我可以使用哪种类型的模型来训练此数据
您可以使用各种类型的模型来训练数据，具体选择哪种类型的模型取决于您的需求和数据的特征。以下是一些常见的模型类型：
- 线性回归模型：用于预测连续数值的模型。适用于特征与目标之间存在线性关系的情况。腾讯云相关产品推荐：腾讯云机器学习平台 PAI，详情请见：https://cloud.tencent.com/product/tpai
- 逻辑回归模型：用于解决分类问题的模型。适用于二分类或多分类任务，可输出概率或类别标签。腾讯云相关产品推荐：腾讯云机器学习平台 PAI，详情请见：https://cloud.tencent.com/product/tpai
- 决策树模型：基于树结构的模型，可用于分类或回归问题。适用于处理离散和连续特征，能够对特征进行重要性排序。腾讯云相关产品推荐：腾讯云机器学习平台 PAI，详情请见：https://cloud.tencent.com/product/tpai
- 支持向量机模型：用于分类和回归分析的模型，通过将样本映射到高维空间，找到一个最优超平面来实现分类或回归。腾讯云相关产品推荐：腾讯云机器学习平台 PAI，详情请见：https://cloud.tencent.com/product/tpai
- 随机森林模型：由多个决策树组成的集成模型，用于分类和回归问题。能够处理高维数据和特征选择。腾讯云相关产品推荐：腾讯云机器学习平台 PAI，详情请见：https://cloud.tencent.com/product/tpai
- 神经网络模型：模拟人脑神经元之间的连接和相互作用，用于解决复杂的分类和回归问题。深度学习是神经网络的一种重要实现方式。腾讯云相关产品推荐：腾讯云机器学习平台 TFLite，详情请见：https://cloud.tencent.com/product/tflite
以上仅为常见的模型类型，具体选择应根据数据特征和问题类型进行评估和决策。腾讯云提供了丰富的机器学习和人工智能相关产品，可满足各类需求。
相关·内容
我正在使用libsvm (一个用于解决回归问题的库)从训练集生成模型。
生成的模型包含很多行，但我希望它只包含代表整个生成的模型的一行。我认为每一行对应于一个模型。
例如:如果我使用关于一个用户的数据作为训练集，假设有10行关于用户的数据，那么我希望在生成的模型中有一行表示该用户的模型。但事实并非如此。
为什么？或者我应该如何解释生成的行数的平均值？
浏览 1提问于2012-02-16得票数 0
2回答
我正在尝试构建一个模型/一套模型来预测一个二进制目标。模型的具体细节并不重要，但只需说一句，我已经尝试了六种不同类型的模型，它们的结果都是相当的。
通过对训练数据的不同子集的预测，可以看出，某些特征子集对大约30%的数据很重要，而对于其余70%的数据来说，不同的子集很重要。有训练数据/持久化集。当目标已知时，这种分离非常容易检测(使用subset1运行一个模型，用subset2运行另一个模型，找到一个模型比另一个模型做得更好的子集)。显然，这在测试数据中是不可能的，因为在那里不知道目标。
数据中显然有两个区域(至少)彼此之间有很大的不同，因为在整个数据集上训练的模型比在每个区域上训练的单独模型
浏览 0提问于2016-04-20得票数 3
我是一个深入学习的初学者，我想问一个问题，以更好地理解一个主题。
我的问题是。如果我有一个数据集，包含许多类型的数据，比如字符串和整数，并且我想使用所有这些数据来构建和训练一个神经网络模型。我是否可以使用一个模型来训练它们，方法是使用因式分解和MinMaxScaler将字符串转换为整数，使所有的数据都是数字？或者我应该为每种类型建立一个模型，然后在它们之间进行连接？总的来说，我应该做什么？
有人能告诉我吗？我将非常感激。
浏览 6提问于2022-11-25得票数 -1
1回答
我有一些表格式的设备数据，包括
time column, some tabular features, target classes
在所有设备中大约有500行(不同)，数据和目标类是相同的。
我有大约1000个设备的相同数据，我想为所有检测类的设备训练一个通用模型。
有人能帮助我训练目标变量的方法吗？什么样的模型可以在这种情况下工作？
浏览 6提问于2019-08-20得票数 0
2回答
我需要一个模型来预测一个类。所以我应该把我的数据分成训练集、验证集和测试集。首先，我打乱了我的数据(80%用于训练集，20%用于测试集)。然后，因为我应该确定一些超参数，所以我使用10折交叉验证来拆分我的训练集。最后，我使用训练集(80%的数据)和指定的超参数来训练我的模型。我有个问题。我先打乱我的数据，然后再拆分，这是不是错了？一些研究人员认为，如果你想声称你的模型可以预测未来的数据，你不应该对数据进行混洗。您应该选择最后20%的数据作为测试集。是对的吗？我可以对我的数据进行混洗吗？你能给我介绍一本学术书籍或论文来解决我的问题吗？非常感谢
浏览 0提问于2018-04-30得票数 4
1回答
如何利用流数据训练空间模型？
、、、、
我创造了一个空间模型。但我需要重新训练它，直到它达到最高水平。我需要训练这个模型，并使用流数据对模型进行再培训。我已经看到，我们可以使用流数据来训练一些机器学习模型。对NLP模型也可以这样做吗？
浏览 4提问于2022-07-14得票数 -1
4回答
我是一个初学者，我非常困惑，我们如何能够选择一个预先培训的模式，将改进我的模式。
我试图创建一个猫品种分类器使用预先训练的权重模型，假设VGG16训练的数字数据集，这会改善模型的性能吗？或者，如果我只是在数据库上训练我的模型，而不使用任何其他的权重，那么更好，或者两者都和那些预先训练过的重量一样，只是一个起点。
另外，如果我使用为猫对狗数据训练的VGG16的权重作为我的猫品种分类模型的起点，这会帮助我改进模型吗？
浏览 0提问于2019-08-06得票数 9
回答已采纳
1回答
对于某些未知函数，如下所示： def unknown_function(input_array): # where input array could be, for example, a 3 by 3 numpy array
# does some unknown operation on input array
# to determine output array of same shape
return output_array 如何创建一个TensorFlow模型来找到任意输入数组的输出数组，给定一个足够大的输入输出数组对数据集来训练模型？
浏览 17提问于2019-12-24得票数 0
回答已采纳
我正在试验不同的预先训练的TensorFlow模型，从"“到我的数据是否有一种方法可以在泛型中做到这一点，它将适用于任何体系结构，并且不依赖于层名(模型之间的变化)？或者，是否有一种简单的方法来查询图中最后N层的名称(我指的是层-而不是操作)？
浏览 0提问于2018-04-14得票数 2
我刚接触物体检测，并尝试在TensorFlow中重新训练物体检测应用程序接口，以检测照片中特定的汽车型号。当准备我自己的训练数据来重新训练模型时，除了绘制边界框等事情之外，我的问题是，我是否还应该在训练数据中准备负面示例(不是我感兴趣的模型的汽车)以达到良好的性能？
我已经阅读了一些教程，它们通常在检测一种类型的对象时给出示例，并且他们只为该类型准备了带有标签的训练数据。我在想，既然模型首先提出了一些感兴趣的领域，然后尝试对这些领域进行分类，如果我想从照片中检测出非常具体的东西，我是否也应该准备反面样本。
我保留了基于faster_rcnn的模型。谢谢你的帮助。
浏览 11提问于2018-02-12得票数 0
回答已采纳
1回答
如何停止模型训练并恢复模型训练？
、、、、
我正在使用自主数据集进行对象检测。我想用10000个训练图像，2000个测试图像，2000个验证图像来训练我的模型。我将使用对象检测tensorflow lite model maker。 项目链接: tensorflow.org/lite/tutorials/model_maker_object_detection 设置批处理大小32后，训练需要50个时期并持续2天(步骤3).I无法让我的计算机保持开机两天。我在jupyter notebook中运行该项目 如何停止模型训练并再次恢复模型训练？(例如，停止第10个纪元，并在一天后继续)
浏览 136提问于2021-08-05得票数 0
在谷歌云上训练和评估大型神经网络模型(tensorflow)。
评估我的模型时出现以下错误：
W Resource exhausted: OOM when allocating tensor with shape[38633472,17]
W Ran out of memory trying to allocate 2.45GiB. See logs for memory state.
undefined
我认为这与容器内存限制有关。
对此有什么帮助吗？
浏览 2提问于2017-03-22得票数 0
1回答
我正在分析的鳄梨数据集，以预测未来的价格牛油果取决于地区和类型(有机/常规)。
我训练过我的模型，这似乎很有效。测试结果看起来很好。
以下是处理后的数据:日期(我将其转换为索引列)、总容量、类型(标签编码为1s和0)，以及54个区域的列。
📷
但是，我不知道如何生成数据用于未来的预测，给定特定的X特征值。基本上，我希望最终用户提供一个(未来)日期，一个类型，一个区域，我的模型将预测鳄梨的价格。例如，我想预测有机鳄梨的价格在3个月内为奥尔巴尼。我知道，我的模型可以预测某一特定日期，根据过去日期的价格。但是，当我将区域和类型特性分配给特定值时，它将如何工作？这是否可行呢？我应该用另一种型号吗？我知
浏览 0提问于2019-07-30得票数 1
回答已采纳
1回答
有限数据变分自动编码器
、、、
我正在进行一个二进制分类项目，通过为少数类生成新的样本，使用VAE (变分自动编码器)来处理两个类之间的不平衡。
第一类(多数类)包含20000个样本，第二类(少数类)包含500个样本。
在对少数民族班级的VAE模型进行训练后，为该类生成了新的样本，并将它们添加到训练集中，然后对两个分类模型进行了训练，一个是关于不平衡数据(仅训练集)的训练模型，另一个是用VAE生成的训练集+数据训练的模型。问题是第一个模型比第二个模型给出的结果更好(F1分数，Roc auc.)，我认为问题可能是因为VAE训练的数据数量有限。
有什么帮助吗。
浏览 12提问于2022-06-05得票数 0
假设我们已经在一组固定的M特性上训练了一个回归模型n，在一个特定的dataset G上训练了F_1,F_2,…,F_n。现在假设在模型培训之后，附加特性(F_{n+1},…)可以用于子集H\subset G。
将这些特性结合在一起改进对子集H的预测的最佳方法是什么？
我可以想出一些可能的解决方案：
在dataset G上训练一个新的模型D10，其中新特性在G \setminus H中为null。当|H| \ll |G|时，这可能是有用的。
在dataset H上训练一个新的模型D16，而不考虑旧模型和(有用的)培训数据G \setminus H。
使用M'作为起点，对新特性(F_{n+
浏览 0提问于2020-04-24得票数 4
我已经使用model Builder创建了ML.Net模型。模型构建器选择LightGbm作为培训者。这一切都运行得很好。现在，我想通过向现有模型添加新的训练数据来重新训练模型。我不想每次都要从头开始训练模型，将新数据附加到旧的训练数据中，因为在一到两年的时间内，训练数据可能会有数百of。我找不到任何使用LightGbm重新训练模型的示例。请举例说明如何做到这一点。
浏览 0提问于2020-09-20得票数 0
我想使用tensorflow将序列数据训练到具有一些零填充的Rnn基本模型。
我希望模型在训练时忽略0值。
我需要设置参数才能做到这一点吗？或者模型会自动忽略零吗？
谢谢，
浏览 2提问于2021-05-20得票数 0
3回答
在生产水平上，我想使用预先保存的模型来预测我的实时数据.
但是，当分解分类数据时，我不知道如何将实时数据设置为与训练数据保持一致的映射。
我知道我可以将训练数据和新数据堆叠在一起，并使它们保持一致。
然而，堆叠和贯穿整个过程(做整个特征工程、训练和预测)太费时了。
整个过程:15分钟v.s. model.prediction :3秒
由于生产级别系统是时间敏感的，是否有任何方法可以将新数据分解为具有与培训数据相同的映射？
或者只能手动完成，例如
df.loc[df['col_name']=='YES', 'col_name'] =
浏览 0提问于2018-08-21得票数 2
1回答
我已经训练了模型，并将此模型保存到文件cats_and_dogs_small_1.h5中。如何将此模型应用于单独的测试数据(我自己在手机上创建的图片)？ 你能帮我一下吗？
浏览 24提问于2020-04-09得票数 0
我能不能把我所有的训练数据，训练他们的基本模型，然后把他们的结果，并使用他们的训练水平2模型？这是一个好的做法，还是应该采取不同的做法？
浏览 0提问于2020-01-12得票数 1
回答已采纳
我已经配置了SSD mobilenet v1，并且以前也训练过模型。但是，在我的数据集中，每个边界框都有多个类标签。我的数据集是人脸，每个人脸都有两个标签:年龄和性别。这两个标签具有相同的边界框坐标。 在这个数据集上训练之后，我遇到的问题是模型只标记了面部的性别，而不是年龄。然而，在yolo中，性别和年龄都可以显示。 是否可以使用SSD移动网络在单个边界框上实现多个标签？
浏览 37提问于2019-03-21得票数 0
回答已采纳
我正在使用GPU训练一个相当密集的ML模型，如果我开始训练模型，然后让它训练几个时期，并注意到我的更改在损失/精度方面没有显著差异，我将进行编辑，重新初始化模型，并从时期0重新开始训练。在这种情况下，我经常得到OOM错误。
我的猜测是，尽管我覆盖了所有的模型变量，但仍有一些东西占用了内存中的空间。
有没有办法在Tensorflow 1.15中清除GPU的内存，这样我就不必在每次想要从头开始训练时都重新启动内核？
浏览 1提问于2021-03-05得票数 0
1回答
准确度没有进一步提高。
、、、、
我正在使用预先训练的GoogLeNet，然后在我的数据集中对它进行精细的调整，以便对11个类进行分类。我使用不同的base_learning rate尝试了以下配置，但accuracy没有进一步改进。
我使用了预先训练的GoogLeNet模型，然后对前10层和前3层进行微调，基本学习率为0.01，最大迭代数为50K，但这种配置没有提供超过75%的精度。
我使用了预先训练的GoogLeNet模型，然后在最后两层进行微调，基本学习率为0.01，最大迭代次数达到50K，但这种配置不能给出优于71%的精度。
我使用了预先训练过的GoogLeNet模型，然后对最后6层进行微调，基本学习率为0
浏览 2提问于2016-06-08得票数 4
回答已采纳
我是Azure ML Studio的新手，正在尝试弄清楚如何使用Azure SQL Server作为训练输入参数。到目前为止，我可以将本地数据同步到Azure SQL数据库中，并在Azure ML Studio上训练数据和获得输出。我也部署了预测web服务。我需要触发训练服务来从Azure SQL服务器读取数据，但周围的所有示例都将Azure blob存储显示为训练服务输入。
是否可以使用Azure SQL Server作为训练输入参数，并且将从该数据库读取整个训练数据并更新训练的模型？我是否需要将训练的模型保存到Azure Blob存储以用于预测服务，还是将在训练批作业完成后对其进行更新，以
浏览 31提问于2017-10-28得票数 1
1回答
分裂前的特征工程
、、、
这是一个对原来封闭的帖子(这里)的姐妹贴子。由于数据转换部分是在数据分割后完成的，我想知道这种转换是否与我们如何对数据进行子采样有依赖关系呢？当我们选择不同部分的训练数据时，我们可以得到不同的转换结果。
但我个人认为很难说服自己:数据转换是否应该尽可能地保持不变和可泛化，跨越数据集的不同子样本？
此外，作为测试部分的数据也代表了真实世界的数据。难道我们不应该在分裂之前就对数据进行转换吗?我们能更多地了解“真实世界”中的数据是什么样子吗?我们不浪费数据吗？虽然我同意我们只对训练集进行转换，并在模型评估/训练阶段的预测过程中重新应用相同的训练集，但如果在实际部署过程中，我们对整个数据集进行转换，并
浏览 0提问于2022-04-10得票数 1
我想在Django应用程序中实现一个神经网络模型，这样它就可以通过REST API与其他应用程序通信。Django应用程序迭代地(1)从另一个应用程序收集一批训练数据，(2)根据到目前为止聚合的数据重新训练模型，以及(3)根据该另一个应用程序的需求提供预测。时间在这里是至关重要的因素。在这些步骤之间，我如何以及在哪里存储训练模型的实例？
浏览 24提问于2019-01-21得票数 0
回答已采纳
2回答
考虑一个dataset A，它有关于二进制分类问题的训练示例。由于数据集高度不平衡，我使用了支持向量机，并应用了加权方法( MATLAB)。我把权重与每堂课的数据频率成反比。这是在训练中完成的。我使用了10倍交叉验证进行培训。经过培训，我得到了A上的混淆矩阵：
80025 1
0 140
其中，第一行用于多数类，第二行用于少数类。只有一个假阳性(FP)，所有的少数类样本都被正确分类，真阳性(TP) = 140。
问题:我再次使用更多的数据点进行训练。然后，我在一个新的未见测试数据集B上运行经过训练的模型，这是在培训期间从未见过的。这是在B上测试的混淆矩阵。
50075 0
100 0
可以看出
浏览 0提问于2018-12-12得票数 1
我有以下问题。我想建立一个地物分类模型。我的数据是具有多个波段的多时相遥感数据。为了训练，我创建了分层随机分布的点来提取他们位置上的光谱数据。利用这些数据，使用mlr3包对随机Forrest (Rpart)进行训练。为了测量精度，使用mlr3spatiotempcv进行了重复的空间交叉验证。训练步骤的结果模型在提取后存储在R类型的rpart对象中。在术语中，此对象的字段是存储的变量名。这些都是我用过的波段，也是空间x和y坐标。这给预测新数据带来了问题。我使用了terra软件包，得到了输入数据中缺少的x层和y层的错误。哪种类型有意义，因为它们存储在模型的terms字段中。但据我所知，坐标不应该是
浏览 4提问于2022-03-01得票数 1
回答已采纳
我正在使用亚马逊Personalize开发一个推荐引擎，并发现在交互数据集中，我们可以输入不同的EVENT_TYPE和相应的EVENT_VALUE. 如果我用两种事件类型(如购买和点击)构建模型，我可以说我可以通过在交互数据集中将购买的EVENT_VALUE设置为10，点击的EVENT_VALUE设置为3来使模型训练理解购买事件比点击事件更重要(表示更强的交互性)，并以这种方式执行模型训练吗？
浏览 25提问于2020-12-30得票数 0
1回答
迁移学习中嵌入的训练与测试
、、、、
我正在做转移学习与谷歌音频嵌入。根据文件，
嵌入层不包括最终的非线性激活，因此嵌入值是预激活的。
我想用嵌入数据在这些嵌入层上训练和测试一个新的模型。我计划做以下工作
从字节字符串到张量的嵌入，创建了新的密集layers.Convert。将这些嵌入分割成训练、测试和拆分数据集。将这些张量输入到新的中，并使用验证数据集和测试数据集测试模型。
我对这个实现有两种混淆。
正在使用嵌入作为新层的输入，足以进行迁移学习吗？我在一些传输学习实现中看到，他们将预先训练过的权重加载到新模型中，并冻结涉及这些权重的层。但是在这些实现中，他们使用新的数据进行训练，而不是从预先训练的模型中嵌入数据。我搞不懂它是如
浏览 0提问于2022-03-27得票数 -1
3回答
如何为训练模型准备图像数据集？
、、、、
我有一个项目，使用深度CNN来分类停车场。我的想法是对每个空间进行分类，无论有没有车。我的问题是，如何准备图像数据集来训练模型？我已经下载了用于训练的PKLot数据集，包括负图像和正图像。我应该将我所有的数据训练图像转换为灰度吗？我是否应该将所有训练图像重新调整为一个固定大小？(但是如果我将我的训练图像调整到一个固定的大小，我就有了横向和纵向图像)。谢谢:)
浏览 0提问于2017-09-04得票数 0
1回答
我在多个图像上训练了我的knn分类器，并保存了模型。我正在训练一些新的图像。我不想重新训练已经存在的模型。
如何将新训练的模型添加到已保存的模型中？
如果这是可能的，或者有任何描述它的文章，有人可以指导吗？
谢谢,
浏览 2提问于2018-02-07得票数 1
我可以使用训练数据集构建Spark Kmeans模型。我想让我的模型适应新的数据，所以Spark StreamingKmeans对我来说似乎很棒。
然而，似乎星火的StreamingKmeans只能在数据流上进行训练。没有办法用默认的kmeans模型初始化它，在一些静态训练数据上训练，然后随着时间的推移用新的流式输入数据训练模型。
是否有一种方法可以使用静态训练数据在Spark中初始化KMeans模型，并使用StreamingKmeans随着时间的推移使用新数据对其进行训练？
浏览 13提问于2016-07-25得票数 0
回答已采纳
他们现有的集成技术是否利用训练数据的子集来预测哪一种算法更适合于预测测试数据的每个实例？
假设我们有N个大小的训练集和K大小的测试集，其中需要使用训练集来预测特定的属性。但是我们可以使用数以百计的算法和方法。我们可以将训练集分成两部分，用前半部分对每个模型进行训练，在下半场确定测试结果。根据实际测试用例(K大小集)的特点，确定使用哪一种算法。举个例子，假设dataset有一个名为“温度”的属性。当温度高于100摄氏度时，特定的算法可能会工作得很好。然后，我们可以将所有100度或以上的实例分类为特定的类。然后，最后的预测将在此基础上进行，使用所有N个大小的数据对模型类进行训练。
我要问的是，这是
浏览 0提问于2017-11-05得票数 1
回答已采纳
我需要将在TensorFlow 1.12.0Python中训练的模型转换为TensorFlow.js的模型。什么版本的tf.js和tf.js转换器与它兼容？
浏览 21提问于2019-10-02得票数 2
回答已采纳
我得到了这个示例数据集，其中有数千行，如下所示。我需要训练一个模型，根据其他5个值预测价格的值。
我是python的新手，我正在使用python 3.6和Jupyter。
在其他项目中，我能够预测数值，但可以预测所有数值所在的单元格。
我如何才能像前两列那样使用字母数字值呢？
然后，当模型/网络已经训练好后，我想输入5个值，该脚本返回一个预测的价格作为输出。
浏览 3提问于2019-02-21得票数 0
在阅读GAN入门教程以生成mnist (如手写数字)时，我想知道由于不同的数字而导致的训练数据的系统差异是否会使模型更难训练。
如果所有的实际样本都是1s而不是0-9s，那么训练一个模型不是更容易吗？
我的问题
我训练一个单独的模型来分别生成每一个数字(0-9)，只使用一种类型的数字的训练数据，这种方法完全可行吗？
只训练一位数的模型比使用所有mnist的模型更快(即，达到一定精度/质量所需的时间更短)。
编辑
我为我找到了一个可以接受的答案(见下文)，但很明显，我很高兴其他人参与进来。
浏览 0提问于2019-10-10得票数 1
我试图在python中创建一个gui，其中用户选择训练数据，然后通过按下训练按钮训练一个神经network.Then，用户可以获得测试的准确性或使用模型来预测某事。
问题是，由于gpu不足，我无法在pc机上训练神经网络。我想上传Google 中的培训文件，然后远程运行python脚本，该脚本在google中训练模型，然后返回训练的准确性，或者给出一张Google云存储中的图片，并运行类似于predict.py的远程操作，使用以前训练过的模型(例如，我在Google云存储中保存的)来预测图片的标签。
到目前为止，我已经找到了如何从python远程访问google，但我不知道如何远程运行pytho
浏览 1提问于2018-06-04得票数 0
大多数有监督机器学习问题的基本过程是将数据集分为训练集和测试集，然后在训练集上训练模型，并在测试集上评估其性能。但在许多(大多数)环境中，例如疾病诊断，将来会有更多的数据可用。我如何使用它来改进模型？我需要从头开始重新训练吗？如果是这样的话，什么时候是重新训练的合适时间(例如，特定百分比的额外数据点)？
浏览 1提问于2021-02-17得票数 0
2回答
我试图了解机器学习中的模型评估和验证过程。具体而言，培训、验证和测试集的使用顺序和方式。
假设我有一个数据集，我想使用线性回归。我在各种多项式度(超参数)之间犹豫不决.
在中，这似乎意味着顺序应该是：
将数据拆分为培训集、验证集和测试集
使用训练集来拟合模型(找到最佳参数:多项式系数)。
之后，使用验证集来找到最佳的超参数(在这种情况下，多项式度)(维基百科的文章说：“连续地，拟合模型用于预测第二个数据集中的观测结果，称为验证数据集”)。
最后，使用测试集对与训练集相匹配的模型进行评分。
然而，在我看来，这似乎很奇怪:如果您还没有选择您的超参数(在这种情况下是多项式度)
浏览 1提问于2019-01-10得票数 1
回答已采纳
1回答
在火炬训练中如何保存模型？
、、、、
我正在为一种新的语言训练RoBERTa模型，训练数据需要几个小时。所以我认为在训练的同时保存模型是个好主意，这样我就可以继续训练模型，从它下次停止的地方开始。
我正在使用torch库和google来训练模型。
这是我的colab文件。
浏览 11提问于2022-02-07得票数 1
回答已采纳
我有250张人脸图像，我将用这些图像来训练模型。为了方便起见，我要做的是挑选前10个图像，并使用leave-one-out交叉验证来训练模型，以便每个图像都有机会成为测试图像。我所理解的是，在这种情况下，我的训练数据集的大小是9，测试数据集的大小是1。之后，我将获得下10个图像，然后使用它们来训练模型。在这种情况下，我的训练数据集的大小将是19，测试数据集将是1(这将重复发生20次，以便每个图像都有机会出现在测试集中)。同样，这个过程一直持续到我使用了所有的250张图像来训练模型。
我不理解的是“验证数据集”。我做错了吗？
在Stackoverflow上有一个答案，但我不清楚。这就是我发布这个
浏览 2提问于2014-07-31得票数 1
我正在学习机器学习和深度学习。我正在尝试从Keras网站https://keras.io/examples/generative/wgan_gp/自定义此模型 我的模型在每次训练迭代中获取3512x512张图像(来自10个不同的目录)，然后将其划分为用于训练生成器和鉴别器的补丁。这些图像必须是连续的，并且属于同一目录。可以在每次迭代中随机选择目录，并且必须从其中获取3个图像。总而言之，对于每次训练迭代，算法必须选择一个随机目录，获取3个连续的图像，并将它们划分为补丁，以训练两个网络。 如何在fit()中自定义迭代数据集的方式来实现这一点？
浏览 17提问于2020-10-11得票数 1
回答已采纳
2回答
训练完成后，训练后的模型将保存为H5格式。但我不知道如何使用该H5文件作为分类器来对新数据进行分类。在对新数据进行分类时，H5模型在理论上如何工作？
浏览 6提问于2019-02-07得票数 1
对于语音二元化任务，我可以只在基于英语的数据集(单个单词的发声)上训练我的模型，但在我的语言中进行评估吗？或者这是不合理的，并且模型将显示糟糕的结果？
我需要实现一个相当简单的模型，但在我的语言中没有数据集。
浏览 7提问于2020-01-10得票数 0
我尝试训练模型来获得句子相似度(在我的例子中是一些组织的名称)
我用来训练模型
names_tok = [TaggedDocument(words=word_tokenize(name.lower()), tags=[str(i)])
for (i, name) in enumerate(names)]
# train model
max_epochs = 50
vec_size = 50
alpha = 0.025
model = Doc2Vec(size=vec_size,
alpha=alpha,
浏览 0提问于2019-02-19得票数 0
2回答
我已经训练了一个模型，并创建了端点。我试图使用postman调用端点。但是在训练模型时，甚至在那之后，我还没有为训练数据指定任何标题。我不知道如何在向sagemaker发送邮件请求时创建有效负载
浏览 1提问于2018-04-05得票数 8
回答已采纳
1回答
我使用固态硬盘和更快的r-cnn训练我的数据集用于tensorflow对象检测，我的数据集中有220个训练图像和30个测试图像。我对模型进行了200k步的训练，结果损失在1以下。但当我在视频上测试我训练过的模型时，它几乎可以检测和标记视频中的所有内容。有人能告诉我为什么会这样吗？谢谢
浏览 1提问于2017-11-21得票数 2
我们使用GBM模型对大约15 GBM的海量数据进行训练。经过训练的模型大小变得很大，大约为17 The。在训练的模型中，我们看到数据与树和其他模型细节一起保存，约占总模型大小的96%。
在训练的模型中是否有任何数据的用途，特别是用于预测目的。我们正在保存模型并在预测的同时重新加载模型，这需要很长的时间。
浏览 22提问于2020-02-12得票数 0
我已经训练并保存了我的H2O AutoML模型。重新加载后，当我使用predict方法时，我得到以下错误: java.lang.IllegalArgumentException:测试/验证数据集有一个非分类列'response‘，它在训练数据中是分类的
在创建模型时，我没有指定任何编码，但是现在我得到了这个错误。在这个问题上，有人能帮我吗？
任何帮助都将受到高度的感谢。
浏览 16提问于2019-08-16得票数 9
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
对象存储
即时通信 IM活动推荐
腾讯云开发者
