Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
ValueError:形状(无,1)和(无,2)不兼容
我正在训练面部表情 愤怒与快乐 模型 最后一个密集输出层以前为 1 但当我预测图像时 它的输出始终为 1 准确度为 64 所以我将其更改为 2 表示 2 个输出 但现在我收到这个错误 Epoch 1 15 ValueError Traceb
tensorflow
Keras
convneuralnetwork
辍学训练
如何对由 dropout 产生的许多薄层进行平均 在测试阶段要使用哪些重量 我对这个问题真的很困惑 因为每个细化层都会学习一组不同的权重 那么反向传播是为每个稀疏网络单独完成的吗 这些细化网络之间的权重究竟是如何共享的 因为在测试时仅使用一
neuralnetwork
deeplearning
convneuralnetwork
使用tensorflow获取真阳性、假阳性、假阴性和真阴性列表
这是我的工作 我注释了 活 细胞的图像 约 8 000 和 死 细胞的图像 约 2 000 800 和 200 用于测试集 我正在使用 CNN 带有张量流和 keras 将图像分类为 活 或 死 我训练了我的模型 验证损失 0 35 召回率
python
tensorflow
Keras
deeplearning
convneuralnetwork
神经网络 - 我的网络似乎训练得很好,但在分类报告中它是完全随机的
我正在训练一个模型来对 3 种类型的车辆进行分类 一切看起来都很顺利 直到我尝试用我的模型预测任何事情 预测结果是完全随机的 我使用 3 个类别的 15000 张图像 每个类别 5000 个 进行训练 并使用 3 个类别的 6000 个图像
Keras
deeplearning
Classification
convneuralnetwork
tensor
conv1D 中形状的尺寸
我尝试过构建一个只有一层的 CNN 但遇到了一些问题 事实上 编译器告诉我 ValueError 检查模型输入时出错 预期的 conv1d 1 input 具有 3 个维度 但得到形状为 569 30 的数组 这是代码 import num
python
tensorflow
Keras
deeplearning
convneuralnetwork
根据caffe中的“badness”缩放损失值
我想根据训练期间 当前预测 与 正确标签 的接近 远近来缩放每个图像的损失值 例如 如果正确的标签是 猫 而网络认为它是 狗 那么惩罚 损失 应该小于网络认为它是 汽车 的情况 我正在做的方式如下 1 我定义了标签之间距离的矩阵 2 将该矩
neuralnetwork
deeplearning
caffe
convneuralnetwork
如何使用 Keras 中的 Conv2D 在 5D 张量的最后三个维度上应用卷积?
通常的输入张量Conv2DKeras 中是一个 4D 张量 其维度为batch size n n channel size 现在我有一个 5D 张量 其尺寸为batch size N n n channel size我想对中的每个 i 应用
python
tensorflow
machinelearning
Keras
convneuralnetwork
如何访问 tf.layers.conv2d 中的内核变量?
我想可视化卷积层中的权重以观察它们如何变化 但我找不到一种方法来访问卷积层中的权重tf layers conv2d 谢谢 您可以通过名称访问该变量 weights sess run
tensorflow
convneuralnetwork
tensorboard
Keras Predict_classes 方法返回“列表索引超出范围”错误
我对 CNN 和机器学习总体来说是新手 并且一直在尝试遵循 TensorFlow 的图像分类教程 现在 可以找到Google Colabhere https colab research google com drive 1gwZp7 t
python
tensorflow
machinelearning
Keras
convneuralnetwork
了解最大池层之后的全连接层的尺寸[关闭]
Closed 这个问题不符合堆栈溢出指南 help closed questions 目前不接受答案 在下图 架构 中 4096 个单元的 全连接 密集层是如何从最后一个最大池层 右侧 维度导出的256x13x13 而不是 4096 不应该
neuralnetwork
deeplearning
convneuralnetwork
使用 CNN 和 pytorch 计算每个类别的准确度
我可以使用此代码计算每个时期后的准确性 但是 我想最后计算每个班级的准确性 我怎样才能做到这一点 我有两个文件夹 train 和 val 每个文件夹有 7 个不同类别的 7 个文件夹 train 文件夹用于训练 否则 val 文件夹用于测试
Pytorch
Classification
trainingdata
convneuralnetwork
loss
如何使用 TFlearn 中的 ImageAugmentation 训练 CNN 中的图像和数据混合
我想使用图像 像素信息 和数据的混合在 Tflearn Tensorflow 中训练卷积神经网络 由于我的图像数量较少 因此我需要使用图像增强来增加传递到网络的图像样本数量 但这意味着我只能传递图像数据作为输入数据 必须在稍后阶段 大概在全
tensorflow
concatenation
convneuralnetwork
TFLearn
每次运行神经网络代码时结果都会改变
我通过运行此链接中提供的代码得到了结果神经网络 预测多个变量的值 https stackoverflow com questions 58071836 neural network predicting values of multiple
按相似度对矩阵进行排序
我有 100 个矩阵 其中每一行对应一个个体 列对应站点 我想通过相似性度量对行进行排序 以便最相似的个体在矩阵中彼此相邻 我使用 k 近邻按行对矩阵进行排序 并将这些排序的矩阵提供给卷积神经网络 我想知道是否还有其他措施可以完成手头的任务
python
machinelearning
convneuralnetwork
similarity
如何使用 Keras ImageDataGenerator 预测单个图像?
我已经训练 CNN 对图像进行 3 类分类 在训练模型时 我使用 keras 的 ImageDataGenerator 类对图像应用预处理功能并重新缩放它 现在我的网络在测试集上训练得非常准确 但我不知道如何在单图像预测上应用预处理功能 如
python
image
tensorflow
Keras
convneuralnetwork
Tensorflow 中使用 Adam Optimizer 时损失突然增加
I am using a CNN for a regression task I use Tensorflow and the optimizer is Adam The network seems to converge perfectl
tensorflow
neuralnetwork
Regression
convneuralnetwork
卷积神经网络 (CNN) 输入形状
我是 CNN 的新手 我有一个关于 CNN 的问题 我对 CNN 特别是 Keras 的输入形状有点困惑 我的数据是不同时隙的二维数据 比方说10X10 因此 我有 3D 数据 我将把这些数据输入到我的模型中来预测即将到来的时间段 所以 我
tensorflow
Keras
deeplearning
convneuralnetwork
如何理解SpatialDropout1D以及何时使用它?
偶尔我会看到一些模型正在使用SpatialDropout1D代替Dropout 例如 在词性标记神经网络中 他们使用 model Sequential model add Embedding s vocabsize EMBED SIZE i
machinelearning
Keras
deeplearning
convneuralnetwork
dropout
为什么我们应该在 Keras 中对深度学习数据进行标准化?
我正在 Keras 中测试一些网络架构 以对 MNIST 数据集进行分类 我已经实现了一个类似于 LeNet 的方法 我看到在网上找到的例子中 有一个数据标准化的步骤 例如 X train 255 我在没有这种标准化的情况下进行了测试 我发
machinelearning
neuralnetwork
deeplearning
Keras
convneuralnetwork
Fast R-CNN 中 ROI 层的用途是什么?
In this https leonardoaraujosantos gitbooks io artificial inteligence content object localization and detection html关于目标
deeplearning
ComputerVision
convneuralnetwork
objectdetection
1
2
3
4
5
6
...10
»