一张照片，让KI猜测数字。
我在KI的训练之后添加了几行代码。我尝试的是这样的：
ownPicArr = imageio.imread(filename) #it is a 28x28 PNG file
ownPicArr = ownPicArr / 255.0
pred = model.predict(ownPicArr)
我得到了以下错误：
ValueError: Error when
浏览 0提问于2019-04-21得票数 1
3回答
所以我从Kaggle比赛下载了MNIST数字数据集，我想编辑'train.csv‘文件，这样我就可以训练我的神经网络了。“train.csv”文件有42000行和785列。每一行代表一个图像。第一列包含标签，即图像中的数字，其余的列是数字的28X28图像的像素值。
我希望能够将第一列存储为“training_result”向量，其余的存储为“training_inputs”矩阵。
因此，首先我使用熊猫加载csv文件。
data = read_csv("train.csv")
现在，为了创建training_result向量，我尝试了以下方法：
training_res
浏览 5提问于2016-04-04得票数 1
回答已采纳
1回答
我使用的是神经网络技术(反向学习)。例如，作为输出，我给出了18点的超前值，作为输入，我给出了最近的5点训练(我尝试了多种输入数据的组合，5,10，20，30……)。
例如，我训练我的数据的方式：
t，t+1，t+2，t+3，t+4.=> t+22(4+18)
t+1，t+2，t+3，t+4，t+5.=> t+23
指数输入：
t，t+1，t+2，t+4，t+8.=> t+26(8+18)
t+1，t+2，t+3，t+8，t+9.=> t+27
在我训练之后，我用我训练过的价值观做了前瞻性的学习。我观察到神经网络无法捕捉到突然的高峰。大多数情况下，如果我要提前18秒预测
浏览 4提问于2013-12-03得票数 1
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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
