这是一个使用tensorflow的样本神经网络， x = tf.keras.layers.Input((None,))x1 = tf.keras.layers.Dense(1)(x)
model.compile("adam", loss=tf.keras.losses.BinaryCrossentropy(
浏览 23提问于2021-01-22得票数 1
1回答
转移学习音频分类
、、、、
我需要对昆虫数据做CNN音频分类。我有一个非常小的数据集，包含158个录音和9个类。我需要使用AudioSet预训练模型执行迁移学习。我遵循了tensorflow网站上的说明：，但我不能让它工作，因为我在所有时期都得到了持续的低训练(40%)和验证准确率(10%)，在测试中得到了80%。我不明白为什么会这样，我做错了什么。prefetch(tf.data.AUTOTUNE)
my_model = tf.ker
浏览 4提问于2021-10-27得票数 1
2回答
Tensorflow模型没有改进
、、、、
为了给出更多的上下文和代码，我尝试做一些时间序列分类。基本上，输入是歌曲的规范化时间序列，如果是古典音乐，网络应该分类(输出1表示是，输出0表示不是)。 keras.layers.Conv1D(filters=100, kernel_size=10000, strides=5000, input_shape=(263, 100), activation='relu'),
keras.lay
浏览 1提问于2020-06-18得票数 0
回答已采纳
2回答
我试图为一项分类任务实现标准化的二进制交叉熵，这篇文章是：。_from_logits})我用这个损失来训练一个二进制分类器(CTR预测器)，但是模型的损失并没有减少，并且ROC-AUC保持在~0.49-0.5。为了验证分子的实现，我尝试了通过去掉分母来进行训练，它运行得很好。有人能帮我调试一下为什么模型不能集中在这个损失上吗？我对损失函数或实现的理解有什么问题吗？编辑1:
浏览 27提问于2022-11-15得票数 3
我正在尝试使用tensorflow对RNN进行二进制分类。M y训练和测试数据的标签是0和1。当我尝试在完成的模型上使用我的RNN时，它为每个单独的样本返回几乎相同的预测：
model.add(
浏览 11提问于2020-05-29得票数 1
如果我将Softmax Activation设置为最后一层，则使用unet进行图像语义分割：conv9 = Conv2D(n_classes, (3,3), padding = 'same')然后使用loss = tf.keras.losses.CategoricalCrossentropy(from_logits=False)训练，即使只有一个训练图像，也不会收敛于。然后使用loss = tf.keras.losses.Categoric
浏览 0提问于2019-07-29得票数 17
回答已采纳
1回答
我试图使用经过预先训练的Xception模型和新添加的分类器来进行传输学习。--我在选择一些参数时遇到了问题----要么训练精度显示出可疑的低值，要么出现错误。
新增加的密集层的分类器。我正在尝试使用：outputs = keras.layers.Dense(102, activation='softmax')(x)和我不确定是否应该在这里选择激活函数。
浏览 2提问于2021-06-05得票数 4
回答已采纳
尝试在GPU上训练UNet生成二值分类图像。每一个时代都有南的损失。损耗函数的测试总是产生nan-返回.测试用例：import tensorflow.keras.losses as ls
pred = [[0.1,0.9= tf.convert_to_tensor(true)
l = ls.SparseCategoricalCrosse
浏览 1提问于2020-07-06得票数 1
回答已采纳
我试图了解如何创建一个tensorflow模型，而不是执行单一的分类，而是同时执行多个项的分类。
举个例子，我希望我的tensorflow模型能根据天气情况返回给我一套衣服。到目前为止，我只能对单一类型的衣服进行分类，即夏季帽- 95%的冬季帽- 5%。
浏览 0提问于2020-02-25得票数 0
回答已采纳
1回答
我正在研究图像的多标签分类问题。我有5个类，我使用乙状结肠进行最后一层的分类。我有多标签问题造成的不平衡数据，我想我可以使用：然而，我不知道如何从我的模型中获得日志。我还认为我不应该在最后一层使用sigmoid，因为这个丢失函数将sigmoid应用于logit。
浏览 5提问于2022-07-23得票数 0
eval_dataset=tfds_test_dataset # tensorflow_datasets evaluation datasettrainer.train()tf.keras.losses.BinaryCrossentropy(from_logits=True)tf.<em
浏览 28提问于2021-02-21得票数 2
1回答
我试图对一些CXR图像进行分类，每个样本都有多个标签。据我所知，我必须用乙状结肠激活来放置一个密集的层，并使用二元交叉熵作为我的损失函数。问题是，存在着很大的阶级不平衡(正常人比异常者多)。我认为我需要使用使用BCE的自定义丢失函数(use_logits= true)。就像这样： from_logits=True,
reduct
浏览 1提问于2020-01-07得票数 1
回答已采纳
然而，当我训练模型时，损失和准确性不会改变。我使用的图像大小为128x128x3，图像被标准化(以0，1为单位)。这是我正在使用的编译器。model.compile(optimizer=tf.keras.optimizers.Adam(lr=0.000001)，损失=‘二进制_交叉熵’，度量=‘准确性’)
浏览 5提问于2020-03-12得票数 0
1回答
我们一直在改变拟合函数中的周期数，这给了我们不同的结果，但没有任何好的结果，当我们增加太多的时候，它们总是收敛到0.5。inputResults = numpy.array([[0],[1],[1],[0]])
print(inputResults) keras.layers.Flatten(input_shape=(2,)),
keras.layers.Dense(units=2, a
浏览 1提问于2022-03-13得票数 0
1回答
如何在使用Tensorflow作为后台的情况下，在keras中实现BCEWithLogitsLoss，并将其作为自定义损失函数。我在PyTorch中使用了torch中定义的BCEWithLogitsLoss。 如何在Keras中实现同样的功能？
浏览 38提问于2019-04-15得票数 2
回答已采纳
2回答
我熟悉Keras，在Keras中，我们需要根据需要在输出层中添加激活函数，但是在学习Tensorflow时，我发现输出层没有添加激活函数。
有人能解释一下这背后的原因吗。
浏览 4提问于2019-03-11得票数 0
回答已采纳
2回答
I来自文档的：
计算标签和预测之间的交叉熵损失。当有两个或多个标签类时，使用这个交叉熵损失函数。我们期望标签以整数的形式提供。如果您想使用单热表示提供标签，请使用CategoricalCrossentro
浏览 5提问于2020-06-22得票数 2
回答已采纳
阅读TensorFlow 2.0的文档，我发现：
他们在教程中使用的方式，他们的论点，他们的描述，在我看来是平等的。这两者有什么区别呢？
浏览 2提问于2019-12-16得票数 3
回答已采纳
1回答
我正在使用Tensorflow对一些CNN网络进行专有数据培训。我们有大量的数据，而且这些模型似乎能够学习大量关于数据分类的信息(到目前为止都是二进制分类)。然而，损失函数在规模上是可疑的。从视觉上看，它们看上去还不错，而且我对某些东西的期望也很好，但这并不是正确的数量级。
有人能告诉我，在TF/Keras中，这种缩放通常是如何进行的吗？我对这些模型很有信心，因为它们已经在其他数据集上<e
浏览 1提问于2021-05-14得票数 0
我到目前为止的理解是：
我应该使用二元交叉熵函数。这可以与from_logits True或False一起使用。当网络实现最后一层的乙状结肠激活时，tf.keras.losses.BinaryCrossentropy()必须与from_logits=False一起使用。为了提高数值稳定性，我们可以避免最后的乙状结肠层，并使用tf.keras.losses.BinaryCrossentropy(from_l
浏览 8提问于2020-04-15得票数 4
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
