获取torchvision的预训练网络的分类标签
可以通过以下步骤实现：
- 导入必要的库和模块：
import torchvision.models as models
import json- 加载预训练模型：
model = models.resnet50(pretrained=True)- 获取分类标签：
# 下载ImageNet的标签文件
!wget https://raw.githubusercontent.com/anishathalye/imagenet-simple-labels/master/imagenet-simple-labels.json
# 读取标签文件
with open('imagenet-simple-labels.json') as f:
labels = json.load(f)
# 打印分类标签
print(labels)以上代码使用了torchvision库中的ResNet-50模型作为示例，你也可以使用其他预训练模型。获取分类标签的过程中，我们下载了一个包含ImageNet标签的JSON文件，并将其读取到一个列表中。最后，你可以打印出这些分类标签。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（AI Lab）
- 腾讯云图像识别（AI 图像处理）
- 腾讯云自然语言处理（NLP）
- 腾讯云音视频处理（云点播）
- 腾讯云物联网平台（IoT Explorer）
- 腾讯云移动应用分析（MTA）
- 腾讯云对象存储（COS）
- 腾讯云区块链服务（BCS）
- 腾讯云游戏多媒体引擎（GME）
- 腾讯云云原生应用引擎（TKE）
- 腾讯云云服务器（CVM）
- 腾讯云云安全中心（SSC）
- 腾讯云数据库（TencentDB）
- 腾讯云网络通信（VPC）
- 腾讯云云原生数据库（TDSQL）
- 腾讯云云原生存储（Cloud Storage）
- 腾讯云云原生安全（Cloud Security）
- 腾讯云云原生音视频（Cloud AVP）
- 腾讯云云原生人工智能（Cloud AI）
- 腾讯云云原生物联网（Cloud IoT）
- 腾讯云云原生区块链（Cloud BaaS）
- 腾讯云云原生移动开发（Cloud Mobile）
相关·内容
1回答
Pytorch的torchvision包提供了用于图像分类的。我一直使用以下代码来使用Alexnet对图像进行分类(注意:其中一些代码来自)：
from PIL import Image
import torch
from torchvision import transforms
from torchvision import models
# function to transform image
transform = transforms.Compose([
transforms.Resize(224),
transforms.CenterCrop(224),
浏览 17提问于2020-03-05得票数 2
1回答
我想知道，当人们说预训练的bert模型时，是否只训练了最终的分类神经网络 或 通过反向传播和分类神经网络，transformer内部是否有任何更新
浏览 121提问于2021-02-04得票数 1
回答已采纳
1回答
我想用火把训练手手势分类器。
我尝试使用resnet34和某种数据增强。我在测试集上获得了很高的精度，但当我试图在现实世界中识别我自己的手势时，我的准确率却很低。当背景是白色时，它工作得很好，当其他事情(我的脸、椅子、床等)变得疯狂的时候。出现在背景中。也许这是因为测试图像有一个纯粹的背景，那么如何改进我的分类器呢？另外，我还想在我的爪子中添加一个“非手势”类别。我怎么能这么做？这是我的数据增强转换：
transform = torchvision.transforms.Compose([
torchvision.transforms.Grayscale(3),
浏览 2提问于2020-06-19得票数 0
回答已采纳
1回答
当使用torchvision.models模块加载经过预先训练的VGG网络并使用它对任意RGB图像进行分类时，网络的输出在不同的调用之间有明显的不同。这一切为什么要发生？根据我的理解，VGG向前传球的任何部分都不应该是非确定性的。
这是一个MCVE：
import torch
from torchvision.models import vgg16
vgg = vgg16(pretrained=True)
img = torch.randn(1, 3, 256, 256)
torch.all(torch.eq(vgg(img), vgg(img))) # result is 0, but
浏览 0提问于2019-05-06得票数 2
回答已采纳
我想在已经在ImageNet上训练的模型上使用迁移学习来创建一个图像分类器。 如何用我自己的自定义分类器替换torchvision.models ImageNet分类器的最后一层？
浏览 24提问于2018-12-21得票数 1
1回答
SimCLR不学习表示
、、、、
因此，我试图在一个包含字母表前5个字母的数据集上训练一个具有自定义轻量级ConvNet主干的ConvNet网络(已经使用了ResNet )，其中两个字母是随机选择的，并被放在图像中的随机位置。我不确定在这样的场景中使用什么增强，所以我只使用图像翻译来提供增强样本之间的某种程度的差异。
这听起来是一项极其琐碎的任务，但在建立在冻结的预先训练网络之上的多标签分类器上，它的性能非常差。我很肯定，这是因为学习到的表示的质量很差，而不是线性分类器。显然，这在监督分类器上工作得很好。
我试过的变体：
使数据集具有单字母、随机位置(多类)，性能很好，用随机字母制作数据集，但中心位置相同，性能良好。上面提到的
浏览 1提问于2020-11-21得票数 4
2回答
我想使用SqueezeNet数据集而不是ImageNet数据集来训练MNIST1.1模型。
我能要和torchvision.models.squeezenet一样的型号吗？
谢谢!
浏览 0提问于2018-12-03得票数 1
回答已采纳
我试图用张量流进行图像分类。现在我正在收集和标注训练数据，但这是相当乏味，缓慢和痛苦的。目前，用我的手收集的训练数据，我的模型大约有57%的时间在一张图片中预测正确的课程，因为他们有6个不同的类别，这显然比随机猜测做得更好。
无论如何，我想知道我的分类器在57%的时间里是否正确；用这个分类器来标记新的训练数据，以便自动收集和标注训练数据，是否可行？很明显，这些训练数据不会贴上完美无缺的标签，其实只会贴上57%左右的标签，但这是否仍然有效呢？这会不会帮助模型的准确性，不会影响它，或损害它？这似乎是一个有趣的思维实验：
如果Z是标记新训练数据的分类器的精度，N是我们所拥有的训练数据示例的数目，G是
浏览 4提问于2017-05-15得票数 0
回答已采纳
1回答
我很清楚，我不是在问具体问题。但是，我要求关于如何使用NiftyNet进行医学成像工作的指导。这肯定会使我有能力做一些工作，并就尖锐的问题寻求帮助(这些问题肯定会出现)。
我不知道医学影像和niftynet的使用分类。我试图提出一个简单的分类任务，使用这个数据集和预先训练的模型。
我收集了几个口腔的jpg照片。他们被标记了3个标签(正常，预，pos)。我喜欢蟒蛇，比目鱼和tensorflow。我需要以下方面的帮助：
我在哪里寻找使用NiftyNet预先训练的模型来进行这类分类？
有什么代码库可以让我走吗？
谢谢你的帮助。
浏览 6提问于2019-11-12得票数 0
我正在尝试用修改后的输入通道数加载vgg19网络。输入通道的数量是4，这是我的情况，我也将分类器更改为我自己的分类器。我还从网络中删除了自适应平均池化层。我应该如何将预先训练好的权重加载到我的PyTorch模型的修改版本中？ 假设我的模型的修改版本在变量myModel中。我如何将vgg19的预训练权重加载到相同的？
浏览 170提问于2019-12-14得票数 0
回答已采纳
2回答
我希望有人能为我的项目提供指导/投入/建议，我相信人工智能可以帮助我。
我对人工智能有一个大致的理解，但我缺乏正规的训练。
我从来没有靠自己从零开始建立过神经网络。
任务
构建一个能够为输入文本数据分配标签的分类模型。
与教科书中的例子不同，输入是自由文本，所以既不是分类的，也不是数字的。
更复杂的是，我使用的训练数据中的预测因子通常是相似的。
数据
输入:由职务说明组成的短文本数据，例如。_senior营销manager_最短条目由一个单词组成，最长的输入数据最多为20 words.，输入数据形成一个封闭列表(~130 k条目)，但可能会出现新的、看不见的文本。
标签:65个文本标签的
浏览 0提问于2021-06-09得票数 2
回答已采纳
我有一套用来建立标签功能的特征(A组)和另一组用来训练滑雪板分类器(B组)的功能。
生成模型将输出一组概率标签，我可以用来训练我的分类器。
我是否需要在我的分类器特征中添加标记函数所使用的特征(集合A)？(设置B)还是仅仅使用生成的标签来训练我的分类器？
我指的是，我没有看到他们使用标签函数中的特性来训练新的分类器。
正如在cell 47中所看到的，特性化完全是使用CountVectorizer完成的：
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer(ngram_
浏览 8提问于2020-01-20得票数 1
回答已采纳
1回答
我正在尝试创建基于深度神经网络的分类器，用于胸部X光检查是否有肺结核。我读到迁移学习技术可以使用初始模型v3来实现。我的问题是，初始模型是通过使用imagenet(物理对象)训练创建的，对吗？如何将其用于医学图像训练？
浏览 0提问于2019-12-04得票数 1
2回答
Pytorch:图像标签
、、、
我正在开发一个有31个类的图像分类器(Office数据集)。每个类都有一个文件夹。我有一个使用PyTorch编写的python脚本，它使用datasets.ImageFolder加载数据集，并为每个图像分配一个标签，然后训练。以下是我用于加载数据的代码片段：
from torchvision import datasets, transforms
import torch
def load_training(root_path, dir, batch_size, kwargs):
transform = transforms.Compose(
[transforms.
浏览 38提问于2018-08-18得票数 17
回答已采纳
1回答
我对训练一系列图像和对象检测模型很感兴趣，我想知道何时使用像VGG16这样的网络的预训练权重的一般规则是什么。
例如，很明显，微调预先训练好的VGG16 imagenet模型权重对您正在寻找子集ie很有帮助。猫和狗。
然而，对于我来说，如果你正在训练一个有300个类的图像分类器，其中只有一些是预训练模型中的类的子集，那么使用这些预训练的权重是否是一个好主意就不太清楚了。
围绕这一点的直觉是什么？
浏览 36提问于2017-08-06得票数 1
回答已采纳
我遵循了本教程来训练一个pytorch模型，例如分段：
我不想训练一个完全不同的数据和类别的模型，完全不相关的可可。我需要做什么改变来重新训练模型。从我的阅读来看，我猜想除了有正确的课程数量之外，我只需要训练这一行：
model = torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=True)
至
model = torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=False)
但是我注意到还有另外一个参数：pretrained_backbone=T
浏览 2提问于2020-12-19得票数 3
回答已采纳
1回答
我正在尝试使用PyTorch进行转移学习。我想先训练fc层，然后完善整个网络。不幸的是，经过训练fc层，然后通过我的网络，以finetune，我失去了在第一次训练中获得的准确性。这是一种预期的行为还是我在这里做错了什么？
以下是代码：
model = torchvision.models.resnet50(pretrained=True)
for param in model.parameters():
param.requires_grad = False
num_ftrs = model.fc.in_features
model.fc = nn.Linear(num_ftrs,
浏览 0提问于2019-08-26得票数 2
回答已采纳
为什么当我为相同的选项和相同的数据库训练一个网络模型时，我得到了不同的训练模型，在结果上，我有不同的结果分类。
1)我有一个循环来训练n次神经网络模型。
2)我设置了相同的培训选项
3)我有相同的数据库来训练和测试
4)我使用相同的预训练模型(例如google net)。
最后，每次(n=1,2,3)我都有不同的分类结果。差额甚至等于10个百分点。
数据库-人脸图像(总是读取相同的数据库，而不是随机读取)模型--我使用了Matlab预先训练的模型，以及只对github的人脸图像进行预训练的模型。
opts = trainingOptions('sgdm', ...
浏览 1提问于2019-10-23得票数 0
1回答
用于文本分类的预训练模型
、、、、
所以我有几个没有标签的单词，但我需要将它们分类为4-5个类别。我可以明确地说，这个测试集是可以分类的。虽然我没有训练数据，因此我需要使用预先训练好的模型来对这些单词进行分类。哪个模型适合这个范例，它已经在哪个数据集上进行了训练？
谢谢
浏览 19提问于2020-12-12得票数 0
1回答
正如标题所提到的，如果我已经预先训练了骨干，并且我想只训练RPN，而不是使用torchvision的更快的R-CNN来训练分类器。 是否有可以传递给create_model函数的参数，或者是否要停止训练我的train()函数中的分类器？ 我在用手机，所以请原谅我的编辑 这是我的create model函数 Create your backbone from timm
backbone = timm.create_model(
“resnet50”,
pretrained=True,
num_classes=0, # this is important to remove fc layers
浏览 22提问于2021-08-07得票数 0
回答已采纳
场景--我有没有标签的数据，但是我可以创建一个函数来根据行为给数据贴上标签并部署模型，这样我就不必一直给数据贴标签了。这算是机器学习吗？
目标：基于高、中、低标签对大数据(数万亿行数据)进行容量峰值分类
data ：我拥有的数据包括以下属性:帐户、时间、日期、卷金额。
方法
创建一个名为“尖峰”的新特征列，并创建一个熊猫函数来识别大于5的尖峰。这是功能工程吗？
接下来，我创建我的标签列，并将其分类为低、中或高峰值。
接下来，我将训练一个机器学习分类器，并将其部署到大数据中标记具有类似模式的未来帐户。
关于这个过程的想法？这种方法对机器学习是正确的吗？
浏览 1提问于2019-06-26得票数 0
2回答
假设我训练了一个像ResNet这样的经过预先训练的网络，并将其设置为在pipeline.config file中检测fine_tune_checkpoint_type属性。据我所知，这意味着我们采取预先训练的权重模型，除了分类和框预测头。此外，这意味着我们可以创建我们自己的标签类型，然后作为我们要创建/训练的模型的分类和框预测头。
现在，假设我对这个网络进行了25000步的训练，并且希望以后继续训练，而不让模型忘记任何东西。是将pipeline.config中的pipeline.config更改为full以继续培训(当然还加载正确的检查点文件)，还是让它设置为detection？
编辑：
这是
浏览 5提问于2021-09-11得票数 3
回答已采纳
1回答
我有以下代码，它在Keras中使用经过预先训练的ResNet50模型和imagenet DataSet：
from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np
model = ResNet50(weights='imagenet')
print(model)
fine.
浏览 1提问于2019-03-06得票数 0
回答已采纳
1回答
例如，如果我们有一个超过10000个数据点(训练集的大小)的训练集，并且没有超过100000个特征和大约20个.So的类别标签，在这种情况下，哪个分类器(像决策树，支持向量机，朴素贝叶斯，神经网络，boosting)将给我最大的准确性来分类测试数据的类别标签。
浏览 0提问于2013-02-06得票数 0
1回答
我训练了一个基于深度学习的检测网络来检测和定位一些对象。我还训练了一个基于深度学习的分类网络来对检测到的物体的颜色进行分类。现在我想结合这两个网络来检测物体并对颜色进行分类。我在合并这两个网络并同时运行它们时遇到了一些问题。如何在运行检测时调用分类？
它们在两个不同的框架中:分类器基于Keras和TensorFlow后端，检测基于opencv DNN模块。
浏览 2提问于2020-06-24得票数 0
TorchVision检测模型有一个weights和一个weights_backbone参数。使用预训练的weights是否意味着模型在引擎盖下使用了预训练的weights_backbone？我正在训练一个RetinaNet模型，并且不确定我应该使用哪两个选项，以及不同之处。
浏览 18提问于2022-11-18得票数 1
回答已采纳
1回答
如何为训练暹罗神经网络准备数据集
、、、、
我试图通过建立一个带有角角的人脸识别模型来实现一个暹罗神经网络。以前，我使用分类实现了CNN人脸识别模型(带有keras)，因此我的数据集已经被分成训练数据、训练标签、验证数据、验证标签和测试数据。用于此目的的数据集由226个图像类组成。我使用2799张图像进行训练，226张图片进行验证。现在我想使用数据集来训练一个暹罗神经网络。为了这个目的，我该如何分割数据呢？
浏览 1提问于2019-07-02得票数 3
回答已采纳
2回答
我今天想知道，在学习神经网络时，动态地从训练数据集中删除数据是否是一种好方法。假设有一个分类任务，这种方法将类似于
为一个时代而训练网络。
删除训练数据集中的低熵、分类正确的元素，即网络对预测的把握和预测的正确性。
回到1。
不时检查以前丢弃的结果是否仍然是确定和正确分类的。
使用这种方法，可以减少训练时间，同时保持模型的准确性。
有人知道这是什么可以做的事吗？我知道这种方法类似于主动学习，在这种情况下，你只能用低确定性来标记元素，但这种方法正好相反:我们对所有元素都有标签，但我们决定放弃其中一些元素，以使培训更快。
浏览 0提问于2023-02-07得票数 1
1回答
我可以访问100个人的数据框架，以及他们在某个动作测试中的表现。此帧包含每个人约25,000行，因为此人的性能跟踪(大约)每厘米秒(10^-2)。我们希望使用这些数据来预测二进制y标签，也就是说，如果有人有运动问题。
经过训练的神经网络对每个人的某些列的均值和方差进行了正确的分类+-72%。基于人均某些列的均值和方差的朴素贝叶斯分类器对+-80%进行了正确分类。
现在，由于这是基于时间的数据，“在此测试中的性能通过时间”，我们被建议使用递归神经网络。我对此进行了研究，我发现它主要用于预测未来的事件，即在接下来的几厘米内发生的事件。
问题是，使用RNN的数据(以一种基于时间的方式)来预测二进制标
浏览 0提问于2019-01-21得票数 0
目前，NLP最先进的技术是在特定的任务上完善一个大型的预先训练的语言模型，如BERT/GPT等。这些语言模型是对大量数据进行预训练，然后根据为回答问题、机器翻译等。而发布的流行标记数据集进行基本评估。由于这些数据集已成为评估这些模型的事实上的缺省值，这些数据集已一次又一次地在各种网站上发布。因此，这些数据集(训练和测试数据)基本上包括分类任务中的标签或Q/A任务中的答案。所以现在，当训练一种新的大型语言模型(使用一种新的体系结构)时，它会被大量的文本数据所填充，而这些数据通常也是从互联网上刮来的。难道在这些LMs的培训阶段，网络已经看到了这些精确的数据(并了解了这些数据的共现性)，而这些数据后
浏览 0提问于2022-10-21得票数 5
我的目标是使用预先训练的VGG16来计算不包括顶层的特征向量。我想要计算每个图像的嵌入(不涉及训练)，而不是一个接一个地给网络提供批次，因为这个网络只是计算嵌入，而不是分类。在批量训练中，我理解批量规范化的重要性，但是对于单个图像，我应该将其按像素化吗？我所能想到的是，也许在图像中减少光照的重要性是有用的。我是不是遗漏了什么？
浏览 0提问于2020-09-25得票数 0
2回答
我正在训练一个用于多标签分类的神经网络，具有大量的类(1000)。这意味着每个输入可以有多个输出处于活动状态。平均而言，我每个输出帧有两个活动的类。在具有交叉熵损失的训练中，神经网络求助于仅输出零，因为它使用此输出获得的损失最小，因为99.8%的标签是零。有什么建议我可以推动网络给积极的课程更多的权重吗？
浏览 2提问于2017-02-10得票数 12
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。更具体地说，我想知道我是否需要显示两个或更多标签组合的培训图像，或者是否足以在单个标签上对网络进行培训，然后它将能够检测到图像中的多个标签。
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
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。更具体地说，我想知道我是否需要显示两个或更多标签组合的培训图像，或者是否足以在单个标签上对网络进行培训，然后它将能够检测到图像中的多个标签。
我想我的问题通过一个例子变得更清楚了：
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 5
2回答
我正在尝试理解GAN是如何训练的。我相信我理解对抗训练的过程。我似乎找不到的信息是: GANs在训练过程中是否使用类标签？我目前的理解是否定的--因为鉴别器只是试图区分真实或虚假的图像，而生成器试图创建真实的图像(但不是任何特定类别的图像)。
如果是这样，那么研究人员建议如何使用鉴别器网络进行分类任务？该网络将只能在真实或虚假图像之间执行双向分类。生成器网络也很难使用，因为我们不知道输入向量'Z‘的什么设置会产生所需的生成图像。
浏览 4提问于2017-07-05得票数 0
我在自己的自定义数据集上优化了pytorch torchvision model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)。
我遵循了这个指南，但只训练了更快的RCNN，而不是Mask RCNN。
我成功地完成了训练，没有出现错误，模型返回了一个包含预测框、标签和分数的字典。
在我遵循的指南中，他们展示了如何可视化经过训练的模型预测的掩模。有没有类似的方法来可视化边界框？我很难弄清楚这件事。
谢谢
浏览 17提问于2020-02-18得票数 3
回答已采纳
1回答
在评估卷积神经网络的训练结果方面，我需要一些帮助。这是我的设置：
体系结构: InceptionV3
基于图像网络权重的预训练InceptionV3
替换了最后一层，重新训练了网络的下半部分
分类:带交叉熵ploss的软件
带有keras默认参数的Adam优化器
超参数:学习率0.0001，批次大小64
目标:具有独占标签的多标签分类
数据:17个类别，从0到16，共有48.600张图片。
培训，测试，验证: 80%，10%，10%
训练:2个时代只进行最后一层的训练+2个时代的网络后半期训练
结果
基于我的验证集，我创建了一个具有以下结果的混淆矩阵。
📷
这里还有一些更多的每级性能指标：
浏览 0提问于2018-03-11得票数 2
各位，我是初来乍到的。目前，我尝试使用从模型动物园下载的经过训练的GoogleNet对一些图像进行分类。然而，网络的输出似乎是一个向量，而不是真正的标签(如狗，猫)。我在哪里可以找到标签地图之间的训练模型，如谷歌网的输出到他们真正的类标签？谢谢。
浏览 2提问于2015-01-16得票数 4
回答已采纳
1回答
是否有解决以下问题的方法：
比方说，我在一个大型数据集上训练了一个神经网络，用于对k类中的不同水果进行分类。之后，我得到了一个很好的模型，它的表现非常好。
现在，我想使用这个模型来对相应的k类中的结果进行分类，因为它是事先计划好的。不幸的是，我现在想分类的水果都还没有成熟，但我的训练集只包括成熟的水果。此外，我还有一些照片，这些不是成熟的水果，但没有标签。
我如何使我的神经网络适应这些稍微不同的领域与我的图片，不成熟的水果(也没有标签！)老任务的性能并不重要。我唯一想要的就是分类不成熟的水果。
我现在唯一的想法是使用虚拟对抗性训练(增值税)的未标记图片。
浏览 0提问于2018-12-18得票数 0
回答已采纳
我用4通道图像(RGBY)标记了dataset。我想使用预先训练的分类模型(使用pytorch和ResNet50作为模型)。所有的pytorch模型的3个渠道，尽管。那么，问题是：如何使用3通道预训练模型来处理4通道数据？我下一种方式是加载模型：
import torchvision.models as models
resnet50 = models.resnet50(pretrained=True)
浏览 1提问于2021-06-03得票数 0
回答已采纳
我正在尝试建立一个分类器来对手语手势图像进行分类。具有以下文件夹及其子文件夹1)训练2)验证3)测试 每个子文件夹都有名为A到I的文件夹。这些文件夹名称是这些文件夹中图片的标签。 我真的不确定如何将这些标签链接到图片并将它们输入到模型中。 大多数Pytorch在线文档使用内置的数据集，对于该领域的新手来说，很难理解幕后发生的事情。我读过有关数据加载器、数据集、ImageFolder的文章。我最近刚刚开始深度学习，在机器学习中使用内置的函数和pandas列来拆分数据很容易，而不是使用图片。 我所能做的就是这两个函数，但不确定如何继续： 第一个函数是加载训练图片 data_path =
浏览 11提问于2019-10-12得票数 0
1回答
NLP中迁移学习的资源与实用技巧
、、、、
我有一些标签数据来训练和测试一个DNN。本文的主要目的是训练一种能够对文本进行二值分类的模型。为此，我有大约3000个标签数据和60000个未标记数据可供我使用。我的数据类型与指示有关(比如-打开门标签-1，给我一杯水标签-1，给我钱标签-0等等)。在这种情况下，我听说从其他模型转移知识将对我有很大帮助。有人能给我一些有用的资源来转移学习在NLP领域吗？
我已经做了一些实验了。我使用GLoVE作为预先训练过的嵌入。然后用我的标签数据测试它。但准确率在70%左右。还尝试了使用我自己的数据(63k)构建嵌入，然后对模型进行训练。试验数据的准确率为75%。我的模型架构如下-
📷
Q1:我有一个简单的
浏览 0提问于2018-08-20得票数 2
1回答
我应该按什么顺序训练我的CNN
、、、、
我目前正在训练一个卷积神经网络，根据苹果的外观对烂苹果和正常苹果进行分类。我有所有必要的数据，但是我对以下代码行有一个问题。
epoch_x, epoch_y = tf.train.batch([resized_image, "Normal"], batch_size=batch_size)
这为神经网络提供了图像和标签。我的问题是，我是否应该用所有批次的正常橙子训练网络，然后用腐烂的橙子训练神经网络？我应该交替训练一批腐烂的和正常的橙子吗？这些图像是否有特定的训练顺序？
浏览 6提问于2017-02-05得票数 4
回答已采纳
1回答
我有一个在分类任务上训练的CNN (网络很简单，2个卷积+池化层和2个完全连接的层)。如果我输入一个分类标签，我想用它来重建图像。
这有可能实现吗？
是否可以在两个网络中的相应层之间共享权重？
浏览 1提问于2018-05-18得票数 0
2回答
我正在处理一个文本分类问题，也就是说，给定一些文本，我需要给它分配特定的标签。
我试过使用Facebook的快速文本库，它有两个我感兴趣的实用程序：
A)具有预训练模型的单词向量
B)文本分类实用程序
然而，这些似乎是完全独立的工具，因为我找不到任何将这两个实用程序合并在一起的教程。
我想要的是能够通过利用单词向量的预训练模型来对一些文本进行分类。有没有办法做到这一点？
浏览 6提问于2017-12-07得票数 13
回答已采纳
1回答
微调SSD光火炬视觉
、、、、
我想微调PyTorch中的目标检测器.为此，我使用了本教程：
但是，FastRCNN模型不适合我的用例，所以我对SSDLight进行了微调。我编写这段代码是为了设置一个新的分类头：
from functools import partial
from torchvision.models.detection import _utils as det_utils
from torchvision.models.detection.ssdlite import SSDLiteClassificationHead
model = torchvision.models.detection.
浏览 1提问于2022-02-12得票数 3
这听起来可能是个幼稚的问题，但我在这方面还很新鲜。假设我使用Google预训练的word2vector模型()来训练一个分类模型。我保存了分类模型。现在，我将分类模型加载到内存中，以测试新实例。我需要再次加载Google word2vector模型吗？还是只用来训练我的模特？
浏览 4提问于2017-06-13得票数 0
回答已采纳
2回答
如果你从一篇关于深层神经网络的文章中摘取以下句子
通过估计训练过程中标签丢失的边缘效应来规范分类器层。
标签辍学是什么意思？
浏览 0提问于2016-02-21得票数 4
1回答
我尝试实现一个神经网络来对不同的缺陷进行分类，以便进行质量检查。我想使用单类分类。为了实现这一点，我想训练一个生成性对抗网络，并使用鉴别器进行分类。
我使用了向日葵示例来实现我的第一个GAN。()
在此示例中，有一行代码在鉴别器网络的帮助下对生成的输出进行“分类”：
dlYPredGenerated = forward(dlnetDiscriminator, dlXGenerated);
现在，我期望输出包含两个标签："Original“或"Fake”。取而代之的是，我得到了一长串数字：
(:,:,1,1) =
5.9427
(:,:,1,2) =
7.593
浏览 1提问于2020-02-04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
腾讯会议
实时音视频活动推荐
腾讯云开发者
