Keras模型精度从0.667开始上升到1.0
stream was reset: CANCEL
相关·内容
我正在训练一个做图像字幕的模型。我注意到我的模型在第一个时期获得了非常高的训练精度(大约89%)以及验证精度。实际上，训练精度从第一个时期的开始就处于一个非常高的水平，它从%60左右开始，很快就上升到%80。这对我来说没有意义，因为模型学习非常快，一开始就有很高的准确性。
浏览 15提问于2018-08-02得票数 0
回答已采纳
.，0.333..在任何输入上，所以我认为实现有问题，但使用keras(见下文)似乎给出了相同的结果。# TensorFlow and tf.kerasimport numpy as npx_train[:,1] = (x_train[:,1] - np.average(x_train[:,1]))/np.amax(x_train[:,1])
model = tf
浏览 1提问于2021-01-18得票数 0
1回答
如何提高神经网络的验证精度？
、、、、
验证精度在0.4 ~ 0.5之间，但训练精度较高，且沿历次递增。0 1 0这是我的模型： keras.layers.Dense(37,input_dim=37,activation='relu'),
keras.laye
浏览 6提问于2022-10-24得票数 -1
1回答
我在Keras中建立了一个神经网络模型，它在1000年代(在所使用的超参数上)达到了1的训练集精度，但验证精度在0.78和0.8之间波动。我想要一个早期停止命令，它监视验证精度，但只在1000年代之后才开始，因为在1000年代之前，验证精度一直波动很大。因此，我的策略是最大限度地提高训练集的准确性，然后立即停止学习，因为我们遇到了很高的验证精度值。(理论上最好是1.0用于培训，0.8用于验证)
这样的回调函数可能吗？
浏览 1提问于2018-07-05得票数 0
回答已采纳
我有一组不同长度的非零序列，我使用Keras对这些序列进行建模。我使用来标记(令牌从1开始)。为了使序列具有相同的长度，我使用填充。填充的一个例子：# [0,0,0,0,10,3,4]# [10,3,4,5,6,9,8]我最大的疑问是，当使用填充时，Keras验证的准确性是否可靠(当您在多个时期运行Ker
浏览 0提问于2020-07-19得票数 3
我正在使用Conv2D训练一个模型，并开始突然获得一个很高的顶级k分类精度，即1.0，但非常低的分类精度(接近0.006)。因此，我的问题是非常普遍的:在Keras中，什么可以导致高top_k_categorical_accuracy而低categorical_accuracy？
浏览 1提问于2017-09-17得票数 1
1回答
我正在尝试从Huggingface的transformers库中导入一个预训练的模型，并使用tensorflow keras对其进行几层扩展以进行分类。当我直接使用transformers模型(方法1)时，该模型训练良好，在1个时期后达到0.93的验证精度。但是，当尝试将该模型用作tf.keras模型中的层时(方法2)，该模型无法达到0.32以上的精度。据我所知，根据文档，这两种方法应该是等效的。(
浏览 29提问于2020-12-05得票数 2
1回答
问题:在第二次训练模型时，我的验证精度有了很大的提高。想知道为什么复制(如果可能的话)复制。(最后培训结果-第一次培训)
这是我模特的层次。我使用Keras-Tuner提取最佳的模型体系结构(即验证的准确性)。我使用的批次大小为"512“中的"~7
浏览 2提问于2020-07-18得票数 0
1回答
我喜欢Keras提供的简单性，但是我没有成功地配置具有多个输出的Keras回归模型。我在这里猜测，但我认为我设置的模型不正确，并正在寻求帮助如何配置一个Keras模型，使其正常工作。目标是一系列浮动(总计/和为1.0，表示对特定资源的实际百分
浏览 2提问于2018-01-18得票数 0
回答已采纳
1回答
from keras.models import Sequentialmodel = Sequential()model.fit(X, y, epochs=200)
从理论上讲但即使在1000个年代之后，<em
浏览 0提问于2020-08-19得票数 4
回答已采纳
7回答
我想知道是否有可能保存一个部分训练的Keras模型，并在再次加载该模型后继续训练。这是由新的训练数据还是完全重新训练的模型引起的？import mnistfrom keras<
浏览 789提问于2017-03-08得票数 123
回答已采纳
1回答
首先，我从使用迁移学习和MobileNet的以下模型开始，它在上工作得很好 model_base, tf.keras.layers.Dense(10, activation="soft
浏览 17提问于2021-05-20得票数 1
回答已采纳
2回答
我正在训练Keras模型，用model.save()保存它们，然后加载它们并恢复训练。
我想在每次训练之后绘制整个训练历史，但model.fit_generator()只返回最后一次训练的历史。我可以保存初始会话的历史记录并自己更新，但我想知道Keras中是否有标准的方法来管理训练历史记录。
浏览 0提问于2018-10-31得票数 3
使用tf.keras.callbacks，我只能通过选择一个属性来监视一个最好的模型(通常是验证的准确性)，但是有时，我需要根据验证和训练准确性的比较来保存它。我该怎么做？tf.keras.history文件在每一个时代都记录模型的权重吗？如果是这样的话，我如何通过指定我想要的时代来从历史文件中保存我的模型？这是另一种可能的解决办法。这就是我遇到的情况:有时，我的验证精度在早期非常高(我认为纯属偶然)，而我的训练精度仍然远远低于它。这个时代最终成为了自
浏览 1提问于2019-03-27得票数 2
回答已采纳
我有一组不同长度的非零序列，我使用Keras对这些序列进行建模。我使用来标记(令牌从1开始)。为了使序列具有相同的长度，我使用填充。填充的一个例子：# [0,0,0,0,10,3,4]# [10,3,4,5,6,9,8]，我最大的疑问是在使用填充时，Keras验证的准确性是否可靠。因为验证集可以是0- 0,0,0
浏览 1提问于2020-07-17得票数 3
我希望确保运行Keras模型交叉验证的代码是正确的。目前我怀疑这是错误的，因为结果似乎过于合适.def get_model():
从为所有时代生成的训练日志来看，在不同的褶皱上，模型的性能似乎是连续的。对于第一倍，模
浏览 1提问于2019-03-06得票数 1
回答已采纳
11回答
每次从Keras ()运行imdb_lstm.py示例时，代码在导入任何keras之前都会在顶部包含np.random.seed(1337)，得到不同的结果(测试准确性)。更新:如何复制：
预期结果:每次测试的准确度是相同的。西亚诺0.7.0
numpy
浏览 17提问于2015-09-06得票数 103
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
浏览 0提问于2021-05-31得票数 2
我已经搜索了一段时间，但似乎Keras只有经过训练后才具有量化特性。我希望在我的Keras序列模型中添加Tensorflow伪量化。我的问题是，是否有人在Keras模型中添加了这两个函数？如果是，应在哪里增加这两个功能？例如，在model.compile之前，还是在model.fit之后，还是其他地方？提前谢谢。
浏览 2提问于2018-09-17得票数 2
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
