当keras模型加载到tensorjs中时，它变得完全不准确。
当keras模型加载到tensorjs中时，它变得完全不准确可能是由于以下原因导致的：
- 版本不兼容：Keras和TensorJS可能使用不同的版本或者不同的底层框架，导致加载后的模型表现不准确。解决方法是确保Keras和TensorJS使用相同的版本，并且检查它们之间的兼容性。
- 数据预处理不一致：在训练模型时，可能进行了某些数据预处理操作，如归一化、标准化等。在加载到TensorJS时，如果没有正确地应用相同的预处理操作，可能会导致模型输出不准确。解决方法是在加载模型之前，确保对输入数据进行与训练时相同的预处理操作。
- 模型结构不一致：Keras和TensorJS可能对模型的结构定义有不同的要求，例如层的顺序、参数的命名等。如果在加载模型时没有正确地定义模型结构，可能会导致输出不准确。解决方法是仔细检查模型的结构定义，并确保在加载模型时正确地定义相同的结构。
- 模型权重加载错误：在加载模型时，可能出现了权重加载错误的情况，导致模型输出不准确。解决方法是检查权重文件是否正确，并确保在加载模型时正确地加载权重。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI Lab：https://ai.tencent.com/ailab/
- 腾讯云机器学习平台：https://cloud.tencent.com/product/tiia
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务（BCS）：https://cloud.tencent.com/product/bcs
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和情况进行。
相关·内容
2回答
我有一个代码来训练MNIST数据集来处理街景门牌号项目，但是当我运行代码时，acc = 0,1
导入库和模块
import numpy as np
np.random.seed(123) # for reproducibility
from keras import backend as K
K.set_image_dim_ordering('th')
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Fl
浏览 1提问于2019-05-09得票数 0
1回答
我使用MLP进行分类。
这是我的模型
model = keras.Sequential([
keras.layers.Flatten(input_shape=(X.shape[1], X.shape[2])),
keras.layers.Dense(2048, activation='relu'),
keras.layers.Dropout(0.1),
keras.layers.Dense(512, activation='relu'),
keras.layers.Dense(128, activation='re
浏览 0提问于2020-10-29得票数 1
回答已采纳
我有一个模型，一开始精度很低，但在每个时期之后，它都会有所改善。在45个时期后，我得到了大约0.9的准确率，这需要相当长的时间。 我的数据集是来自不同种类的花的3430张图像(48x48像素)(总共5种类型，每种类型大约650张照片)，我的模型看起来像这样： model = keras.Sequential([
keras.layers.Flatten(input_shape=(48, 48, 3)),
keras.layers.Dense(512, activation='relu'),
keras.layers.Dense(5, activation='softm
浏览 18提问于2020-03-26得票数 1
下面的代码在Keras中给出了上面的错误。模型是Keras中的一个图模型。
score, acc = model.evaluate({
'input1': X_test1,
'input2': X_test2,
'output':Y_test}, batch_size=450)
但是，当我将它更改为下面的内容时，它就运行得很好。
predictions = model.predict({
'input1': X_test1,
'input2': X_test2}, batch
浏览 0提问于2016-04-11得票数 6
回答已采纳
keras文档(顺序模型)将验证数据指定为:评估损失的数据和每个时期结束时的任何模型指标。该模型将不会在此数据上进行训练。 如果我们不指定验证数据，它会影响我们的输出吗？
浏览 66提问于2020-04-28得票数 0
回答已采纳
新的领域深入学习，目前致力于的竞争，以预测地震对建筑物的破坏。
我创建的模型从.56的精确性开始，但在我让它运行的任何时期都是这样。完成后，该模型只预测这三个类中的一个(我将其中一个热编码为一个包含三列的dataframe )。改变了层数，优化器，数据准备，退出不会改变任何事情。即使试图用神经网络的过度参数化来拟合我的模型，它仍然具有相同的精度和的非学习模型。
我做错了什么？
这是我的密码：
model = keras.models.Sequential()
model.add(keras.layers.Dense(64, input_dim = 85, activation = "r
浏览 6提问于2020-05-13得票数 0
1回答
希望你们身体健康。我正在研究keras库python 3，以解决回归问题。当我将我的数据集加载到一个panads中时，它会自动添加索引列，它可以被重置，但当我在该数据集上训练我的模型时，它不能被删除，它提供了非常低的精度(0.002)，请帮助我解决这个问题，谢谢！
这是我的代码：
import keras
from keras.models import Sequential
from keras.layers import Dense
from subprocess import check_output
import pandas as pd
import numpy as np
pr
浏览 0提问于2018-09-23得票数 0
回答已采纳
我遇到了一个问题，我将keras模型转换为tensorflow lite格式，但是一旦我这样做了，转换后的模型的精度就会显着下降。该模型是一个相当简单的自然语言处理模型。在转换之前，模型的准确率约为96%，但一旦转换为tensorflow lite格式(没有任何优化)，准确率就会下降到20%左右。这是一个可笑的性能下降，所以我想知道这是可能发生的事情，还是我做错了什么？我在运行debian的beaglebone SBC上运行tflite模型，并在python上运行推论。 我的tflite转换代码： converter = tf.lite.TFLiteConverter.from_keras
浏览 149提问于2021-01-15得票数 3
我正在使用这个Kaggle ，但是在我对我的模型进行编码并运行它之后，它只获得了大约20%的精度，并在那里停止了运行。如果每个班的训练图像少于100张，这是否正常？我也做过图像增强。如果是这样的话，对于这样的数据集，我需要多少图像呢？
这是我的模型结构：
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(150, 150, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
tf.k
浏览 6提问于2022-07-22得票数 0
在AdditiveAttention() 2中，图层(即Bahdanau注意事项)出现了一个错误，但我并不完全理解。我想训练一个聊天机器人，用一个seq2seq注意力模型训练两个Question和Answer数据集。
当我试图将注意力层添加到模型中时，我的问题由一个错误来表示。这是我的构建功能：
def build_model():
import tensorflow as tf
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, Embedding,
浏览 2提问于2020-07-02得票数 0
我有一个Keras神经网络，它有图像作为输入和参考数据。
我的网络显示过拟合(例如，训练精度约为80%，但测试精度仅为70%)，因为相对于网络规模而言，输入数据较少。尽管如此，对于我的问题来说，70%的测试精度是很好的，而且测试精度不会在过度拟合开始后开始下降--它会随着列车的准确性而增加，但总是落后于它的几个百分点。而且简化模型不允许我达到如此好的精度。
因此，在我的例子中，它看起来没有什么不好的，但我知道它的观察效果可能是非常不同的，我想检查一下我的模型是否正确。
你能建议一些经典的方法来分析模型的质量吗？可能是特殊的度量或统计方法通常是使用或某种类型的熵参数估计需要执行？是否有可能理解我
浏览 0提问于2021-05-31得票数 2
这里有一个使用tensorflow.keras.datasets.imdb数据的代码，将我的数据分割为训练和验证(第45-50行)，所以我的训练数据和训练标签是ndarray (15000，)。在训练我的模型时，我可以看到模型没有在整个数据集中迭代，我的准确率达到了49.8%
我跟踪了这段视频：并输入了相同的程序。这就是我在训练模特时所看到的：
守则：
from tensorflow import keras
import numpy as np
# Loading data
data = keras.datasets.imdb
(train_data, train_labels),
浏览 3提问于2021-03-04得票数 0
1回答
因此，在过去的一周里，我一直在学习一些机器学习，我一直在利用我自己的回归CNN来学习彩色图像128x128的输入和一个评分输出。虽然我的数据集很小，只有400个左右，但我得到了一些过拟合的结果(训练时的mean_absolute_error为0.5，1-10级的测试为0.9 )，模型如下：
model = keras.Sequential([
keras.layers.Conv2D(32, kernel_size=(5, 5), strides=(1, 1), activation='relu', input_shape=(128, 128, 3)),
kera
浏览 1提问于2019-07-30得票数 0
回答已采纳
1回答
我有两个Keras模型(functional )共享一些层。我想知道，如果我训练第一个模型，第二个将得到它的共享层的权重自动更新，或者我应该手动加载权重。
我从中知道，层可以在同一个模型中共享，但是对于这种特殊情况，我没有任何线索。
我还想知道，具有共享层的Keras模型是共享相同的计算图，还是有独立的计算图。
浏览 1提问于2018-06-25得票数 3
回答已采纳
在Python中，我使用keras训练了一个图像分类模型，以224,224，3数组的形式接收输入，并输出预测(1或0)。当我加载保存模型并将其加载到xcode中时，它说明输入必须是MLMultiArray格式。
有没有办法把UIImage转换成MLMultiArray格式？或者有没有办法让我改变keras模型，接受CVPixelBuffer类型的对象作为输入。
浏览 1提问于2017-06-14得票数 3
我正在使用colab来训练一个tensorflow模型。我看到google colab默认安装了以下版本：
import tensorflow
tensorflow.__version__
2.6.0
...
[train model]
...
model.save('mymodel.h5')
但是，当我将模型下载到我的windows pc并尝试用tensorflow/keras加载它时，我得到一个错误
import keras
import tensorflow
model = keras.models.load_model(r"mymodel.h5")
浏览 0提问于2021-10-17得票数 0
我有两个多类分类模型来进行预测(准确地说，类数是三个)。一个是Keras神经网络，另一个是Scikit学习库中的梯度增强分类器。
我注意到，在相同的数据上训练后，GBC具有较高的精度评分，而Keras模型具有较高的F1评分。我应该使用哪种模型来预测未来的数据？哪个指标更重要？
浏览 0提问于2019-12-23得票数 7
回答已采纳
我正在尝试使用restore_best_weights EarlyStopping，但是每当我尝试使用Keras时，它都会出现一个错误： _init_() got an unexpected keyword argument 'restore_best_weights' 我使用的是最新的Keras，所以我真的不确定为什么会发生这种情况。
浏览 107提问于2020-04-13得票数 0
如何在TensorFlow神经网络中添加额外的层，并且知道附加层不会过分适合？似乎2层不会很有帮助，但它确实给了我91%的准确性，我想100%的准确性。因此，我想增加5到10个额外的层，并尝试和“过度适合”的神经网络。一个超适的训练集是否总能提供100%的准确性？
神经网络的基本构造块是。
我正在使用来自的模型示例
model = tf.keras.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
浏览 6提问于2022-05-29得票数 0
背景
我发现了相当多的代码示例，人们要么使用rescale=1./255预处理图像数据，要么使用preprocessing_function将其设置为他们在ImageDataGenerator中使用的相应模型的preprocess_input。
虽然keras-blog ()使用这种方法...
ImageDataGenerator(rescale=1./255, ...
..。Keras文档()使用这种方法：
from keras.applications.vgg19 import preprocess_input
ImageDataGenerator(preprocessing_functi
浏览 3提问于2019-02-15得票数 8
我有一个经过微调的vgg模型，我使用tensorflow.keras functional创建了模型，并使用tf.contrib.saved_model.save_keras_model保存了模型。因此，该模型使用以下结构保存:资产文件夹(包含saved_model.json文件)、saved_model.pb文件和变量文件夹(包含检查点、variables.data-00000-of-00001和variables.index. )。
我可以轻松地在python中加载我的模型并使用tf.contrib.saved_model.load_keras_model(saved_model_path
浏览 0提问于2018-12-12得票数 4
4回答
我刚刚开始使用AWS，我想用自己的数据集训练自己的模型。我使用Python中的tensorflow后端将我的模型作为keras模型。我看了一些文档，他们说我需要一个Docker镜像来加载我的模型。那么，如何将keras模型转换为Docker镜像呢？我在互联网上搜索，但没有找到任何清楚地解释这一过程的东西。如何制作keras模型的docker镜像，如何将其加载到sagemaker中。另外，如何将h5文件中的数据加载到S3存储桶中进行训练？有没有人能帮我弄清楚？
浏览 1提问于2018-12-25得票数 0
我认为对于Sequential Keras模型的第一层，input_shape参数是可选的，如下面的简单代码片段所示： model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dense(10, activation='softmax')
]) 如果我们不能识别它，它将从第一批数据中推断出来。我能想象
浏览 22提问于2021-09-27得票数 0
回答已采纳
为什么在第二层keras模型中有128个节点用于时尚MINST问题 https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/tutorials/keras/classification.ipynb#scrollTo=9ODch-OFCaW4 model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu')
浏览 62提问于2019-10-19得票数 0
回答已采纳
我正在尝试保存并加载我的keras模型。它可以很好地训练、评估和保存(使用.h5保存模型)，但是当我尝试加载模型时，我得到以下错误: ValueError: Input 0与layer flatten不兼容: expected min_ndim=3，found ndim=2。我加载模型错误吗？任何帮助都将不胜感激！ 这是我保存模型的代码块。 def ml(self):
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
浏览 81提问于2019-07-03得票数 0
1回答
我试图训练我的模型，当模型正在训练时，打印出多个精度，然后随着同一时期的训练进展而被删除。
我在新时代看到了3个ETA，而它应该只有1个。
而且训练精度没有提高，我已经尝试了15个时期，甚至训练精度也保持不变。
model = tf.keras.models.Sequential([tf.keras.layers.Conv2D(64,kernel_size = (3,3), input_shape=(X_train.shape[1:]),activation = 'relu'),
tf.keras.layer
浏览 0提问于2020-06-23得票数 0
我最初的MLP模型如下： def create_model(n_hidden_1, n_hidden_2, num_classes, num_features):
# create the model
model = Sequential()
model.add(tf.keras.layers.InputLayer(input_shape=(num_features,)))
model.add(tf.keras.layers.Dense(n_hidden_1, activation='sigmoid'))
model.add(tf.ke
浏览 32提问于2021-10-17得票数 0
回答已采纳
嗨，我目前正在google学习机器，现在我经历了这个错误keras.Input警告:tensorflow:请在顺序模型中添加而不是keras.Input。 keras.Input 将用于功能模型。在google中。
以下是我的导入类：
# Import classes
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Input, Dense, Dropout
下面是我的模型定义：
# Model definition
model = Sequential()
model.add
浏览 3提问于2021-07-12得票数 1
我正在使用Python中的Tensorflow/ Keras进行时间序列分析。整个LSTM模型看起来
model = keras.models.Sequential()
model.add(keras.layers.LSTM(25, input_shape = (1,1), activation = 'relu', dropout = 0.2, return_sequences = False))
model.add(keras.layers.Dense(1))
model.compile(optimizer = 'adam', loss = 'm
浏览 0提问于2019-02-14得票数 2
回答已采纳
我在CPU上运行相同的代码(使用相同的数据)，首先使用keras 1.2.0，然后使用keras 2.0.3在这两个代码中，keras使用TensorFlow后端，我还使用sklearn进行模型选择，外加pandas读取数据。
当我在使用keras 2.0.3和使用keras 1.2.0时得到42和21的MSE(均方误差)时，我感到很惊讶。有没有人能给我解释一下为什么会这样？为什么我在使用keras 2时会遇到更多的错误？谢谢
PS。这个结果是在将代码编辑为keras2标准之后得到的。例如，在Dense中，我将keras1代码更改为keras2标准。
浏览 3提问于2017-04-26得票数 4
我有一个Keras模型，它有3个输入和2个输出，如下所示
_________
a --| |--- x
b --| Model |--- y
c --|_________|
是否有方法编译模型并计算特定输入和输出(例如输入'a‘和输出’x‘)之间的结构相似性(SSIM)？
model = keras.Model([a, b, c], [x, y])
model.compile(optimizer='adam'
, loss = 'mse'
, metric
浏览 5提问于2022-04-16得票数 0
2回答
我使用tensorflow-keras构建了一个图像分类模型(CNN)。我有一些新的图像，我需要将它们输入到相同的模型中，以便增加现有模型的准确性。 我尝试使用以下代码。但这会降低准确性。 re_calibrated_model = loaded_model.fit_generator(new_training_set,
steps_per_epoch=int(stp),
epochs=in
浏览 25提问于2020-07-15得票数 0
回答已采纳
1回答
我有一种奇怪的Keras分类行为。
我得到了不同的准确性时，使用交叉验证与一个持久化集。
2个相同的模型，但评价方法不同：
Model1使用10-K交叉验证(达到0.98平均AUC和最低AUC 0.89).
Model2使用支持集(精度为0.82)
我原以为模型2最糟糕的精度是最低的折叠精度(0.89而不是0.82)。
小型数据~10kx13
折叠: 10倍
模式1：
def create_baseline():
# create model
model = models.Sequential()
model.add(layers.Dense(64, i
浏览 0提问于2018-06-05得票数 0
我已经用CNN模型完成了一个20个时代的项目，模型训练代码如下，。
model = tf.keras.models.Sequential([tf.keras.layers.Conv2D(16,(3,3), activation='relu', input_shape=(200, 200, 3)),
tf.keras.layers.MaxPool2D(2,2),
t
浏览 1提问于2020-11-24得票数 0
回答已采纳
大家好，我尝试使用以下代码将我的模型从.h5(keras)转换为.tflite
import tensorflow as tf
keras_model = tf.keras.models.load_model("model06.h5")
converter = tf.lite.TFLiteConverter.from_keras_model(keras_model)
tflite_model = converter.convert()
with open('model06.tflite', 'wb') as f:
f.write(tfl
浏览 34提问于2021-05-12得票数 0
1回答
我正在训练一个模型，通过Keras执行二进制分类。在我的模型训练完成后，我尝试评估它，如下所示： # Evaluate the model
print('Evaluate on test data')
loss, acc = model.evaluate(X_test, y_test, verbose=2)
print('Test loss: %.4f' % loss)
print('Test accuracy: %.4f' % acc) 我得到了这样的结果： Evaluate on test data
116/1 - 0s - loss: 0
浏览 23提问于2020-01-21得票数 0
回答已采纳
我正在为一个多类分类问题建立一个模型。因此，我想用召回和精确性来评估模型的性能。我在dataset中有4个类，它是以one hot表示形式提供的。
我正在阅读和 tf.keras文档，并有一些问题：
在计算多类分类的精确性和召回性时，如何求出所有标签的平均值，即全局精度和召回率？它是用macro还是micro计算的，因为它没有像在中那样在文档中指定。
如果要分别计算每个标签的精度和召回，可以使用参数class_id对每个标签进行one_vs_rest或binary分类。就像我在下面代码中所做的那样？
我是否可以在这里使用带有值top_k的参数top_k=2，或者它不适用于我对4个类
浏览 25提问于2022-06-22得票数 2
我知道keras是TensorFlow的高级接口。
但在我看来，keras可以自己完成许多功能(数据输入、模型创建、培训、评估)。
此外，TensorFlow的一些功能可以直接移植到keras (例如，可以在keras中使用tf度量函数或损失函数)。
我的问题是，TensorFlow提供了什么不能在角星中复制的？
浏览 0提问于2018-09-16得票数 16
回答已采纳
我正在尝试使用DL4J将经过预先训练的Keras模型加载到Java应用程序中。在Keras中进行培训时，我使用了"channels_first“image_data_format，而现在在DL4J中，我无法正确加载我的模型，因为它试图使用channels_first配置。
在DL4J中有类似于Keras中的set_image_data_format("channels_first)的函数吗？
浏览 1提问于2018-03-26得票数 0
我在本地机器上创建了一个keras模型，并将其保存为model.h5格式。现在，我如何将此模型加载到Azure databricks上的工作区中，并在databricks笔记本中导入并使用该模型？ 尝试下面的网址，但不成功，似乎只有当你使用mlFlow保存数据库笔记本中的模型并使用mlFlow将其加载回数据库中时，它才有用： https://www.mlflow.org/docs/latest/python_api/mlflow.keras.html 如果我在本地机器上创建了keras模型，如何继续导入？，请帮助。
浏览 20提问于2020-08-03得票数 0
我尝试用Celeba数据集和tensorflow来训练一个预测性别的模型。这是我的模型：
train_data_gen = train_image_generator.flow_from_dataframe(
dataframe=train_split,
directory=celeba.images_folder,
x_col='id',
y_col='Male',
target_size=(IMG_WIDTH, IMG_HEIGHT),
batch_size=batch_size,
classes=[&
浏览 1提问于2020-03-17得票数 0
回答已采纳
我在做什么
我正在训练和使用卷积神经元网络(CNN)进行图像分类，使用Tensorflow-gpu作为后端的Keras。
我正在使用的
PyCharm社区2018.1.2
Python2.7和3.5 (但不是一次都是)
Ubuntu 16.04
Keras 2.2.0
Tensorflow-GPU 1.8.0作为后端
我想知道的
在许多代码中，我看到人们使用
from keras import backend as K
# Do some code, e.g. train and save model
K.clear_session()
或在使用后删除模型：
浏览 5提问于2018-06-17得票数 58
1回答
精确性与分类精度
、、、、
我运行了一个使用ResNet50进行传输学习的DNN模型。在对我的模型上的训练数据进行拟合以检查初始趋势(如果初始趋势似乎正确的话，会运行更多的时间)时，我注意到即使我的训练精度度量在3个周期内始终保持0.0000e+00，但我的训练分类精度度量从0.4689提高到0.5278。损失也呈下降趋势。对验证集也观察到了类似的行为。
代码片段：
from tensorflow.keras.applications.resnet50 import ResNet50
METRICS = [
tf.keras.metrics.Accuracy(),
tf.keras.metrics.Cat
浏览 0提问于2022-12-03得票数 2
回答已采纳
我正致力于在TFX中开发一个加权Keras模型，以降低我的模型中的一个特性，即创建公平性问题。如果我没有弄错的话，我相信使用sample_weights是我在这个文档的基础上寻找的
def _keras_model_builder():
"""Build a keras model for COMPAS dataset classification."""
feature_columns = []
feature_layer_inputs = {}
for key in transformed_names(INT_FEATURE
浏览 0提问于2020-03-05得票数 0
我一直在和ML.Net AutoML一起玩，玩得很开心。我仍然有一些问题，并希望有人可以帮助或指导我在正确的方向，我的一些问题。
问题1: I有一个来自AutoML的经过训练的二进制分类模型。这导致了一个基于最高精度的前5位算法列表，最后我得到了一个准确率为89%的SdcaLogisticRegressionBinary二进制分类模型。
现在，当我做我的评估时，准确率下降到84%。这是否意味着原来的训练模式已经超过了5%呢？公平地说，根据评估，我的模型的准确性不是89%，而是实际84%？
问题2:在需要时， AutoML也会在培训期间删除功能。是否有一种方法可以检索最终模型中包含的实际特征列表
浏览 0提问于2019-07-08得票数 0
1回答
SVM与Keras模型性能比较
、、、、
我在数据集上同时应用了SVM和CNN (使用Keras)。现在，我想比较两种型号的性能。
Keras model.evaluate function预测给定输入的输出，然后计算度量函数(度量是用于判断模型性能的函数)，基于the model.compile and的on y_true and y_pred and将计算出的度量值作为输出返回。显然，支持向量机的精度计算与Keras的model.evaluate不同。
对于我的数据集，Keras模型(基于model.evaluate计算的精度)比支持向量机具有更高的精度。然而，将y_true和y_predict (通过model.predict获
浏览 0提问于2020-05-01得票数 0
1回答
下面一行保存了一个Keras模型：
tf.keras.models.save_model(model, "path/to/model.h5")
稍后，我尝试将其转换为tflite文件，如下所示：
converter = tf.contrib.lite.TFLiteConverter.from_keras_model_file('path/to/model.h5')
tflite_model = converter.convert()
open("path/to/model.tflite", "wb").write(tflite_m
浏览 0提问于2019-04-15得票数 1
回答已采纳
2回答
联邦学习训练中的模型性能没有提高
、、、、
我跟随创建了一个图像分类实验(7个班)，目的是用TFF框架对3个数据仓进行分类器的训练。
在开始培训之前，我使用tff.learning.assign_weights_to_keras_model(model,state.model)将模型转换为tf keras模型，以便对验证集进行评估。不管标签是什么，模型只预测一个类。这是预期的，因为还没有进行培训的模式。然而，在每个联邦平均轮之后，我重复这个步骤，并且问题仍然存在。所有验证图像都被预测为一个类。我还保存了tf角模型的权重后，每一轮，并作出预测的测试集-没有变化。
我为检查问题的根源而采取的一些步骤如下：
检查tf角模型的权重是否在每一
浏览 9提问于2020-05-08得票数 3
模型.(X_train，y_train，validation_data=(X_test，y_test)，epochs=10，verbose=2)
在上面的代码行中，模型是一个具有层的序贯keras模型，并被编译。参数validaiton_data的用途是什么。该模型将对X_train和y_train数据进行培训。因此，在y_train的基础上，对参数进行调整，进行反向传播。validation_data的用途是什么?为什么在这种情况下，测试数据提供了不同的数据。
浏览 0提问于2020-05-08得票数 0
回答已采纳
2回答
我用Keras训练了不同的分类模型，每个层有不同的隐层数和相同的神经元数。我发现，随着隐藏层数的增加，模型的准确性降低了，但是，在隐藏层的数量更多的情况下，模型的精度下降更明显。下图显示了不同模型的准确性，在这些模型中，隐藏层的数量发生变化，而其余参数保持不变(每个模型在每个隐藏层中有64个神经元)：
📷
我的问题是，为什么8层和16层之间的精度下降要比1层和8层之间的下降要大得多，尽管隐藏层的数量是相同的(8)。
浏览 0提问于2021-04-10得票数 2
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
