我将此Tensorflow教程复制/粘贴到Jupyter笔记本中。(在撰写本文时，他们将教程改为花朵数据集，而不是狗数据集，但问题仍然适用)。但随着数据的增加，我的损失和准确率在所有时期都保持不变。加上我打印了几张增强的图像，它工作得很好(见下文)。我已经尝试添加更多完全连接的层来增加模型容量，丢失以限制过度拟合，...曲线没有任何变化： 有什么想法可以解释原因吗？我是不是在代码中遗漏了什
浏览 38提问于2020-08-04得票数 0
我对神经网络非常陌生，我正在训练CNN进行图像分类，在训练过程中，我得到以下信息：这告诉我训练的损失和准确性，验证的损失和准确性，如果我错了，请纠正我。，这些量是什么？有什么方法可以理解我，如果我看他们的问题做得很好的话？
浏览 0提问于2020-12-09得票数 0
回答已采纳
我用大量的历次训练我的CNN模型，每次我打印训练损失和准确性，但是在这两个指标中有很多高和低，我想提前停止，例如，损失0.2，准确率在%95或更高，因为我在不止一个时期得到了这个值，我的问题是：
1-列车组或验证组是否提前停车2-如果在验证集上，我是否应该为每一个具有火车组丢失和准确性的时代打印验证损失和准确性
浏览 0提问于2019-01-25得票数 2
回答已采纳
2回答
因此，我尝试修改https://www.tensorflow.org/tutorials/keras/basic_classification中的entry-tutorial，以使用我自己的数据。目标是对狗和猫的图像进行分类。代码非常简单，如下所示。问题是，网络似乎根本不学习，训练损失和准确性在每个时代之后都保持不变。图像<
浏览 71提问于2019-09-03得票数 3
回答已采纳
2回答
我的学习曲线是否过正？
、、、、
我正致力于多分类任务(总共6个班)，并获得了几乎完美的训练和测试的准确性(超过99%)的基础上，我的训练cnn模型。我想知道，我受过训练的模特是否有过度适应的问题。附件是该模型的损失和准确性的学习曲线。整个训练数据集包含大约30k样本，训练与验证数据的比率为
浏览 7提问于2022-10-10得票数 -1
回答已采纳
我在训练CNN的图像分类模型。训练精度不断提高，但验证精度波动较大。我想节省最好的重量，并使用它，如果一个坏的准确性是遇到。我可以节省最好的重量，但不知道如何使用它下一个时代，如果遇到坏的准确性。我怎样才能用tensorflow实现这一点。
浏览 8提问于2022-01-15得票数 0
1回答
交叉损失与精算的关系
、、、
我正在训练一些CNN的图像分类任务。在一个简单的版本中，这可以很好地工作，但当我让图像变得更难时，我现在遇到了这个现象(我让它在晚上训练)：
在训练过程中，训练交叉点损失下降。此外，在我的测试数据集上，交叉点损失也会下降。我正在进一步测量它的准确性，这是不同的行为。一开始它是
浏览 3提问于2017-02-16得票数 0
1回答
我用tensorflow编写了一个用于python的CNN模型，该模型用于对肺CT图像(癌症/非癌症)进行分类，经过训练和验证数据训练模型并获得合理的准确性，毕竟，我需要用测试数据来测试模型，但我不知道如何做到这一点
浏览 0提问于2018-08-14得票数 0
回答已采纳
5回答
我正在使用mxnet训练一个11级的图像分类器.我观察到一种奇怪的行为训练的准确性在缓慢增长，上升到39%，在下一个时期下降到9%，然后在其余的训练中保持接近9%。我用保存的模型重新开始训练(训练准确率为39% )，保持所有其他参数不变。现在训练的准
浏览 14提问于2016-05-05得票数 15
回答已采纳
我在TensorFlow中使用具有两个卷积层的CNN，一个完全连接的层和一个线性层来预测对象的大小。标签是大小，特征是图像。两种方法的准确率都有所提高，但交叉验证准确率的提高速度较慢。考虑到精度上的差异是由于模型过拟合，我尝试使用L2正则化
浏览 3提问于2018-09-07得票数 0
1回答
我使用MobileNet v2和Tensorflow 2.0的传输学习来训练皮肤质量分类网络。一切都很好，但是验证的丢失和验证的准确性似乎不会改变。我保存了模型文件，并对各种图像运行了预测，但这也没有成功，因为模型对每个图像都输出了完全相同的预测。这是一个非常奇怪的问题，谷歌似乎对此没有答案。任何帮助或洞察力都将不胜感激。
浏览 0提问于2019-08-18得票数 4
2回答
我一直在研究MNIST数据集，以了解如何在我的深度学习课程中使用Tensorflow和Python。多亏了网站上的tensorflow教程，我可以在内部/外部读取数据，还可以在softmax和cnn中训练它。最后，我可以在softmax中获得>%90，在cnn中获得>%98，准确性。我的问题是，我想要将MNIST上的
浏览 2提问于2017-03-14得票数 1
我是机器学习的新手，我正在尝试制作一个图像分类器，模型正在正确地训练，但问题是在张力板上，如何在验证集上可视化损失和准确性的曲线？您看到的唯一一件事就是测试集的损失和准确性
model.compile(loss='categorical_crossentropy',
浏览 1提问于2019-12-01得票数 4
1回答
为什么在CNN图像的二值化分类中，损失和精度图是如此的不稳定？我的意思是，验证测试的准确性没有平稳地提高，达到80%，然后达到60%，然后又上升到84%等等。火车的准确性也是如此。现在，我如何知道多少个时期是最优的数目？
浏览 0提问于2020-11-03得票数 1
1回答
我正在为我的CNN测试参数，它的目标是按照三个类别对图像进行分类。图像为224x224，CNN结构非常基本，由3个卷积层(32、32和64滤波器)组成，ReLU激活，之后有一个最大池层。在3个卷积层后，有一个有256个细胞的FC层和3个具有Softmax激活的神经元FC。经过一些测试后，我意识到训练和测试的精度保持不变，无论参数如何变化，大约33
浏览 7提问于2022-10-20得票数 1
2回答
我在训练CNN来解决三级图像分类问题。我的训练损失平稳地减少了，这是预期的行为。然而，我的验证损失显示出很大的波动。📷附加信息:我正在微调一个Resnet-18的最后一层，它是在ImageNet数据上接受过PyT
浏览 0提问于2018-05-02得票数 10
回答已采纳
我刚刚开始学习CNN的Tensorflow。然而，当我训练模型时，损失和准确性不会改变。我使用的图像大小为128x128x3，图像被标准化(以0，1为单位)。这是我正在使用的编译器。model.compile(optimizer=tf.keras.optimizers.Adam(lr=0.000001)，损失=‘二进制_交叉熵’，度量=‘准确性’)
下面是我的模型<em
浏览 5提问于2020-03-12得票数 0
众所周知，用于目标检测的nVidia DetectNet - CNN (卷积神经网络)是基于Yolo/DenseBox：的方法。
现代CNN (卷积神经网络)是DetectNet旋转不变的吗？我能用同一旋转角度对数千幅
浏览 14提问于2016-12-03得票数 9
回答已采纳
我使用的是MINST数据集，许多1是横向的，看起来很像正斜杠字符，这使得我的许多正斜杠变成了1而不是/。 有谁知道如何解决这类问题？
浏览 27提问于2019-05-09得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
