Keras验证进度输出错误地显示了培训步骤
Keras是一个开源的深度学习框架，用于构建和训练神经网络模型。在使用Keras进行模型训练时，有时候会遇到验证进度输出错误地显示了培训步骤的问题。
这个问题通常是由于在模型训练过程中，验证数据集的大小与批次大小不一致导致的。验证进度输出错误地显示了培训步骤，是因为Keras默认使用训练数据集的批次大小作为验证数据集的批次大小。当训练数据集的大小无法被验证数据集的大小整除时，就会出现这个问题。
为了解决这个问题，我们可以通过设置validation_steps参数来指定验证数据集的批次数量。validation_steps参数的值可以通过验证数据集的样本数量除以批次大小来计算得到。这样，Keras就能正确地显示验证进度，并避免错误地显示培训步骤。
以下是一个示例代码，展示了如何设置validation_steps参数来解决这个问题：
# 导入必要的库
from keras.models import Sequential
from keras.layers import Dense
# 创建模型
model = Sequential()
model.add(Dense(64, activation='relu', input_dim=100))
model.add(Dense(64, activation='relu'))
model.add(Dense(10, activation='softmax'))
# 编译模型
model.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy'])
# 模型训练
model.fit(x_train, y_train,
epochs=10,
batch_size=32,
validation_data=(x_val, y_val),
validation_steps=len(x_val) // 32) # 设置validation_steps参数
在上述示例代码中，validation_steps参数被设置为len(x_val) // 32，其中x_val是验证数据集。这样，Keras就会根据验证数据集的大小和批次大小来正确地显示验证进度。
推荐的腾讯云相关产品：腾讯云AI Lab，腾讯云AI智能图像处理，腾讯云AI智能语音处理。你可以通过访问腾讯云官方网站获取更多关于这些产品的详细信息和介绍。
相关·内容
我正在使用tf.keras培训和验证生成器来训练CNN模型，如下所示：
model.fit(
x=training_data_generator,
validation_data=validation_data_generator,
epochs=n_epochs,
use_multiprocessing=False,
max_queue_size=100,
workers=50
)
发电机是基于tf.keras.Sequence的。
问题是，我的数据集很大。一个时代的训练大约需要一天(尽管在两个泰坦RTX GPU上进行训练)，每个时期之后的验证
浏览 1提问于2020-02-11得票数 3
回答已采纳
我培训了多个CNN模型，在此之后，我使用以下代码通过回调保存了模型的详细信息(例如，培训/验证Acc/丢失)：
tf.keras.callbacks.CSVLogger
现在，我有多个模型的培训- values损失各自的值在不同的csv文件。
我想从我的csv文件中把这些画成一个数字。我该怎么做？
浏览 0提问于2021-01-22得票数 1
回答已采纳
我正在使用Tensorflow的Dataset函数和TFRecord在Keras中构建一个模型。我成功地使用了Keras的训练模型，但问题在于val_loss。它在Keras的进度条中根本没有显示。
if __name__ == '__main__':
x_train,y_train = input_fn('train_whale_without07.tfrecords')
x_test,y_test = input_fn('test_whale_without07.tfrecords')
img_input
浏览 1提问于2018-12-22得票数 0
回答已采纳
1回答
我目前正在研究数据科学，ML，特别是神经网络(来自“纯”软件工程背景/学位)。我在一些经典数据集上做了一些模型，比如MNIST和MNIST时尚，这些模型工作得很好，并且想把一个更困难的问题作为一个挑战来解决:体育/足球预测。我发现了一些论文，其中已经尝试了使用深度神经网络，其结果达到了0.65到0.7的准确度。这也是我想达到的水平。然而，我不能得到我的模型以上约0.507的准确性。我所做的是：
我有世界各地联赛(英超、德甲等)数千家俱乐部的数据集。从过去的10个季节。作为输入数据，我使用以下内容：
比赛的平日
季节(年份)
第二轮
联盟id (一个热编码)
夜间比赛(是/否)
场地id (一个
浏览 0提问于2022-08-15得票数 0
我用R实现了简单的神经网络，但这是我第一次用Keras实现，所以我希望能给出一些建议。
我在Keras中开发了一个神经网络函数来预测汽车销售(数据集是可用的)。CarSales是因变量。
据我所知，Keras用于开发用于分类目的的神经网络，而不是回归。在我到目前为止看到的所有例子中，输出在0到1之间是有界的。
下面是我开发的代码，您将看到输出使用'sigmoid‘函数：
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Dense
from t
浏览 0提问于2018-02-25得票数 5
回答已采纳
1回答
目前，我正在使用Keras (Python3)训练一个ANN，我正在缓慢地优化模型的体系结构，并且遇到了一些我以前从未见过的东西。
训练和验证准确性的图表似乎有点奇怪。这张图看上去像“台阶”，意思是它不是一条平滑的曲线，而是不同的。
型号：
model = tf.keras.models.Sequential()
model.add(Dense(7,activation='relu'))
model.add(Dense(10,activation='relu'))
model.add(Dense(10,activation='relu'))
m
浏览 0提问于2020-09-03得票数 0
回答已采纳
我正在尝试为数据集构建一个暹罗网络。我从这个数据集中选择了每类10个图像。此数据集中共有131个类。我正在使用下面的模型来训练我的网络。然而，它未能趋同。我看到了一种奇怪的行为，在3000年代之后，我的结果是0.5000003，无论我给出的输入对，我的损失停止在0.61。网络的规范与中指定的一样。我试着改变了以下几点
将Denes层激活更改为ReLU
导入ImageNet的ResNet50权重
试着增加和降低学习率。
我还检查了批处理输入，以查看是否将正确的输入对(x)与正确的y值配对。然而，我认为我做了一些基本错误的事情。很高兴你能帮我。谢谢您:)
笔记本电脑托管在Kag
浏览 2提问于2020-06-23得票数 0
1回答
最后的训练步骤可能没有最低的损失，如果损失波动。
我想知道，如果对Keras中的模型进行了验证，那么Keras是如何选择最终模型的？
有吗？
通过从整个培训过程中选择对验证数据损失最小的模型来选择Keras
或
Keras从最终的培训步骤中选择最终模型，而不管最终模型是否给出验证数据的最小损失？
谢谢。
浏览 3提问于2020-12-18得票数 2
回答已采纳
我有一个问题，就是我很难理解导致这些结果的概念。我使用角面密集层将13个输入特性映射到3个输出标签。在训练过程中，即使在2000年代以后，训练数据的损失(RMSE)也会不断减少。但是，如图中所示，验证数据的损失在大约200个历次之后不再减少。
现在，我根本不明白的是，考虑到培训和验证数据对于所有13个输入特性和3个输出标签的分布(几乎)完全相同，您如何解释这个结果。它们是从相同的分布中提取的。为了说明，我为一些输入特性和输出标签(和内核密度函数)绘制了直方图，如下所示：
如果您想查看所有输入特性和输出标签的直方图，您可以在这里找到它们(在trai的所有分布中，有效数据集和
浏览 3提问于2022-05-16得票数 1
1回答
我正在用tensorflow做一些测试，我无意中发现了一种非常奇怪的行为。这是我的密码
fashion_mnist = tf.keras.datasets.fashion_mnist
(train_images1, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
train_images = train_images1[:32] / 255.0
train_labels = train_labels[:32]
test_images = test_images / 255.0
batch_size =
浏览 0提问于2021-02-09得票数 0
回答已采纳
我正在尝试创建一个手语解释器，它使用摄像头检测手势，并在屏幕上显示相应的字母或数字。
我遵循了一个教程，并试图使用Keras对模型进行培训，但我得到了以下错误：
ValueError: (500,44) and (500,40) are incompatible
守则：
import numpy as np
import pickle
import cv2, os
from glob import glob
from tensorflow.keras import optimizers
from tensorflow.keras.models import Sequential
from te
浏览 7提问于2022-06-25得票数 0
在运行tf.distribute策略时，我希望显示批处理大小。为此，我创建了一个定制的Keras层，如下所示：
class DebugLayer(tf.keras.layers.Layer):
def __init__(self):
super().__init__()
def build(self, input_shape):
pass
def call(self, inputs):
print_op = tf.print("******Shape is:", tf.shape(inputs) , n
浏览 3提问于2020-06-11得票数 0
回答已采纳
1回答
我正在用Keras L在python中建立一个神经网络模型来进行深度学习
我的数据显示了大约1385人的重要信息、年龄和其他健康症状，输出标签预测了肝脏状况:输出类。
肝硬化:362次
我编写了一个顺序模型脚本来进行离散分类，如下所示：
1-当导入数据时，它是随机的，如
下面所示
pd.options.display.max_rows = 10
pd.options.display.float_format = '{:.1f}'.format
liver_dataframe = pd.read_csv("LiverData.csv", sep=",&#
浏览 0提问于2020-02-12得票数 0
我对数据深度学习很陌生。我在教育自己，但我不明白这种情况。验证损失远高于训练损失。有人能解释一下这个吗？
inputs = keras.Input((width, height, depth, 1))
x = layers.Conv3D(filters=64, kernel_size=3, activation="relu")(inputs)
x = layers.MaxPool3D(pool_size=2)(x)
x = layers.BatchNormalization()(x)
x = layers.Conv3D(filters=64, kernel_size
浏览 0提问于2022-04-13得票数 1
回答已采纳
我对python和Keras还不熟悉，请容忍我的问题。
I最近在Keras中创建了一个模型，并对其进行了训练，得到了“均方误差MSE”后预测。我在所使用的数据集上使用了train_test_split函数，接下来，我用50次迭代创建了一个with循环，并将其应用于上述模型。但是，我将train_test_split函数(未指定*random_number)保存在循环中，以便在每次迭代中我都会有一组新的X_train、y_train、X_test和y_test值。我得到了50个MSE值作为输出，并计算了它们的“平均值”和“标准差”。我的疑问是，我是否做了正确的事情，将train_test_spl
浏览 1提问于2020-02-03得票数 3
我有一个LSTM网络，我用它来预测。我的整个数据是一个包含10行和1000列(10, 1000)的数组。我想将数据划分为使用(10, 600)大小进行训练，验证(10, 200)和测试(10, 200)。当我有训练数据时，我想要将数据转换成一个大小为(10*600, 1)的数组，然后训练模型。但是，在tensorflow中，我们有validation_split，我不确定这个验证是否与我想要的方法相同。下面是一个简单的例子：
import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow import
浏览 0提问于2022-03-15得票数 0
回答已采纳
我是tensorflow/keras的新手，我有一个文件结构，包含300个文件夹，每个文件夹包含200个图像，每个文件夹作为数据加载。我知道允许我加载数据并将其分成培训/验证集，如下所示：
val_data = tf.keras.preprocessing.image_dataset_from_directory('etlcdb/ETL9G_IMG/',
image_size = (128, 127),
浏览 12提问于2021-02-03得票数 4
1回答
一开始，我使用tensorflow后端运行keras，进度条很好。然后我安装了Theano，在切换回tensorflow之前尝试使用了一段时间。在安装了Theano之后，每个时代出现的进度条都是在时代完成后出现的，所以在训练过程中，我看不到它的进展。
Epoch 1/50
21/21 [=============================] 10s - loss:0.6928 - loss_val: 0.6912
我希望它在训练过程中展现出进步，就像这样：
Epoch 1/50
21/21 [=====>.......................] 10s - loss:0.6
浏览 3提问于2017-07-19得票数 4
回答已采纳
我正在训练一个CNN使用Keras与TensorFlow后端，使用imgaug图像增强。
我也在使用Tensorboard来可视化训练的进度和结果。
由于imgaug正在将(随机)转换应用于输入图像，所以我希望将(一些)增强图像发送到Tensorboard，这样我就可以将它们可视化并验证一切都是正确的(例如:检查我是否应用了太大的翻译，或者模糊了图像太多)。
为此，我创建了一个定制的Keras回调，并试图在on_batch_end方法中输入我的逻辑。我可以发送图像到张板卡好，但找不到我可以访问的增强输入图像。关于如何实现这一点，有什么建议吗？
提前感谢
浏览 0提问于2018-11-30得票数 1
回答已采纳
1回答
首先，我将数据集分为训练和测试，例如：
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.4, random_state=999)
然后，我使用GridSearchCV和交叉验证来找到性能最好的模型：
validator = GridSearchCV(estimator=clf, param_grid=param_grid, scoring="accuracy", cv=cv)
通过这样做，我有：
使用k-1折叠作为训练数据对模型进行训练；生成的模型
浏览 0提问于2018-11-07得票数 4
回答已采纳
我使用了大约4600张训练X光图像，按70:30的比例分割。我以为我有一个很好的训练样本集，但模型出其不意。下面是描绘模型性能的图表。
我的CCN看起来如下：
INPUT_SHAPE = (224, 224, 3)
inp = tensorflow.keras.layers.Input(shape=INPUT_SHAPE)
conv1 = tensorflow.keras.layers.Conv2D(16, kernel_size=(3, 3), activation='relu', padding='same')(inp)
pool1 = tensorflo
浏览 7提问于2020-08-29得票数 0
1回答
我一直在尝试用Keras做一些基本的面部识别，但出于某种原因，我总是得到相同的标签。我正在两个班(A人和B人)训练它。
经过它自己的验证测试后，我输入的图像既不是在培训中，也不是在验证集中，但它总是给我提供相同的标签。为了时间，我减少了验证样本的数量，但是即使有了更多的验证样本，它也似乎不起作用。我试过二进制和乙状结肠，但这也帮不了我。
我的准确度经常跳到90%甚至100%，而我的损失在0.05到0.1之间。A人有809张图像，B人有777张图像供训练。
我需要的最终目标是输出属于某个类的图像的概率，我将非常感谢任何帮助，因为我是这个领域的新手。谢谢!
from keras.preproces
浏览 0提问于2018-03-03得票数 2
我使用下面的函数从目录中读取图像
train_ds = tf.keras.preprocessing.image_dataset_from_directory(directory=image_dataset_path,
validation_split=0.2,
subset='training',
浏览 0提问于2021-06-08得票数 0
回答已采纳
2回答
用于图像分类的数据集分割
、、、
我试图对14个类别进行图像分类(每只猫大约有1000幅图像)。我最初创建了两个文件夹，用于培训和验证。在这种情况下，我是否仍然需要在代码中设置验证拆分或子集？或者我可以删除整个文件作为train_ds和val_ds
培训和验证目录中的文件夹名称是相同的。
data_dir = 'trainingdatav1'
data_val = 'Validationv1'
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
浏览 0提问于2021-04-15得票数 1
2回答
我正在尝试keras数据的示例，数据形状如下所示：
x_train形状：(25000，80)
我只需将keras示例的原始代码更改为如下代码：
model = Sequential()
layer1 = Embedding(max_features, 128)
layer2 = LSTM(128, dropout = 0.2, recurrent_dropout = 0.2, return_sequences = True)
layer3 = Dense(1, activation = 'sigmoid')
model.add(layer1)
model.add(lay
浏览 2提问于2017-11-10得票数 3
1回答
我使用的是tensorflow-gpu 1.10.0和Keras-GPU2.2.4与Nvidia gtx765M(2GB) GPU，操作系统是Win8.1-64位-16 2GB内存。
我可以使用560x560 pix映像和批处理大小=1来训练网络，但是在训练结束后，当我尝试测试/预测时，我会得到以下错误：
ResourceExhaustedError: OOM when allocating tensor with shape[20,16,560,560] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by all
浏览 0提问于2019-03-19得票数 2
1回答
我试图将Keras中的VGG-16和ResNet-50模型合并，以便从组合的特征表示中受益于二进制分类任务。我成功地建立和保存了合并的模型。然而，在训练过程中，我遇到了一个错误。这是我的代码：
#load libraries
import numpy as np
from keras import applications
from keras.layers import GlobalAveragePooling2D, Dense
from keras.layers import Concatenate
from keras.preprocessing.image import ImageDa
浏览 0提问于2018-04-16得票数 0
回答已采纳
1回答
我试着用Keras训练CNN来分类狗和猫的图像。问题是，当我运行model.fit()时，实际的培训样本要比我的输入少得多。在我的输入中有超过19000张图像，而处理栏只显示562。在左下角你可以看到562/562。我意识到这一点，因为我的准确度明显低于教程。
浏览 2提问于2020-11-16得票数 1
回答已采纳
我正在用keras建立一个简单的机器学习模型。我希望建立模型来进行标量回归。我所建立的模型在经历了大约9个时代之后，在训练损失上达到了惊人的收敛速度。训练数据包括约84000个由6个特征组成的例子。
我运行的模型为100个时代，批量大小为250。我正在使用一个验证集，它是训练集的20%。
因为我在我的本地机器上运行这个(单CPU，没有GPU)，所以我希望它需要更长的时间才能收敛，这有什么原因吗？
下面是模型的定义：
def regression_model():
model = keras.Sequential()
model.add(layers.Dense(64, act
浏览 2提问于2019-04-03得票数 1
回答已采纳
1回答
在生成的对抗性网络中，我是如此的初学者，learning.My的目标是训练一个简单的gan，使用密集的层来生成时尚mnist的形象。我在网上尝试过许多代码，这些代码给每个人都提供了成功的输出，但在我的例子中，它们都产生了相同的输出，这是一个空白的白色图像，在特定区域经常有一些点。我也检查了激活函数，但它们似乎是fine.Also，提到我在google colab.Here中运行的代码是我的代码。
import numpy as np
import tensorflow as tf
from matplotlib import pyplot as plt
from tensorflow.kera
浏览 3提问于2022-02-03得票数 1
1回答
我在我的项目中使用角语是新的。在我的模型中，我一直在与generator合作。
我真的很困惑，我应该输入什么价值？
( 1) fit_generator : steps_per_epoch & validation_steps？
2) evaluate_generator :步骤？
3) predict_generator :步骤？
我已经提到了和其他几个，的问题。我无法理解。更好地，我可以提供我的数据的例子，形状，我目前的工作，并跟随我的问题。另外，如果我的理解是错误的，请纠正
model.fit_generator(trainGen, steps_per_epoch=25,
浏览 0提问于2019-07-29得票数 3
回答已采纳
1回答
我正在tensorflow联邦中实现一个回归模型。我从本教程中为keras使用的一个简单模型开始：
我改变了模型来使用联邦学习。这是我的模型：
import pandas as pd
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import tensorflow_federated as tff
dataset_path = keras.utils.get_file("auto-mpg.data", "http://archive.i
浏览 1提问于2019-12-05得票数 2
回答已采纳
1回答
Keras为我提供了一种将深入学习模型与sklearn(sklearn的keras包装器)结合使用的方法，但我需要类似的东西----与不同。
我想要创建一个由几个已经训练过的滑雪板模型组成的集合，方法是将它们的输出输入到一个深度学习分类器的输入层(待训练)。
我能做到吗？
浏览 0提问于2019-08-15得票数 1
回答已采纳
在Keras中，有两种方法(至少)来分割数据和显示丢失/准确性：
在Keras函数中，有一个validation_split选项，允许将数据集拆分为训练和测试集，并在培训期间显示丢失/准确性值。
拆分数据的另一种方法是在代码开始时将其拆分(例如使用train_test_split函数)，使用培训集对数据进行培训，然后使用model.evaluate测试测试数据。
我意识到第二种方法的精度一般较低(也许更现实些?)我想知道哪种方法肯定会比其他的更好，我认为方法2)不那么乐观会更好。
您可以使用我的代码，使用第一种方法，取消编写"HERE1“的注释行(使用”HERE
浏览 0提问于2021-02-08得票数 0
回答已采纳
1回答
问题
在顶点AI训练期间，是否有一种方法来监控模型训练进度的控制台输出？
背景
假设我们有一个Tensorflow/Keras模型训练代码：
model = keras.Sequential([
layers.Dense(64, activation='relu', input_shape=[len(train_dataset.keys())]),
layers.Dense(64, activation='relu'),
layers.Dense(1)
])
optimizer = tf.keras.optimizers.RMSprop
浏览 3提问于2022-04-29得票数 1
回答已采纳
1回答
我正在用Keras和tensorflow后端构建一个CNN模型。我已经训练这个模特6个小时了。现在，我想使用我的模型来预测我的自定义外部图像。在Keras怎么做？谢谢
浏览 4提问于2016-11-02得票数 6
回答已采纳
2回答
这是一个过载的网络吗？
、、、、
我在keras中训练了一个神经网络，得到了这个结果，我想知道这是否太合适了。
我有怀疑，因为我读过，过度拟合是产生时，一个网络是过度训练，它发生时，验证损失增加。
但在这种情况下，它并没有增加。它保持不变，但训练损失减少。
额外信息
以这种方式拆分单个数据集：
70%的数据集用作培训数据
30%的数据集用作验证数据
500时代训练
2000时代训练
培训损失: 3.1711e-05验证损失: 0.0036
浏览 5提问于2017-04-03得票数 2
我是刚和Keras一起工作的。代码工作正常，但我想知道时代中所显示的值的含义。我使用以下代码。
如果上面写着46/46和226/277，这些数字的含义是什么？为什么2出现在通常只出现的情况下，例如100/100
import sys
import os
from tensorflow.python.keras.preprocessing.image import ImageDataGenerator
from tensorflow.python.keras import optimizers
from tensorflow.python.keras.models import Sequenti
浏览 0提问于2019-05-30得票数 0
回答已采纳
2回答
联邦学习训练中的模型性能没有提高
、、、、
我跟随创建了一个图像分类实验(7个班)，目的是用TFF框架对3个数据仓进行分类器的训练。
在开始培训之前，我使用tff.learning.assign_weights_to_keras_model(model,state.model)将模型转换为tf keras模型，以便对验证集进行评估。不管标签是什么，模型只预测一个类。这是预期的，因为还没有进行培训的模式。然而，在每个联邦平均轮之后，我重复这个步骤，并且问题仍然存在。所有验证图像都被预测为一个类。我还保存了tf角模型的权重后，每一轮，并作出预测的测试集-没有变化。
我为检查问题的根源而采取的一些步骤如下：
检查tf角模型的权重是否在每一
浏览 9提问于2020-05-08得票数 3
我在训练一个模型来预测照片中的眼睛是开的还是闭的。我有这段代码，但我得到了错误
用于整形的输入是一个具有984064值的张量，但所请求的形状要求的倍数为1568。
这是我的代码：
import tensorflow as tf
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True
)
tr
浏览 16提问于2022-07-03得票数 0
1回答
首先，我对神经网络和Keras非常陌生。
我试图用Keras创建一个简单的神经网络，其中输入是一个时间序列，输出是另一个相同长度的时间序列(一维向量)。
我制作了虚拟代码，使用Conv1D层创建随机输入和输出时间序列。然后，Conv1D层输出6个不同的时间序列(因为我有6个过滤器)，下一个层我定义了将所有6个输出添加到一个输出到整个网络中。
import numpy as np
import tensorflow as tf
from tensorflow.python.keras.models import Model
from tensorflow.python.keras.layers
浏览 0提问于2018-08-14得票数 1
回答已采纳
1回答
我正在尝试训练CNN，使用MNIST数据集(我对其进行数据增强)，从0到9对sudoku网格上的数字进行分类。
虽然我的网络大多是成功的，但我的网络似乎在3s和8s、1s和7s之间混淆，因为它们看起来非常相似。然而，这是不可接受的，因为不正确的分类将使解决sudoku问题成为不可能。
我使用的ResNet50预训练模型作为我的卷积基础。
有没有办法在训练过程中更严厉地惩罚3s和8s，或1s和7s的错误分类？我确实找到了一个似乎提出了解决方案的链接-- https://github.com/keras-team/keras/issues/2115 --但我对TensorFlow/Keras非常陌
浏览 0提问于2022-09-14得票数 1
回答已采纳
我读过Keras的和一些例子，比如。据我所知，我们可以使用batch_size参数指定小型批处理的大小，并使用epochs参数指定划期的数量。
但是我们如何决定在一个时代里有多少小批次呢？在scikit-learn中，有一些选项可以(间接地)控制这一点，例如max_iter、tol等。但是，我在Keras中没有找到类似的东西。
浏览 9提问于2021-12-11得票数 0
回答已采纳
我必须做一个CNN在第四阶段检测糖尿病视网膜病变(它必须检测是否有DR在第四阶段，不需要检测其他水平)。输入将是像这样的图像：
为了更好地分类，我正在改进我的形象：
所以，我有一个数据库，里面有700张0级视网膜图像，700张4级视网膜图像。
问题是我所做的所有模型都不起作用，一般来说，它变成了一个过分合适的问题。
我已经试过使用顺序模型，函数API.在我这里提出的一个问题中，一个用户推荐我使用VGG16 >>问句：
现在，我正在尝试使用VGG16，但仍然不起作用，我所有的预测都是0，我不知道该如何处理。
这是我的train.py：
import cv2
import os
imp
浏览 0提问于2019-09-30得票数 1
回答已采纳
假设我有一个名为a的路径列表。每个元素链接到dataset中的图像，该图像尚未拆分为培训和验证。当然，我可以将list a划分为list x和list y，它们分别表示培训和验证路径。
是否可以将拆分的路径提供给Keras模型，或者让Keras自己拆分列表？
我只为我不需要的ImageDataGenerator提供资金，因为我使用的数据集已经扩展了，以及所有的东西。
浏览 3提问于2017-05-12得票数 1
回答已采纳
1回答
我训练了我的BERT模型，然后我得到了99%的培训部分--不管是谁，在部分验证中，我只得到了80%，那么如何提高我的验证精度呢？
代码：
def build_model(self, n_categories):
input_word_ids = tf.keras.Input(shape=(self.MAX_LEN,), dtype=tf.int32, name='input_word_ids')
input_mask = tf.keras.Input(shape=(self.MAX_LEN,), dtype=tf.int32, name='input_m
浏览 10提问于2022-08-29得票数 0
1回答
我刚开始机器学习，现在已经被这个错误困住了一段时间了：
"C:\Python38\lib\site-packages\tensorflow\python\keras\engine\training.py"，回溯(最近一次调用)：文件"model1.py"，第77行，在model.fit中(train_generator，File 行108，在_method_wrapper返回方法中)(self，*args，**kwargs)文件"C:\Python38\lib\site-packages\tensorflow\python\keras\engine\tr
浏览 4提问于2021-04-06得票数 1
2回答
我正在使用Tensorflow的flow_from_directory收集一个大的图像数据集，然后对其进行训练。我想使用，但是当我运行
tuner.search(test_data_gen, epochs=50,
validation_split=0.2, callbacks=[stop_early])
它抛出以下错误，
ValueError: `validation_split` is only supported for Tensors or NumPy arrays, found following types in the input: [<cla
浏览 25提问于2021-03-30得票数 1
回答已采纳
我正在为时间序列的回归构建一个lstm模型。为了验证模型的实现和理解keras，我使用了一个玩具问题来确保我了解正在发生的事情。问题是我不明白这是怎么回事。
在我对模型进行拟合时，培训损失总是大于验证损失，即使对于一个平衡的培训/验证集(每个5000个样本)：
📷
根据我的理解，这两条曲线应该正好相反，这样训练损失将是验证损失的上限。
在这里，预测或多或少是可以的。然而，我仍然想了解到底发生了什么，因为我在实际问题中看到了类似的损失行为，但这些预测都是胡说八道。所以我怀疑，这个模型发生了一些我不明白的事情。
这是我的玩具问题的代码：
import numpy as np
from keras.
浏览 0提问于2018-06-11得票数 3
回答已采纳
对于二值图像分类问题(CNN使用tf.keras)。我的图像数据被分成文件夹(训练、验证、测试)，每个文件夹包含两个平衡类的子文件夹。借用本教程的代码，我最初以如下方式加载了我的培训和验证集：
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
train_path,
validation_split=0.2,
subset="training",
seed=42,
image_size=image_size,
batch_size=batch_size,
浏览 0提问于2021-11-27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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
