Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
对多输出 Keras 模型中的每个输出使用不同的样本权重
我的输入数组是image array 包含 10000 张大小为 512x512 4 个通道的图像的数据 IE image array shape 10000 512 512 4 每张图像都有一个相关的指标 我想训练 CNN 来为我进行预测
python
Keras
deeplearning
convneuralnetwork
lossfunction
训练CNN时如何去除重复项?
我正在使用 CNN 解决图像分类问题 我有一个包含重复图像的图像数据集 当我用这些数据训练 CNN 时 它出现了过拟合 因此 我需要删除那些重复项 我们粗略地称为重复的东西对于算法来说可能很难辨别 您的重复项可以是 精确重复 近乎精确的重复
python
imageprocessing
Keras
deeplearning
convneuralnetwork
Tensorflow 神经网络预测始终相同
我有一个深度 CNN 可以预测 3d 图像中每个像素的 0 和 2 之间的标签 我已经在每个像素都标记为 1 的图像上训练了模型 因此 在测试模型时 我相信每个预测都应该是 1 相反 模型仅预测 0 这是整个模型的存储库 https git
python
tensorflow
neuralnetwork
deeplearning
convneuralnetwork
GoogLeNet 模型的微调
我从头开始训练 GoogLeNet 模型 但它并没有给我带来有希望的结果 作为替代方案 我想在我的数据集上对 GoogLeNet 模型进行微调 有谁知道我应该遵循什么步骤 假设您正在尝试进行图像分类 这些应该是微调模型的步骤 1 分类层 原
machinelearning
deeplearning
ComputerVision
convneuralnetwork
caffe
使用 conv1D “检查输入时出错:期望 conv1d_input 有 3 个维度,但得到形状为 (213412, 36) 的数组”
我的输入只是一个 csv 文件237124行和37列 首先36列作为特征 The last列是一个二进制类标签 我正在尝试在 conv1D 模型上训练我的数据 我尝试过建立一个一层 CNN 但我有一些问题 编译器输出 ValueError
python
Keras
neuralnetwork
convneuralnetwork
LSTM
Caffe:如何通过代码获取`solver.prototxt`参数?
我想访问solver prototxt参数如base lr 基础学习率 或weight decay来自Python代码 有什么方法可以从solver net目的 谢谢 根据本教程 http nbviewer jupyter org gith
python
neuralnetwork
deeplearning
caffe
convneuralnetwork
Keras ConvLSTM2D:输出层上的 ValueError
我正在尝试训练 2D 卷积 LSTM 以根据视频数据进行分类预测 然而 我的输出层似乎遇到了问题 ValueError 检查目标时出错 预期dense 1 有 5 个维度 但得到了形状为 1 1939 9 的数组 我当前的模型基于ConvL
python
tensorflow
Keras
convneuralnetwork
LSTM
Keras CNN:将文本作为除图像之外的附加输入添加到 CNN
我正在尝试训练 CNN 进行对象分类 因此 除了图像之外 我还想输入一些文本特征 我在这里找到了一个这样做的例子http cbonnett github io Insight html http cbonnett github io Ins
python
tensorflow
Keras
convneuralnetwork
Keras cifar10 示例验证和测试损失低于训练损失
我正在使用 Keras 的 cifar10 示例 你可以找到它here https github com fchollet keras blob master examples cifar10 cnn py 我已经重新创建了模型 即 不是相
machinelearning
neuralnetwork
deeplearning
Keras
convneuralnetwork
多特征因果 CNN - Keras 实现
我目前正在使用基本的 LSTM 进行回归预测 并且我想实现一个因果 CNN 因为它的计算效率应该更高 我正在努力弄清楚如何重塑当前的数据以适应因果 CNN 单元并表示相同的数据 时间步关系以及扩张率应设置为多少 我当前的数据是这样的 num
python
Keras
deeplearning
convneuralnetwork
LSTM
Tensorflow 2.0 中 KerasLayer 的 TimeDistributed
我正在尝试使用来自tensorflow hub的预训练模型构建CNN RNN base model hub KerasLayer https tfhub dev google imagenet resnet v2 50 feature ve
Keras 构建 9 维特征向量网络
我有以下简单的数据集 它由 9 个特征组成 是一个二元分类问题 特征向量的示例如下所示 每行都有其对应的 0 1 标签 30 82 1 2 73 172 117 2 2 655 94 30 174 1 5 8 256 189 3 2 587
python27
NumPy
convneuralnetwork
Keras
类型错误:目标数据丢失。您的模型具有“loss”:binary_crossentropy,因此期望目标数据在“fit()”中传递
我正在尝试运行一个模型并使用分层 K 折验证来验证它 我已将训练和测试图像一起存储在一个新文件夹中 并将训练和测试的基本事实存储在 CSV 中以用于获取标签 我正在使用 binary crossentropy 作为损失函数 因为我正在研究二
python
Keras
deeplearning
convneuralnetwork
kfold
TypeError:“NoneType”对象在 Google Colab 中不可调用
下面导入的包和模型被定义为允许访问构建操作 import matplotlib pyplot as plt import tensorflow as tf import numpy as np import cv2 import os fr
python
tensorflow
Keras
convneuralnetwork
Conv1D 层 Keras 的 input_shape
我正在尝试制作一个用于非图像数据集二元分类的 CNN 模型 我的模型 代码正在运行并产生非常好的结果 准确性很高 但我无法理解input shape第一层参数Conv1D X 或输入的形状 此处x train df 为 2000 28 它有
python
tensorflow
Keras
convneuralnetwork
在keras中构建多输出模型时出错
我正在尝试在 Keras 中创建一个多输出模型 该模型从卷积开始 旨在叠加两个独立密集层的结果 我为回归任务创建了一些随机数据 其中x1是输入和df是标签 这df包含三列 定义训练和测试拆分并形成模型后 我在拟合模型时收到错误 谁能帮我纠正
python
tensorflow
Keras
convneuralnetwork
如何为每个输入预先计算一个掩码并根据该掩码调整权重?
我想提供一个与输入图像大小相同的掩码 并根据该掩码调整从图像中学习到的权重 类似于注意力 但为每个图像输入预先计算 如何使用 Keras 或 TensorFlow 做到这一点 Question 如何向图像添加另一个特征层 例如掩模 并让神经
tensorflow
Keras
convneuralnetwork
attentionmodel
CNN - 图像调整大小 VS 填充(是否保持纵横比?)
虽然人们在训练 CNN 时通常倾向于简单地将任何图像调整为正方形 例如 resnet 采用 224x224 正方形图像 但这对我来说看起来很难看 尤其是当长宽比不在 1 左右时 事实上 这可能会改变基本事实 例如 专家可能给扭曲图像的标签可
image
machinelearning
neuralnetwork
ComputerVision
convneuralnetwork
使用新类别重新训练模型
我构建了一个包含 2 个类的图像分类器 即 A 和 B 我还使用 model save 保存了这个模型 现在 在一段时间后 出现了添加一个 C 级的要求 是否可以使用 load model 然后仅向之前保存的模型添加一个类 以便我们拥有包含
如何选择每个卷积层的滤波器数量? [关闭]
Closed 这个问题需要多问focused help closed questions 目前不接受答案 构建卷积神经网络时 如何确定每个卷积层使用的滤波器数量 我知道关于过滤器的数量没有硬性规定 但是根据您的经验 您读过的论文等 是否对所
neuralnetwork
deeplearning
Keras
convneuralnetwork
«
1
2
3
4
5
6
7
8
...10
»