我尝试将我的数据集转换为生成器函数。现在我创建模型，并用一个小数据集训练模型。结果相当好，准确率在90-95%左右。然而，我尝试将相同的数据集与生成器函数一起使用，但它提供了不同的结果。', histogram_freq=0, write_graph=True, write_images=True)
callbacks_list = [checkpoint,
浏览 9提问于2018-02-27得票数 0
我尝试过model.fit()和model.fit_generator()，但结果显示model.fit()比model.fit_generator()有更好的结果。我想扩充训练集，因此我使用了ImageDataGenerator()和model.fit_generator()。下面是带有model.fit()和model.fit_generator()的
浏览 21提问于2020-03-07得票数 0
我想保存丢失的数据，同时训练我的面具R CNN，但我似乎错过了什么。训练正在起作用，但我发现了一个错误：
history = model.train(dataset_train, dataset_val这部分代码在model.py中调用这个函数，我只是在history = fit_generator(...)和return history的末尾添加了这个函数，它过去只调用fit_generator(.Must be lis
浏览 10提问于2022-01-26得票数 0
回答已采纳
现在我正在使用tf.keras下的接口来封装我的卷积神经网络。 在model.fit界面中，我发现参数validation_freq只提供了epoch选项。这意味着在训练模型时，您只能在训练一个或多个纪元后评估和保存模型。在许多情况下，更希望根据模型训练批次的数量来评估和保存模型。model.fit或model.fit_generator现在是否提供此选项？
浏览 22提问于2020-03-19得票数 0
我目前已经安装了Google Cloud ML Engine来训练在Keras中创建的模型。在使用Keras时，ML引擎似乎不会自动将日志保存到存储桶中。我在ML引擎作业页面中看到了日志，但它们没有显示在我的存储桶中，因此我无法在训练时运行tensorboard。您可以看到作业已成功完成并生成了日志：
但是，我的存储桶中没有保存日志：
在设置我的环境时，我遵循以下教程：()
那么，在ML引擎上训练Keras模型时，如何获取日志并运行tensorboard
浏览 8提问于2017-07-14得票数 3
回答已采纳
1回答
角角如何从其形状中选择输入？
、、、、
在Keras中，我们不指定输入是什么，而是指定它的形状。Keras如何选择用作输入的数组？
例如，我有两个输入不同的模型，但这两个输入具有相同的形状。如何指定哪个输入到哪个模型？
浏览 0提问于2018-05-15得票数 0
回答已采纳
我有一个巨大的数据集，需要以生成器的形式提供给Keras，因为它不适合内存。然而，使用，我不能复制我在通常的model.fit训练中得到的结果。而且，每一个时代的持续时间都要长得多。我实现了一个最小的例子。也许有人能告诉我问题出在哪里。(g, no_examples // 10, epochs=15) # 15 * (1000 / 10) * 10
在我<
浏览 10提问于2017-08-29得票数 10
回答已采纳
我尝试开发一个网络，并使用python生成器作为数据提供者。在模型开始拟合之前，一切看起来都是正常的，然后我收到这个错误：你能帮我修一下吗？model.add(tf.keras.la
浏览 3提问于2020-06-27得票数 7
我有一个关于Keras CNN的问题，用同样的数据训练和验证可以吗？如果我必须把他们分开，我正在使用ImageGenerator和model.fit_generator进行训练。存在用于拆分model.fit但不用于model.fit_generator的数据的指令。thx
浏览 1提问于2017-05-26得票数 1
我使用Keras功能ImageDataGenerator()生成培训和验证数据集。我试图了解这个函数在内部做什么.这个函数执行的预处理步骤是什么？在哪里可以找到这个函数的源代码？
浏览 2提问于2017-12-13得票数 0
回答已采纳
2回答
训练Keras中的验证
、、、
一般来说，我对Keras和机器学习非常陌生，我正在训练一个模型，如下所示：history = model.fit_generator(flight_generator(train_files_train, 4), steps_per_epoch=500, epochs
浏览 21提问于2020-05-08得票数 0
虽然我可以使用model.fit_generator或model.train_on_batch动态生成所需的迷你批处理，但出于某种原因，我发现model.fit和model.fit_generator我使用的是Tensorflow 2.0的cpu版本和3.2个GHz英特尔核心i7处理器(4个内核支持多线程)和Python3.6.3。在Mac Os X Mojave上。CPU负载分别为~220%、~130%和~120%
浏览 0提问于2019-12-18得票数 2
当我运行model.fit_generator(...)时，它以每秒1步的速度运行，但最后一步需要几分钟。
浏览 4提问于2017-12-26得票数 1
回答已采纳
我正在使用keras在一个非常大的文本数据集上创建一个神经网络。为了构建模型并确保一切正常运行，我将一小部分数据读入内存，并使用内置的keras 'Tokenizer‘进行必要的预处理，包括将每个单词映射到一个令牌。然后，我使用model.fit()。现在，我希望扩展到完整的数据集，并且没有空间将所有数据读入内存。因此，我想要创建一个生成器函数，以便从磁盘顺序读取数据，并使用model.fit_generator()。但是，如果我这样做，那么
浏览 3提问于2017-03-03得票数 9
回答已采纳
1回答
根据页面，我们可以使用ImageDataGenerator类(和flow_from_directory方法)构建一个生成器，可以在keras中传递给model.fit_generator方法；如下所示：train_datagen.flow_from_directory( target_size=(150, 150), class_mode='categorical')
model.fit_ge
浏览 0提问于2018-09-03得票数 0
回答已采纳
我试图使用来自Keras的ImageDataGenerator，我想使用model.fit而不是model.fit_generator，我想去掉下面的语句，即- steps_per_epoch和validation_stepsfrom keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescaleModelCheckpoint(filepath='CN
浏览 2提问于2021-01-25得票数 2
回答已采纳
1回答
/engine/training.py:1940: UserWarning:不推荐使用Model.fit_generator，并将在将来的版本中删除。请使用Model.fit，它支持生成器。warnings.warn('Model.fit_generator是不推荐的和‘
ValueError回溯(最近一次调用) in () ->1 model.fit_generator(training_set:找到了属于0类的0
浏览 0提问于2021-08-03得票数 0
我有一个单独的目录，其中包含图像的子文件夹(根据标签)。在Keras中使用ImageDataGenerator时，我想将这些数据分成训练集和测试集。尽管keras中的model.fit()具有用于指定拆分的参数validation_split，但我无法在model.fit_generator()中找到相同的参数。该怎么做呢？train_data_dir,
target_size=(img_width, img
浏览 12提问于2017-02-25得票数 109
我正在使用train_on_batch批量训练数据，但train_on_batch似乎没有使用回调的选项，而回调似乎是使用检查点的必要条件。我不能使用model.fit，因为这似乎需要我将所有数据加载到内存中。from keras.callbac
浏览 4提问于2017-11-27得票数 1
1回答
到目前为止，我认为我理解了培训、测试和验证集之间的区别。基本上就像在这张图片里：培训集:对模型进行培训的数据测试集:原则上与验证集相同。训练集通常是通过一些交叉验证设置的。当通过model.fit(X_train, y_train,..)进行拟合时，Keras会自动地对数据进行洗牌吗？接下来，在Keras中，您可以将model.fit()方法中的验证集提
浏览 0提问于2019-10-09得票数 0
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
