我有一个cnn模型： model = Sequential()
model.add(Convolution2D(32, (3, 3), activation='relu', input_shape=(model.add(Dense(3)) #default linear activation 我可以训练它并获得相关的权重。在我想要加载要展平的权重(密集部分对第二阶段没有用)并将展平传递给LSTM之后。 当然，也有人
浏览 6提问于2020-04-10得票数 0
我在凯拉斯有个受过训练的模特。是否可以使用“.h5”文件中预训练模型的前4个conv层的权重来初始化新模型的前4个conv层？是否必须先加载整个预先训练</
浏览 6提问于2020-08-19得票数 0
1回答
我所做的是首先使用大数据集来训练模型，并保存权重。然后，我用我的数据集通过冻结层来训练模型。但我看到了一些过分合适的地方。所以我试着改变模型的下降率，加载权重，因为数字是变化的，而退出是变化的。直接我的问题是，是否有可能改变模型的辍学，同时加载重量？
<
浏览 0提问于2018-09-06得票数 1
回答已采纳
3回答
什么是冻结/解冻一层神经网络？
、、、、
我已经和神经网络玩了很长一段时间了，最近我在训练神经网络之前遇到了“冻结”和“解冻”这两个术语，同时读到了关于迁移学习的知识&我很难理解它们的用法。
什么时候应该使用冷冻/解冻？哪几层是冷冻/不冻的？例如，当我导入一个经过预先训练的模型并根据我的数据对它进行训练时，除了输出层之外，我的整个神经<e
浏览 3提问于2020-06-06得票数 6
回答已采纳
我尝试了ANN和LSTM，尝试了很多不同的参数，但我只能得到比持久性预测好8%的结果。所以我想知道:既然你可以在keras中保存模型；是否有任何预先训练的模型(LSTM、RNN或任何其他ANN)用于时间序列预测？如果是这样的话，我如何获取它们？在凯拉斯有吗？我的意思是，如果有一个包含预训练模型的</em
浏览 1提问于2017-10-12得票数 15
1回答
我在凯拉斯为CNN做了一个模型。我想保存这个模型，并将这个经过训练的模型用于转移学习，作为一个预先训练的模型。我不明白怎样才是正确的方法来保存这个模型，以便将它用于转移学习。同样，如何在Keras中加载经过预先训练的模型，以便在加载之前的模型后添加一些层。，这是我构建
浏览 2提问于2021-06-30得票数 0
回答已采纳
2回答
我有一个关于微调和迁移学习的一般性问题，当我试图弄清楚如何最好地让yolo检测我的自定义对象(手)时，这个问题出现了。 我为可能包含大量虚假信息的长文道歉。如果有人有耐心读一读，帮我理清思路，我会很高兴的。 经过大量的谷歌搜索，我了解到许多人认为微调是迁移学习的一个子类，而另一些人则认为他们有不同的方法来训练模型。同时，人们在自定义数据集上仅重新训练模型的最后一个分类器层与也重新<
浏览 150提问于2019-03-12得票数 7
回答已采纳
2回答
我正在设置一个fit_generator来训练一个由keras训练的DNN。但我不知道如何在这台发电机里使用CNN。基本上，我有一个经过预先训练的图像生成器，它使用完全连接的卷积网络(我们可以将它命名为GEN)。现在，我想在我的fit_generator中使用这个完全-CNN来生成无限数量的图像来训练另一个分类器(称为类网)。，
浏览 0提问于2019-05-06得票数 0
1回答
假设我创建了一个文本模型“A”，它识别20个语音命令，模型“B”识别其他20个命令-- .Is，这样我就可以将这两个模型连接起来，从而识别出总共40个单词。
浏览 0提问于2020-03-09得票数 2
回答已采纳
1回答
我对凯拉斯很陌生。我在Keras中使用了Keras来构建我的模型。model.add(LSTM(100, st
浏览 0提问于2019-01-16得票数 5
回答已采纳
我想使用TF 2.0在我的GPU集群上运行分布式预测。我用MirroredStrategy训练了一个用凯拉斯制作的CNN，并保存了下来。我可以加载模型并对其使用.predict()，但我想知道这是否会自动使用可用的GPU进行分布式预测。如果不是，我如何运行分布式预测来加速推理并使用所有可用的GPU内存？目前，当运行许多大型预测时，我超过了其中一个
浏览 43提问于2020-06-13得票数 3
2回答
新图像尺寸的传递学习
、、、
转移学习:将经过训练的神经网络用于新的分类任务。我不明白为什么改变输入形状不会影响卷积层的重量和为什么它会影响完全连接的层权重。
如果我的<
浏览 0提问于2019-08-16得票数 1
回答已采纳
1回答
我想使用NiftyNet堆栈执行一些传输学习，因为我的标记图像数据集相当小。在TensorFlow中，这是可能的--我可以加载各种预先训练过的网络，并直接使用它们的层。为了对网络进行微调，我可以冻结中间层的训练，只训练最后一层，或者只利用中间层的输出作为特征向量输入到另一个分类器中。
我如何在
浏览 0提问于2018-06-08得票数 4
2回答
如何正确训练扩展数据集
、、、
我训练了我的分类器，在每幅图片上混合了几个类，例如A。分类器能够(几乎)正确地分割图像上的这些类。现在我得到了更多显示G类图片的数据，为了最小化我的工作，我只在图像上标记了G类，而其他的则没有显示出来(无效)。我的训练有两个问题：
如果在我的第一个数据集中没有G类的例子(因为它可能是A的子类)，我如何正确地训练它？建议的
浏览 0提问于2017-02-14得票数 1
4回答
对于一些文本处理项目，我们需要在支持向量机和快速人工神经网络之间做出选择。哪种方法是正确的？或者有没有这两个的替代方案...比范恩和支持向量机更合适的方法吗？
浏览 1提问于2010-03-13得票数 14
回答已采纳
1回答
假设我们正在训练一个神经网络模型来学习从以下输入到输出的映射，其中输出是 (NE)。 [['<s>', '<s>', 'EU', 'rejects', 'German'],\
['<s>', 'EU', 'rejects', 'G
浏览 3提问于2017-11-07得票数 6
回答已采纳
1回答
我正在尝试构建一个Keras模型，以实现在文章中解释的方法。我有两种不同类型的数据，它们代表需要分类的同一组类(标签)。第一类是图像数据，第二类是脑电数据(时序序列)。，通过这样的回归，可以将脑电特征向量映射到图像向量中：
第一种方法是训练CNN将图像映射到相应的EEG特征向量。通常，CNN的第一层试图了解图像的一般(全
浏览 2提问于2022-03-24得票数 1
2回答
我有一个使用keras开发的简单的LSTM网络：model.add(LSTM(rnn_size,input_shape=(2,w),dropout = 0.25, recurrent_dropout=0.25))我想采用MC辍学的方法。如何在测试阶段启用辍学以计算不确定度？
谢谢。
浏览 0提问于2019-03-26得票数 4
2回答
Caffe中的多个预培训网络
、、、、
是否有一种简单的方法(例如，不修改代码)将多个预先训练过的网络加载到一个网络中？该网络包含与两个预培训网络相同的维度和名称的一些层。
我正试图使用NVidia数字和Caffe来实现这一点。编辑：正如答案所证实的那样，我认为不可能直接从数字进行编辑。有人能建议一种简单的方法来修改数字代码，以选择多个预先训练过<e
浏览 3提问于2015-12-25得票数 7
回答已采纳
我想问一个受过训练的模特的可能结果。假设我想对法拉利的两个不同模型进行分类，而这两个模型的数据集很小(例如，每个模型有几百幅图像)。在Keras博客中，讨论了这个问题，但在示例中，它们对狗和猫进行了分类，这两个类非常通用，它们之间非常不同，而且在原始imagenet模型中已经包含了许多猫和狗(假设汽车/总线/卡车不包括在imagenet从Coco/Imagenet权重开
浏览 0提问于2018-08-30得票数 1
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号