2回答
我正在尝试将CNN分类模型更改为CNN回归模型。分类模型将一些新闻声明作为输入，并将指数的变化(0表示发布日的负回报，1表示正变化)作为第二个变量。现在，我正在尝试将模型从分类更改为回归，这样我就可以处理实际的回报，而不是二进制分类。adadelta',
浏览 216提问于2020-04-08得票数 0
回答已采纳
我正在使用新的高级api构建tensorflow模型。我的模型看起来像下面的截图实际上，由于模型是用来模拟游戏操作的，所以模型比模型更复杂。分类负责决定是否是行动的好时机。然后，回归将提供有关该操作的详细信息。它包含CNN和RNN的组合。# Cre
浏览 15提问于2017-08-25得票数 0
回答已采纳
3回答
我需要训练一个模型，可以识别图像是车辆还是非车辆。我没有关于非车辆的数据集，因为它可能是除车辆以外的任何东西.我是全新的ML整体，任何基于实际实现的解决方案都将受到高度赞赏。
浏览 2提问于2019-11-28得票数 3
回答已采纳
1回答
我知道要对图像数据进行分类，我们可以使用这样的CNN模型：
第一种方法是训练CNN将图像映射到相应的EEG特征向量。第二种方法是利用预先训练的CNN模型提取图像特征，然后采用回归方法将图像特征映射到脑电特征向量。通过读取最后一个完
浏览 2提问于2022-03-24得票数 1
我目前正在学习如何使用Tensorflow，我在实现Softmax回归应用程序时遇到了一些问题。
编译时没有错误，但对于一些推理文本验证和测试预测没有任何改进，只有列车预测显示出改进。
浏览 0提问于2019-02-20得票数 0
1回答
我们知道像faster-rcnn和mask-rcnn这样的对象检测框架有一个roi pooling layer或roi align layer。但是为什么ssd和yolo框架没有这样的层呢？
浏览 0提问于2019-04-09得票数 2
回答已采纳
我有以下问题，我已经训练了一个CNN，我可以在样本中评估网络。我想用经过训练的模型来预测那些我没有根据的图像。然而，我可以在回归模型和预测标签一起实现这些图像的其他特征，以预测Y。CNN评估的唯一方法是推断预测的标签是否对Y有影响，例如，用预测的类或整个回归模型的性能来评估变量的重要性。
由于回归是可解释的，我认为这种方法可以分配给可解释的AI (@Nikos M.谢谢)。不幸的是，到目前为止，我还不能将这种方法分配给我所读过的任何不可预知AI的方法&
浏览 0提问于2022-05-26得票数 1
1回答
我想要做的是训练一个模型来识别在我的数据集中被错误标记的图像，例如，在一种狗类中，我可以找到猫的图像，我想要一个模型来检测所有在错误类中的图像。有没有人试过这样做有更多的细节，或有人有任何想法？
浏览 0提问于2022-05-03得票数 0
1回答
所以我正在尝试做一个语音分类器，挑战是预测说话的人是我还是其他人，我已经建立了一个简单的代码，将.wav文件转换为数组，所以我所有的音频文件数据集我说话将被转换为数组，事情是，我是一个初学者，我不知道如何只使用一个变量来预测(我的声音)，就像说对或错，我怎么才能做出这样工作的神经网络(CNN)呢？
浏览 0提问于2021-04-03得票数 1
我感兴趣的是在PyTorch中训练一个CNN模型和一个简单的线性前馈模型，并在训练之后将更多的滤波器添加到CNN层和神经元-线性模型层和两者的输出(例如，从二分类到多类分类)。这里有一个CNN模型的例子和一个简单的线性前馈模型的例子。
浏览 18提问于2021-02-26得票数 2
回答已采纳
2回答
我目前正在python中使用tensorflow对象识别API，并且我已经尝试过不同的预训练模型和冻结的推理图。我是否必须训练我自己的模型，或者有没有办法修改推理图和现有模型？对于你们中的一些人来说，这可能是一个新手问题，但请记住，我使用tensorflow和机器学习只有一个月的时间。提前感谢
浏览 1提问于2018-05-29得票数 1
我已经用谷歌搜索了我能想到的问题的每一个版本，但在我的生活中，我找不到一个基本的tensorflow.js训练tf.browser.fromPixels(图像)来得到是或否的例子。我能找到的所有例子都是从预先训练好的网络开始的。 我已经建立了一个25x25像素图像的数据库，并将它们都存储为一个变量中的画布，如下所示： let data = { f: [canvas1, canvas2, ... and so on ...]
} 我认为这样做应该是微不足道的： data.t
浏览 50提问于2019-03-29得票数 1
3回答
为了进行二分类，我编写了两个模型: LSTM和CNN，它们独立工作得很好。但我真正想要实现的是将这些模型连接起来。下面是我的LSTM模型：CNN模型：以下是CNN的训练方式：将LSTM和CNN<em
浏览 37提问于2019-03-31得票数 5
我正在构建CNN +集成模型，用于在Python上使用Tensorflow对图像进行分类。我在谷歌图片上爬行狗和猫的图像。然后更改为126 * 126像素大小和灰度，添加标签0到狗，1到猫。CNN有5个conv层和2个fc层。他，PReLU，最大的池，退出，亚当在模型中使用。当参数整定完成后，增加了早期停止，模型学习了65~70个历元，精度达到92.5%~92.7%.学习结束后，我想把我的CNN模型改为VGG网络，我
浏览 0提问于2017-07-17得票数 7
回答已采纳
2回答
年龄分类损失函数
、、、、
我正在为年龄分类建立一个CNN模型。假设一个人的年龄在1-100之间，我的最后一个线性层包含100个输出神经元.My的观察：
我不能使用MSE或BCE损失，因为它们的工作原理非常不合适，好像实际年龄是25岁，那么对于预测的26岁和50岁，也会有相同的损失。但我认为它们也不能用于这类分类，因为它们只是在两个向量之间寻找相似之处，而不对附近的实际预测对(不包括实际年龄25岁和预计年龄26岁)给予任何重要性或权重。有人能为这个<em
浏览 0提问于2020-09-11得票数 3
2回答
我想训练一个CNN的多标签图像分类任务使用keras。然而，我不知道如何准备我的培训数据。我想通过一个示例，我的问题变得更清晰了
假设我使用的是狗和猫的分类数据集，我想要建立一个模型，能够将图像分类为狗或猫，或者在一张图像中看到这两种动物。在这种情况下，我是否需要用同时显示猫、狗和图像的图像来训练模型，还是只使用只显示猫和狗的训练图像？
浏览 0提问于2018-01-21得票数 6
回答已采纳
1回答
合奏的最佳激活函数？
、、、
建立了具有softmax函数的logistic回归模型(不同预处理)。我用分层的方法把所有的模型和集合混合在一起。因此，所有模型(基)的输出都将作为最终模型(logistic回归)的输入。默认的基本模型使用了softmax函数。我认为将一个自信的值转换为一个概率会损失很多信息。所以我有一个计划，把softmax转换成激活函数。我在CNN课堂上学到的是，Relu是图像的最佳默认激活函数。但我的案子是多等级分类邮件。
我
浏览 0提问于2018-10-02得票数 1
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号