如何将Keras fit_generator中使用的validation_data的training设置为False？我的模型中有Dropout层，我希望在训练过程中训练为True，在验证和测试过程中为False。
浏览 44提问于2019-07-01得票数 2
我对Keras很陌生，所以我混淆了Keras文档和其他人使用fit_generator的例子。当我测试-用100个样本运行这个代码时(为了快速输出)。实际训练样本超过10k)，批数为32，分2期：
# Create a generator that generates an image and a label one at a time (because` call to the Keras 2 API: `fit_
浏览 1提问于2019-05-14得票数 0
回答已采纳
我想用tensorflow.keras训练一个模型。我希望在每个训练步骤之间做一些其他的事情，这就是为什么我不能使用fit_generator来训练我的模型。换句话说，我希望通过循环fit函数来训练模型，如下所示：validation_data_generator = ...
浏览 1提问于2020-02-21得票数 1
我正在研究MNIST数据集，并决定尝试数据转换。现在直接：datagen = keras.preprocessing.image.ImageDataGenerator(... , validation_splitdatagen.fit(train_x)hist = model.fit_generator(datagen.flow(train
浏览 2提问于2020-02-17得票数 0
回答已采纳
我所做的：
如果我将模型训练为一个时代，我希望用fit_generator()和evaluate_generator()获得的度量是相同的。它们都应该基于整个数据</
浏览 0提问于2019-04-08得票数 10
回答已采纳
我试图使用Keras ImageDataGenerator来增强图像数据。我的任务是一个回归任务，其中一个输入图像导致另一个，转换的图像。到目前为止还不错，效果很好。我的情况有点不同，因为我的图像已经加载，不需要从目录中获取。这个过程已经在中描述过了。
为了验证我的实现，我首先使用它而不进行增强，并使用没有指定任何参数的ImageDataGene
浏览 0提问于2019-01-22得票数 2
回答已采纳
2回答
为什么我的模型预测相同的标签？
、、、、
我正在训练一个小的网络，训练似乎很好，val损失减少，我达到80左右的验证精度，一旦没有更多的改进，它实际上停止了训练(patience=10)。它训练了40次。我也切换到了softmax (我只有两个标签，但我看到了一些关于使用softmax和密集层和2个神经元的建议)。其中一些或其中一个有助于过度拟合，但对预测问题没有任何作用。数据是平衡的，尽管它是一个小的数据集，所以如果它也为评估集预测相同<
浏览 1提问于2019-09-16得票数 4
我遇到了keras和tensorflow的问题，使用以下代码：from tensorflow.kerasuse_multiprocessing=False)Using TensorFlow backend.，那不是故意的，但对我来说，这似乎不合逻辑，因为这种方法对于定义更复杂的网来说是非常舒服<
浏览 0提问于2018-11-29得票数 2
回答已采纳
我正在使用tf.keras培训和验证生成器来训练CNN模型，如下所示： x=training_data_generator,
validation_data=validation_data_generatortf.keras.Sequence的。问题是，我的数据集很大。一个时代的训练大约需要一天(尽管在两个泰坦RTX GPU上进行训练)，每个时
浏览 1提问于2020-02-11得票数 3
回答已采纳
我想使用keras fit_generator，我想自动拆分测试数据、验证数据，但是fit_generator不能设置keras的值。
浏览 6提问于2019-07-19得票数 0
6回答
如何在预测角角时禁用辍学？
、、、、
在角点神经网络模型中，我使用的是退出。一点点代码就像model.add(Dense(classes))有谁有办法在角点测试时禁用Dropout？
浏览 8提问于2017-12-13得票数 34
回答已采纳
1回答
下面是我使用的代码。我注释掉了将我的模型转换为TPU模型的代码行。对于相同数量的数据，使用GPU需要7秒，而使用TPU则需要90秒。Inp = tf.keras.Input(name='input', shape=(input_dim,), dtype=tf.float32)
x = tf.keras.layers.Densetf.contrib.cluster_resolver.TPUC
浏览 0提问于2018-11-28得票数 3
我正在尝试使用经过训练的Keras序列模型(GRU)来预测一些新的数据样本，但在创建时间序列生成器时遇到了一些问题。在训练过程中，使用model.predict_generator()预测验证集，它使用由keras.preprocessing.sequence.TimeseriesGenerator() (link)我想用一个新的测试集重复这个过程，结果发现TimeseriesGe
浏览 24提问于2019-06-21得票数 1
回答已采纳
1回答
我是Tensorflow和Keras的新手，我对CNN的工作有一些背景知识。我使用了一个基于https://pythonprogramming.net/convolutional-neural-network-deep-learning-python-tensorflow-keras/代码的基本顺序模型 optimi
浏览 0提问于2019-05-28得票数 1
回答已采纳
我正在使用Keras通过fit_generator函数来训练CNN。有没有人想出一种方法让它正常工作？
浏览 1提问于2017-02-24得票数 21
4回答
我的问题很简单，在用于的顺序模型中传递给model.fit的验证数据是什么？
而且，它是否会影响模型的训练方式(例如，通常使用验证集来选择模型中的超参数，但我认为这里不会发生这种情况)？keras.models.training.fit还调用keras.models.training._<em
浏览 8提问于2017-09-19得票数 96
回答已采纳
2回答
我试图使用Conv2D网络将图像分类为27个类。训练精度随时间的延长而提高，但val_accuracy值和val_loss值波动较大，效果不佳。📷
训练集中有22127幅图像(每班约800幅)，验证集中有11346幅图像(每个类约有400幅)，所以我认为不存在类不平衡。adam，而我使用的<
浏览 0提问于2020-05-31得票数 3
2回答
代码从colab文件夹读取我的图像。然后使用生成器将代码分割为训练集和验证集。我使用了一个现有的预模型Dense201来训练它。然而，我不确定为什么，因为生成器仍然陷入无限循环，生成验证数据的循环永远不会执行。有谁知道如何规避这一点吗？ target_size=(IMAGE_SIZE, IMAGE_SIZE), subset='
浏览 1提问于2020-04-03得票数 1
6回答
我目前正在培训一个Keras模型，其相应的fit调用如下所示：Keras页面上的解释了“validation_split=0.1”的含义：
验证数据不一定来自每个类，它只是最后的10% (
浏览 0提问于2018-09-21得票数 5
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
