-精度: 0.6652 -召回:0.6652-损失: 0.5987 -准确性: 0.0000e+00 -精度: 0.6659 -召回: 0.49 - ETA: 22-损失: 0.5974 -准确性:: 21s -精度: 0.5931 -精度: 0.0000e+00 - 0.6678 -回忆: 0.51 - ETA: 21s -损失: 0.5927 -准确性: 0.0000e+00 -精度: 0.6675: 0.5915 -精度: 0.
浏览 2提问于2020-11-15得票数 0
回答已采纳
在第一次训练中，我在第5次训练中获得了87%(0.29损失)和87%(0.30损失)的训练精度，我连续训练了15次，正如预期的那样，它开始过度拟合，训练精度提高到97%(0.01损失)，验证保持在87%(0.35损失)。结果如下:第五阶段:训练精度77% (0.45损失)和验证精度77% (0.41损失)。第10世纪:列车精度82% (0.38损失)和验证精度82
浏览 0提问于2020-07-27得票数 2
在培训我的LSTM (使用Python中的Keras库)时，验证损失不断增加，尽管它最终确实获得了更高的验证精度。这就引出了两个问题：这是我的LSTM的一个示例历史日志，它适用于：将历元0与历元~430进行比较时，可见：
1.1 val损失下52% val准确度，1.8val损失时61%
浏览 0提问于2021-01-24得票数 0
byte b=9 ;给出编译错误(可能的精度损失)为什么b=9不给出错误，而b=b+9给出精度损失？此外，当编写为b+=6时，代码不会给出任何错误。b=b+6和b+=6有什么不同？
浏览 0提问于2014-07-16得票数 1
1回答
我正在训练一个CNN-LSTM concat模型，经过20个时期后，我得到了69%的准确率和0.04 %的损失？我知道非常高的训练精度和相对较低的验证精度的组合表示过拟合，但我想知道低精度和非常低的损失是否也表示过拟合。 总体而言，准确率呈线性增加，损失呈指数下降。
浏览 37提问于2020-01-30得票数 0
回答已采纳
2回答
A.)当在Java中将浮点数转换为双精度时，会发生精度损失吗？
B.)如果我将浮点数输入到浮点数中，那么会导致精度损失吗?还是Java仅仅智能地忽略/跳过这类类型的类型呢？
浏览 0提问于2014-05-01得票数 0
回答已采纳
1回答
使用TPU的二进制和多类分类
、、、、
: 0.2862 -精度: 0.8951 Epoch 2/10 28/28 ============================== - 15s 535 1s /步-损失0.1453 -精度: 0.9520/阶跃损失: 0.0951 -精度: 0.9621 Epoch 7/10 28/28 ============================== -351s/step-损失: 0.0615 -精度</e
浏览 2提问于2020-05-22得票数 0
所以问题是，如果我们加载模型，精度会很低。请参阅下面的代码。model.evaluate(X, y, verbose=1)
print('Restored model, accuracy: {:5.2f}%'.format(100*acc), loss) 保存前的精度和损失:损失: 0.2324 -精度: 0.9202 - val_loss: 1.3789 - val_accuracy: 0.6353 精度和加载后损失:恢复模型，精
浏览 12提问于2019-12-06得票数 1
在训练模型时，通常使用损失函数和精度度量来训练模型。
使用第二损失函数作为精度度量会产生负面影响吗？(例: mean_absolute_error)
浏览 2提问于2018-05-29得票数 0
回答已采纳
在训练阶段，我打印了上一个时代的Loss:0.38703016219139097损失和精度，得到了和。然而，当我加载刚从训练阶段得到的模型来打印损失和精度时，就会得到相同的精度和不同的损失: 0.38702996191978456。
为什么会发生这种事？
浏览 1提问于2022-04-22得票数 1
522/522 ============================== - ETA: 0-损失: 0.1936 -精度:0.9213WARNING:tensorflow:可以保存最好的模型只有在val======================== - ETA: 0-损失: 0.1863 -精度:0.9273 skipping :tensorflow:只有在val-精度可用，跳过的情况下才能保存最佳型号======================== - ETA: 0-损失</em
浏览 5提问于2022-11-06得票数 0
我想确保它的十进制值没有精度损失(即)输入到大小数点的准确存储。我的理解是，当我试图将无限大的双小数点转换为大小数点时，就会出现精度损失，因此，建议使用double的字符串表示来创建大小数点。根据我的理解，经过后，在大十进制转换过程中导致精度损失的输入双值总是有很大的大小，不适合于64位。例: 0.1。所以，这样大的小数的字符串和双值表示是不匹配的。如果说当字符串和双值不匹配时出现了精度损失，就足够了吗？字符串和双值的大小数点不同，因此，精度<
浏览 0提问于2020-06-12得票数 0
回答已采纳
1回答
我使用sigmoid作为输出激活函数，binary_crossentropy作为损失函数，训练了一个多标签多类图像分类器。验证的精度曲线显示上下波动，而少数时期的损失曲线显示奇怪(非常高)的值。以下是使用Dropout和BatchNormalization微调(最后一个块) VGG19模型的精度和损失曲线。使用Dropout、BatchNormalization和Data Augmentation微调(最后一个块) VGG19模型的精度和损失曲线。有人能解释为什么<em
浏览 1提问于2020-02-10得票数 0
1回答
我构建了一个模型，当我编译时，我的结果是： 纪元97/100306/306==- 46s 151ms/步长损失: 0.2453 -精度: 0.8824 - val_loss: 0.3557 - val_accuracy: 0.8922纪元98/100306/306==- 47s 152ms/步长损失: 0.2096 -精度: 0.9031 - val_loss: 0.3795 - val_accuracy: 0.8824纪元99/100306/
浏览 47提问于2020-04-28得票数 1
1回答
logistic回归的准确度为0.84，损失函数为0.45。对于支持向量机，精度为0.80，损失函数为0.33。这些算法中哪一种表现得更好？如何比较两种模型(按精度或损失函数)？
浏览 2提问于2022-06-29得票数 0
一切顺利，但损失曲线和精确曲线之间存在一些不一致之处。损失图中蓝色的是测试损失，紫色是训练损失。在度量图中，绿色曲线是训练精度，蓝色曲线是测试精度。正如我们所看到的，虽然测试损失有恶化的趋势，但是测试的准确性并没有变差。这让我很困惑。深造是正常的吗？有什么解释吗？
浏览 0提问于2018-08-17得票数 1
回答已采纳
1回答
只使用精度优化
、、、、
目的是最大限度地减少损失，最大限度地提高精度。我们能否只使用我们的模型的准确性和下降损失？有了精度，我们也可以改变模型的权重吗？
浏览 3提问于2021-12-25得票数 -1
1回答
在深入学习中，我们应该根据火车/车辆的损失和准确性来选择最好的模型，但是我怎么知道哪一点是最好的呢？最优的列车/电压损耗曲线和精度曲线是怎样的？
如果经过长时间训练后，列车损失减少，列车精度提高，但val损失增加，而val精度停止增长，我该怎么办？
浏览 3提问于2017-08-25得票数 3
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
