self.model.add(Dense(16)) print(self.model.summary())
datagen = ImageDataGenerato
浏览 75提问于2019-12-09得票数 0
TensorFlow2.3引入了新的预处理层，如tf.keras.layers.experimental.preprocessing.Resizing。然而，使用Keras在图像上进行训练的典型流程是使用tf.keras.preprocessing.image.ImageDataGenerator，它只能接受固定的target_size参数。据我所知，根本原因是keras在后台以numpy数组的形式处理图像，其中所有图像的大小必须相同
浏览 0提问于2020-11-20得票数 0
背景ImageDataGenerator(rescale=1./255, ...
..。我认为使用我想要训练的各个模型
浏览 3提问于2019-02-15得票数 8
我试图在Kaggle的数字识别dataset上实现逻辑回归。训练集中有42000行，我想使用数据增强来增加计数。我尝试使用keras的ImageDataGenerator对象 datagen = ImageDataGenerator( height_shift_range=0.2)
datagen.fit(X_train) 但大小保持
浏览 85提问于2020-07-12得票数 0
回答已采纳
1回答
数据增强推荐管道
、、
我想使用Keras和由50个类组成的数据集来执行图像分类。目前，我每班只有7幅图像，我需要进行数据增强，以训练模型并获得可接受的精度值。我正在使用ImageDataGenerator类从角化，这是推荐的图像增强在飞行(在培训期间)。这是一种常见的做法是执行两种类型的增强(在培训之前和期间)？我计划使用一些第三方软件或工具，如imgaug，首先放大数据集，并将增强后的图像保存到磁盘中
浏览 0提问于2018-08-30得票数 3
回答已采纳
1回答
我使用了一个以VGGnet为基础的Keras模型进行图像分类。我看到了，从‘tensorboard’来看，训练似乎是正常的。然而，该模型在新图像的推理过程中失败。是的，我正在参加一个预先训练过的VGGnet，它是在ImageNet上训练的，并且训练我的定制类图像的模型。(我使用了预<
浏览 0提问于2019-03-08得票数 1
回答已采纳
1回答
我正在尝试在Keras中应用一种自定义的图像增强技术。我正在使用fit_generator和一个生成器来生成图像。我想只在20个时期之后才开始应用图像增强(所以前20个时期不会有任何数据增强)。
浏览 1提问于2018-07-18得票数 1
我在训练一个简单的对抗性形象来打破一个预先训练过的模型。但是，我在fit()过程中获得的结果与对同一个输入(常量输入)调用predict()不同。)
在fit()期间，损失正在减少。= [[0 1]]print(gan.predict(x))[[0.99923825 0.00076174]]
使用</
浏览 0提问于2019-10-29得票数 0
1回答
我已经创建了一个CNN模型，可以用来区分狗和猫。在训练过程中，我的模型在4/25纪元结束时显示出99%的训练精度和81%的测试精度。这是正常的吗？或者，在完成所有的时期后，是否会出现任何问题？因此，我需要使用这个CNN模型来输入不属于我的测试集训练的新输入。如何使用我的模型来预测一些新照片？ 我没有使用过classifier.save( )，所以
浏览 20提问于2019-08-30得票数 0
我希望使用自定义生成器，以便在Keras中的dataset上实现自定义增强。然而，我构建了一个泛型生成器(没有增强)，并且不明白为什么它的性能要比内置的适配函数差得多。IMG_SIZE, NUM_CHANNELS), dtype=np.float64)
batch_labels = np.zeros((batch_size, NUM_KEYPOINTS * 2)
浏览 0提问于2019-05-21得票数 0
1回答
当我过度适应(epoch=350，loss=2)时，我的模型的准确性(70+%) (以及其他指标，如F1评分)要比不超适(epoch=50，loss=1)精度高出60%左右。把这套贴身的模型作为最好的型号真的是坏事吗？既然测试集的性能更好？
我已经运行了相同的模型与另一个测试集(这是以前的火车组)性能仍然更好(尝试了3种不同的拆分)。编辑:关于我所读到的，验证丢失并不总是确认模型过度使用的最佳标准。在我的情况下，最好是使用验证F1评分和回忆，当它开始下
浏览 0提问于2019-05-16得票数 2
我正在用tensorflow Keras构建一个CNN模型，可用的数据集是黑白的。我正在使用从ImageDataGenerator api可用的keras.preprocessing.image将图像转换为数组。默认情况下，它将每个图像转换为3通道输入。那么，如果训练后的图像是彩色的，而不是黑白的，那么我的模型能够预测真实世界的图像(彩色图像)吗？在ImageDataGenerator中还有一个名为"color_mode“的
浏览 4提问于2022-05-15得票数 0
1回答
当我在8 8GB内存的cpu上使用keras时，有时我会遇到“内存错误”，或者有时精度类是0，但同时某些类是1.00。如果我在GPU上使用keras，会解决我的问题吗？
浏览 25提问于2019-09-21得票数 0
我正在使用keras构建一个图像分类模型，我的所有数据都在一个目录中，每个类都有子文件夹：----class1/----class3/我想知道是否有一种方法可以使用ImageDataGenerator在keras中将我的数据划分为训练、测试和验证集。
浏览 0提问于2020-03-13得票数 1
我想训练一个模型来使用Keras生成新图像，并且我将使用ImageDataGenerator类来生成一批图像。 问题是我找不到一种方法来使用这个类来生成训练并将批次标记为图像。我想传递给模型作为训练一些图像和标签一些其他图像。 此外，我需要从硬盘中读取每批图像，因为数据集太大，无法加载到内存中。 此外，还可以使用ImageDataGenerator方法的替代方案。
浏览 32提问于2019-02-11得票数 1
我训练了一个模型，当我用测试集对模型进行评估时，我发现分类报告使用3种方法是不同的：from keras.models import load_model img_
浏览 3提问于2021-11-02得票数 1
2回答
组合两个数据生成器来训练CNN
、、、、
我正在尝试使用我分成两部分的数据集来训练模型，对于每个部分，我使用keras和tensorflow创建不同的ImageDataGenerator。面向所有人的tnx
浏览 1提问于2020-03-21得票数 0
1回答
我应该使用渐缩参数来增强数据吗？
、、、、
我正在使用Keras库来构建CNN模型。我想用数据增强来训练数据。ImageDataGenerator(rescale=1./255)
浏览 0提问于2018-09-18得票数 2
回答已采纳
我已经训练了CNN对3类图像进行分类。在训练模型时，我使用了keras中的ImageDataGenerator类对图像应用预处理功能并对其进行重新缩放。现在我的网络在测试集上得到了很好的训练，但我不知道如何将预处理功能应用于单图像预测。如果我使用ImageDataGenerator，它会查找目录。请参阅下面的代码 训练集： train_datagen = ImageData
浏览 46提问于2020-09-02得票数 3
我已经使用Keras训练了一个用于类化的ResNet50。为了进行测试，我使用ImageDataGenerator flow_from_directory()方法将输入传递给模型。这是它的代码： preprocessing_function=tf.keras.applications.resne
浏览 3提问于2022-01-27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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
