1回答
Keras中的特定失落率
、、、、
我想通过仅使用层的特定部分(在此问题底部的自动编码器示例中名为FEATURES的层)来训练自动编码器。 在我的例子中，新产品的NOK图片非常罕见，但需要进行培训。其目的是从OK图片生成NOK图片(我发现的所有示例都是相反的)。使用非随机辍学时，我想到了两个想法 (1) keras.layers.Dropout(rate, noise_shape=None, seed=None)有noise_shap
浏览 22提问于2020-04-23得票数 1
1回答
我正在将一个模型拟合到一些嘈杂的卫星数据中。这些标签是河流沙洲上岩石的尺寸。这是一种嘈杂但重要的关系。我只有250个点，但该方法将扩展并最终运行更大的数据集。我的DNN结果似乎好得令人难以置信。model.compile(loss='mean_squared_error', optimizer='adam')当我保存训练损失(绿点)和验证损失(青线)与时期的历史和曲线图时对于一个小的</
浏览 6提问于2018-07-30得票数 0
回答已采纳
1回答
验证损失达到最小，然后增加
、、、、
可以看出，在60年代左右，我的验证损失开始增加，而我的验证精度保持不变。它似乎在那个时候开始过拟合，但是如果它只是简单地记住我的训练数据，那么训练损失不会继续减少到几乎为零吗？我的模型似乎也很小，无法过度拟合(我正在尝试对FFT数据进行分类)。我是不是明目张胆地做错了什么？： x：(1038,2206) y：(1038，1) 我的参数： 纪元= 300 LR = 1e-3 DROPOUT = 0.5 BATCH_SIZE = 128 另外，我的验证准确率约为98%，但是
浏览 16提问于2020-12-31得票数 0
1回答
我是keras和深度learnin.When的新手，我创建了一个样本基本模型，我对它进行了拟合，我的模型的对数损失总是相同的。它是这样的
你知道我把哪一部分弄错了吗？
浏览 11提问于2017-08-11得票数 5
回答已采纳
我选择batch_size=1是因为问题的全局性是4，所以真的很小。问题是，预测结果甚至与正确答案相去甚远。我做错了什么？我在Google Colab上这样做，Tensorflow的版本是2.3.0。()model.add(tf.keras.layers.Dense(2, activation=tf.keras.activations.sigmoid))
model.add(tf.keras.layers.De
浏览 46提问于2020-11-04得票数 3
回答已采纳
我用一个基本的例子验证了我的TensorFlow (v2.2.0)、Cuda (10.1)和cudnn (libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb)，我得到了奇怪的结果……我可能忘了什么。import mnist
from tensorflow.keras.mode
浏览 3提问于2020-05-27得票数 6
我正在尝试在我的卷积神经网络中实现学习率调度，我为它实现了ReduceLROnPlateau方法，但我遇到了这个错误。import to_categorical # convert to one-hot-encodingfrom keras.layersimport Dense, Dropout, Flatten, Conv2D, MaxPool2D
from keras.optimizers import RMS
浏览 3提问于2020-06-26得票数 0
2回答
我们不断发现“分析”中的数据与其他来源的报告之间的不一致之处。总的来说，我们注意到“分析”中的浏览量比其他地方少了大约40%：目标在我们的分析和报告，从合作伙伴跟踪进入的链接。
两者之间的差异不容忽视。40%以上的差异不能仅仅归因于有禁用JS的用户或JS错误。如何
浏览 0提问于2013-02-05得票数 5
1回答
验证损失在Resnet中未更改
、、、、
所以我有像( 25000,178,178，3)这样的数据，其中我有25000个样本，每个样本都有3个不同的颜色通道(不是RGB )，其中我有大约21k个样本，标签为0，其余4k作为标签1。10.0
sgd = tf.keras.optimizers.SGD/step - loss: 0.3579 - accuracy: 0.8765 - val_lo
浏览 37提问于2021-06-29得票数 0
1回答
我已经训练了一个由数百个特征组成的深度神经网络，它分析一个城市的地理数据，并根据观察者和目标位置之间的概况计算每个样本的得分。也就是说，观察者和目标之间的距离越长，这个样本的特征就越多。当我用一个城市的部分样本训练我的NN，并用同一城市的其他部分进行测试时，NN工作得很好，但当我将我的NN应用到其他城市时，NN开始给出很高的误差标准差，特别是在我应用NN的城市的样
浏览 0提问于2019-02-02得票数 1
1回答
我正在使用Keras (使用Tensorflow后端)进行二进制分类，我得到了大约76%的准确率和70%的召回率。现在，我想尝试使用决策阈值。据我所知，Keras使用判决阈值0.5。在Keras中，有没有一种方法可以使用自定义阈值来提高决策精度和召回率？
谢谢您抽时间见我!
浏览 0提问于2017-03-05得票数 13
回答已采纳
1回答
我在跟踪文档&遇到了一个非常令人沮丧的问题。在本教程中，一个模型预测泰坦尼克号幸存者。教程中的最终预测值一点也不好(至少我认为是这样)。-236.86%的实际结果: SURVIVEDPredicted生存：-100.17%的实际结果:死亡的预测存活：-238.74%的实际结果:死亡的预测的存活: 147.69%的实际结果: DIEDPredicted的存活: 12.94%<
浏览 0提问于2020-04-03得票数 1
我希望看到我的二值图像分类模型的精确度和召回率，但我可以找到如何做到这一点 以下是我的代码 x = base_model.output
x = tf.keras.layers.Dense(1024, activation='relu&
浏览 129提问于2020-07-17得票数 0
回答已采纳
我想在tensorflow2.0的SGD优化器中降低学习率，我使用了下面这行代码： decay_rate=self.parameter['lr_decay']opt = tf.keras.optimizers.SGD(learning_rate=lr_schedule, momen
浏览 0提问于2019-11-11得票数 9
我一直在尝试创建一个能够识别交通标志的神经网络架构。我使用的是德国交通标志数据集，它由43个类组成。首先，如果我使用cv2获取数据，并将它们堆叠到一个数组中，那么DNN就可以完美地工作！我得到了%99的准确率和微小的损失。 ? 另一方面，我想使用ImageDataGenerator。我什么都没改变。据我所知，我应该能够得到相同的结果，但我经常得到0.05左右的准确率和3.5左右的损失。 ? 这是我正在使
浏览 28提问于2020-12-20得票数 0
1回答
我在尝试获取低分辨率图像中的人体姿势信息。特别是，我尝试了的Keras OpenPose实现，但该模型在低分辨率图像上似乎表现不佳，而在高分辨率图像上表现得相当好。我也在GitHub repo上以的身份发布了一个问题，但我认为我应该在这里尝试一下，因为我不打算实现特定的人体姿势检测。
我的图片宽度和高度都在50-100像素左右。这是该图像的一个示例。我想知道是否有人知道修改程序、网络的方法，或者知道
浏览 28提问于2020-01-07得票数 0
我从别人那里接过一些代码，我的任务是在pytorch中重现相同的模型和性能。我也得到了该模型的最佳超参数。在尝试了很长一段时间后，我发现如果我将drop - out rate设置为0，那么我的测试性能是最好的。它停止得越早，失落率就越小。事实上，它的表现比以前的模型要好一点。而之前的模型有显着的辍读率。因为如果没有辍学，我就没有其他的正则化了。它
浏览 3提问于2020-10-13得票数 0
这只是一个随机的点播示例：0:00 白月光與朱砂痣(song name)5:29 回憶格式化12:29 悄悄對你說19:13 失落
从评论中，你可以看到这些是每首歌的时间戳*附带问题:我们可以在转换为mp3时设置比特率，这个质量真的很重要吗？我看到12
浏览 0提问于2021-02-22得票数 0
我现在是Udacity深度学习课程的作业3。我已经完成了大部分工作，并且它正在工作，但我注意到问题3，关于在tensorflow中使用'dropout‘，似乎降低了我的性能，而不是提高了它。我将把我的完整代码放在这里。如果有人能向我解释如何正确使用dropout，我将不胜感激。(或者确认我是否正确地使用了它，但在这种情况下它并没有帮助。)它的准确率从94%以上(没有丢失)下降到91.5%。如果你不使用L2正则化，降级会更大。
浏览 2提问于2017-12-20得票数 2
1回答
我希望为Keras的每一层应用不同的学习率(就像Fastai中所做的那样)。在接近这一点的过程中，我所发现的是通过修改中的这一行self.optimizer.apply_gradients(zip(gradients, trainable_vars))，将梯度乘以其相应的学习率(并将全局学习率设置为1)。下面是我想要实现它的理想方式：
# exa
浏览 16提问于2020-05-10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
腾讯会议
云直播活动推荐
腾讯云开发者
