在这个卷积神经网络机器学习模型中，我应该用什么来替换"test_images“和"test_labels”？
在卷积神经网络机器学习模型中，"test_images"和"test_labels"是用于测试模型性能的数据集。它们通常用于评估模型在未见过的数据上的准确性和泛化能力。
"test_images"是包含测试样本图像的数据集，每个样本都是一个图像。这些图像可以是任何类型的图像，例如数字、人脸、动物等。通常，这些图像是经过预处理的，以便与训练数据集的图像格式相匹配。
"test_labels"是与"test_images"对应的标签或类别信息。每个测试样本都有一个相应的标签，用于表示该样本属于哪个类别或具有哪种属性。例如，在数字识别任务中，标签可以是0到9之间的数字，表示图像中显示的数字。
为了替换"test_images"和"test_labels"，您可以使用自己的测试数据集。确保测试数据集与训练数据集具有相同的格式和预处理方式，以便正确评估模型的性能。
以下是一些腾讯云相关产品和产品介绍链接，可用于处理和管理测试数据集：
- 腾讯云对象存储（COS）：用于存储和管理图像数据集。
- 产品介绍链接：https://cloud.tencent.com/product/cos
- 腾讯云数据库（TencentDB）：用于存储和管理标签数据集。
- 产品介绍链接：https://cloud.tencent.com/product/cdb
- 腾讯云人工智能机器学习平台（AI Lab）：提供了丰富的机器学习工具和资源，可用于训练和评估卷积神经网络模型。
- 产品介绍链接：https://cloud.tencent.com/product/ai-lab
请注意，以上提到的产品仅作为示例，您可以根据自己的需求选择适合的腾讯云产品。
相关·内容
1回答
我想尝试使用2D卷积神经网络作为回归器。
这就是我是如何做到的，*使用在tensorflow中可用的mnist数据集。
首先，加载mnist数据集。
from __future__ import absolute_import, division, print_function, unicode_literals
import keras
try:
# %tensorflow_version only exists in Colab.
%tensorflow_version 2.x
except Exception:
pass
import tensorflow as tf
f
浏览 0提问于2019-08-17得票数 0
回答已采纳
1回答
我刚刚开始深入学习和神经网络，当我尝试下面的代码时，它不起作用：
#Import Keras for deep learning
import tensorflow as tf
from tensorflow import keras
#Store the data into a variable
data = keras.datasets.fashion_mnist
#Split the data and create classes
(train_images, train_labels), (test_images, test_labels) = data.load_data()
cla
浏览 0提问于2020-08-02得票数 -2
回答已采纳
1回答
我已经用tensorflow (python)实现了图像分类机器学习模型，该模型工作正常，现在我不得不将模型放到生产阶段，因为我使用sklearn库，并且尝试过泡菜库，但是在这两种情况下我都出错了。
model = Models.Sequential()
model.add(Layers.Conv2D(200,kernel_size=(5,5),activation='relu',input_shape=(150,150,3)))
model.add(Layers.Conv2D(180,kernel_size=(5,5),activation='relu'))
浏览 3提问于2019-11-13得票数 2
2回答
方法对象在神经网络代码中不可下标
、、、、
我已经开始学习ML和神经网络的一些大学项目，而我的学习，我遇到了一个问题，在代码，我无法修复。
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow import keras
data = keras.datasets.fashion_mnist
(train_images,train_labels),(test_images,test_labels) = data.load_data()
class_names = ['T-shirt/top'
浏览 5提问于2020-02-02得票数 0
1回答
我有一个预先训练过的tensorflow图像分类模型。它有一些卷积层和最大池层，其次是稠密层。
我想把它分成两张。第一个包含卷积/最大池部分，第二个包含密集层。然后，我想用图像填充第一部分，将结果存储到一个文件/变量中，然后使用它作为第二部分的输入。
我的想法是，我可以用第一部分对动态图像进行编码，将它们保存到磁盘中，然后使用编码的文件作为输入。这样，我就可以避免存储原始图像。
我正在编写一个完整模型的示例(基于Coursera/Deplearning.ai“人工智能、机器学习和深度学习TensorFlow简介”)
import tensorflow as tf
mnist = tf.kera
浏览 0提问于2019-05-07得票数 3
我正在评估我的神经网络模型在tensorflow中的结果(识别CIFAR10图像)。在每个时期之后，我在测试集上打印精度，如下所示(x是图像，y是真正的标签)：
predict = tf.equal(tf.argmax(layer_model, 1), tf.argmax(y, 1))
accuracy = tf.reduce_mean(tf.cast(predict, "float"))
print("Accuracy: ", accuracy.eval({ x: test_images, y: test_labels)
但是，我试图获得每类图像的单独精度结
浏览 0提问于2017-04-09得票数 1
这是我从tensorflow网站上的tensorflow教程获得的代码。中途我发现了这个错误。二是成功地训练了模型。但是当测试图像通过时，我就会出错。
from tensorflow import keras
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
fashion_mnist= keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_da
浏览 1提问于2020-02-25得票数 1
回答已采纳
我目前正在学习Keras，并且对密集层的输入形状有问题。我目前正在尝试mnist数据集。我知道火车图像的input_shape是(60万，28，28)，而且我知道keras忽略了第一个维度，因为它是批大小，因此在密集模型中输入的输入形状应该是(28,28)，但是当我把输入形状设置为(784，)时，请有人解释为什么runs.Could模型会出现错误。
(train_images, train_labels), (test_images, test_labels) =
mnist.load_data()
print(train_images.shape)
network = mode
浏览 0提问于2019-02-12得票数 3
回答已采纳
我的目标是从Keras神经网络模型中检索logit。我在这里阅读：Keras - how to get unnormalized logits instead of probabilities 我需要将最后一个激活层更改为“线性”。这是我的代码 from __future__ import absolute_import, division, print_function
import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
#Pre
浏览 47提问于2019-06-14得票数 1
回答已采纳
我正在学习ML，MNIST集上的神经网络，还有predict_proba函数的问题。我想得到我的模型所做的预测概率，但是当我调用函数predict_proba时，我总是接收数组，比如0，0，1，0，0，……这意味着模型总是以100%的概率进行预测。
你能告诉我我的模型出了什么问题，为什么会发生这种情况，以及如何解决它？
我的模型看起来：
# Load MNIST data set and split to train and test sets
(train_images, train_labels), (test_images, test_labels) = mnist.load_data(
浏览 5提问于2019-06-11得票数 1
回答已采纳
我得到了一个 Classification metrics can't handle a mix of multilabel-indicator and multiclass targets 尝试使用混淆矩阵时出错。 我正在做我的第一个深度学习项目。我是个新手。我使用的是keras提供的mnist数据集。我已经成功地训练和测试了我的模型。 然而，当我尝试使用scikit学习混淆矩阵时，我得到了上面所述的错误。我一直在寻找答案，虽然有关于这个错误的答案，但没有一个对我有效。根据我在网上找到的信息，它可能与损失函数有关(我在代码中使用了categorical_crossentropy )
浏览 812提问于2019-02-08得票数 18
回答已采纳
2回答
量化Keras神经网络模型
、、、、
最近，我开始使用Tensorflow + Keras创建神经网络，我想尝试Tensorflow中提供的量化功能。到目前为止，使用TF教程中的示例进行实验运行良好，我有这个基本的工作示例(来自)：
import tensorflow as tf
from tensorflow import keras
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
# fashion mnist d
浏览 116提问于2018-09-10得票数 19
回答已采纳
我想加载一个预先训练的模型，并开始测试图像。
这是我认为能起作用的代码：
from keras.applications.inception_v3 import InceptionV3
from keras.preprocessing import image
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D
from keras import backend as K
base_model = InceptionV3(weights='imagenet'
浏览 0提问于2019-06-09得票数 2
回答已采纳
3回答
我想在验证数据上绘制一个混淆矩阵。
具体来说，我想对验证数据计算模型输出的混淆矩阵。
我在网上什么都试过了，但搞不懂。
这是我的模型：
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
train_images, test_images = train_images / 255.0, test_images / 2
浏览 5提问于2021-02-14得票数 0
回答已采纳
我正在尝试学习Tensorflow和深度神经网络。这个错误出现了，我找不到解释。我正在Pycharm上工作，我也尝试过Anaconda命令提示符。我应该在windows命令提示符上尝试吗？ import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
data = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = data.
浏览 37提问于2019-12-12得票数 1
我正在学习机器学习，我正在尝试做图像分类。我需要从目录中定义我的训练和测试数据，但是我得到了一个。
ValueError:太多的值无法打开(预期为2)。
有人能帮我解决这个问题吗？
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
import pathlib
data_dir = "C:/Users/efsol/OneDrive/Classification"
data_dir = pathlib.
浏览 7提问于2021-10-04得票数 0
1回答
我有一组睁开和闭着眼睛的照片。
数据是通过这种方式从当前目录中使用keras收集的：
batch_size = 64
N_images = 84898 #total number of images
datagen = ImageDataGenerator(
rescale=1./255)
data_iterator = datagen.flow_from_directory(
'./Eyes',
shuffle = 'False',
color_mode='grayscale',
target_size=
浏览 2提问于2020-06-18得票数 0
回答已采纳
我正在用Python学习深度学习这本书。我有以下代码， from keras.datasets import mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
train_images.shape
len(train_labels)
train_labels
test_images.shape
len(test_labels)
test_labels
from keras import models
from keras import layers
network = mode
浏览 59提问于2020-04-03得票数 0
在Tensorflow中，是否有可能将图像特征(如SIFT特征)提供给卷积神经网络模型？我正在尝试一个的tensorflow实现，其中一个灰度图像是彩色的。图像特征会比向模型提供图像更好的选择吗？PS。我是机器学习的新手，不熟悉创建神经n/w模型。
浏览 4提问于2017-03-28得票数 0
回答已采纳
在这个卷积神经网络机器学习模型中，我应该用什么来替换"test_images“和"test_labels”？ 我训练了我的模型，并使用以下代码保存它： import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import
浏览 17提问于2020-07-28得票数 0
1回答
我试图通过遵循创建一个简单的神经网络，但是当我想将数据规范化时，我遇到了一个问题。
import tensorflow as tf
from tensorflow import keras
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
train_images = test_images / 255.0
test_images = test_images / 255.0
这是我
浏览 0提问于2018-08-28得票数 3
回答已采纳
我刚开始使用keras，我尝试为mnist数据集在keras.datasets中构建一个模型。
这是我的初始代码：
import tensorflow as tf
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
然后，我定义了一个模型：
model = tf.keras.Sequential()
model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
model.add(tf.keras.lay
浏览 0提问于2018-12-02得票数 2
回答已采纳
当我使用Python在TensorFlow中使用神经网络进行预测时，我得到了以下错误：ValueError: Input 0 of layer dense is incompatible with the layer: expected axis -1 of input shape to have value 784 but received input with shape [None, 28]。 我正在尝试遵循Tensorflow网站上的教程来训练一个神经网络来对服装进行分类。我写了以下代码： import tensorflow as tf
from tensorflow import
浏览 21提问于2020-10-14得票数 0
回答已采纳
1回答
我试着写我自己的神经网络作为学习练习。具体来说，我试图创建一个神经网络来识别手写数字。我正在使用sklearn的，但我自己编写了神经网络。
简单的测试是成功的，比如OR门或门和门，所以我相信反向传播已经成功实现了，但我发现，经过培训后，当处理手写数字的8x8像素图像时，网络仍然工作得很差。I目前有64个输入(8x8图像)和10个输出(每个数字有一个)，每个4大小的隐藏层有2个。我怀疑是多个输出导致问题，因为网络通常会达到的激活。
可能的想法：
( 1)多个输出是否造成问题？
( 2)是否需要更好的误差函数？
3)我是否只需要以较低的学习率来训练这个系统更长时间？
有没有人遇到过类似的问题？
浏览 2提问于2017-09-25得票数 2
回答已采纳
1回答
在本文中，作者指出，为了更好地分类，在训练分类器之前，使用生成模型来初始化模型和模型特征。通常需要它们来解决单独的无监督和有监督的学习问题。生成受限Boltzmann机器和深度信念网络被广泛应用于无监督学习目的。
我的问题是，如果我要通过无监督学习来完成一项非图像多类分类任务，那么在不考虑数据集也很重要这一事实的情况下，使用深度信念网络或卷积神经网络更好吗？
与图像分类任务相关的一个类似问题在这里被问到了。答案指出，DBN在非图像分类任务上可能比CNN表现更好，但是否有任何证据可以证明这一点，或者有任何论文对此进行了更深入的探讨？
浏览 10提问于2020-01-28得票数 0
回答已采纳
1回答
我正在学习神经网络，并创建一个简单的分类神经网络。我没有经验，所以如果这是个愚蠢的错误，我道歉。在下面的代码中，我导入数据集，将其格式化为一个热向量，然后在Tensorflow的上使用简单的网络。我使用分类交叉熵，因为我的输出是一个等级，如果我没有弄错，分类交叉熵对接近正确分类的数字惩罚较少。无论如何，我的准确度总是在2-12%，这显然是不好的。分类在1-20之间( 0.5到10的等级为0.5递增)，当我在我的test_data上测试我的模型时，它似乎选择了一个数字并将所有图像分类为相同的数字/类别。有趣的是，它没有给出不同的概率，而是返回一个热向量，模型100%确信每个测试图像都是同一个类。
浏览 1提问于2019-07-22得票数 0
回答已采纳
我刚刚开始在Tenosrflow中开发一些简单的分类器，我已经开始在Tensorflow站点上使用这个示例：
现在，我想让我的模型获得这样的图像作为功能：
作为对应的标签，这些图像应该有三个数组: 1,0，3,0和1,3。我的问题是:如何将这类标签(即是数组而不是单个标量的标签)加载到模型中？当我在下面的例子中尝试的时候，我得到的唯一的错误信息是我不会在这里报告的，因为它们是我对我想要做的事情缺乏知识而产生的。
附加问题:最后一个神经层应该是什么？它应该有多少个神经元？
以下是代码：
import tensorflow as tf
from tensorflow
浏览 1提问于2018-11-27得票数 0
回答已采纳
我想在mnist数据集上训练一个keras神经网络。问题是，我的模型已经适应了一个或两个时代。为了解决这个问题，我想使用数据增强：
首先，我加载数据：
#load mnist dataset
(tr_images, tr_labels), (test_images, test_labels) = mnist.load_data()
#normalize images
tr_images, test_images = preprocess(tr_images, test_images)
#function which returns the amount of train images, t
浏览 3提问于2020-10-31得票数 0
2回答
橙色红外
、、、、
我必须说，在机器学习的世界里，橙色真的做得很好。我有三个问题。
(1)我发现最近加入了“橙色红外线”。但我还没有找到任何关于红外光谱的数据。我想知道如何获取红外数据？高斯软件的红外光谱数据能否在橙中进行训练？
(2)我看到一个视频橙色有神经网络分类器，但我下载并安装了橙色3.3.12，没有发现任何神经网络模型。
(3)什么是CN2规则归纳，它与卷积神经网络有何联系？
浏览 0提问于2017-03-02得票数 1
1回答
我已经创建了一个非常简单的回归模型，它训练0.5-10之间的黑白图像和相应的标签。当训练预测标签时，它总是收敛到一个模型，该模型对所有标签输出相同的数字，该数字看起来最有可能是所有标签的平均值。是不是我的模型中有什么东西导致了这种情况？我的代码：
from __future__ import absolute_import, division, print_function
import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
(trai
浏览 19提问于2019-07-24得票数 1
回答已采纳
2回答
时代的多少会影响过拟合吗？
、、、、
我正在使用卷积神经网络，CNN。在一个特定的时代，我只保存最好的CNN模型的权重，基于改进的验证精度比以前的时代。
增加划时代的次数是否也会增加CNNs和深度学习的过度拟合？
浏览 0提问于2018-02-07得票数 20
回答已采纳
我是深度学习的新手，一直在尝试将Keras顺序应用程序接口转换为在CIFAR10图像数据集上运行的函数式应用程序接口，但遇到了一些困难。我已经转换了模型，它看起来除了输入层之外都是一样的，但是序列的平均精度约为70%，我的泛函的平均精度约为10%。我真的很感激在找出哪里出了问题方面的一些帮助。下面是我的函数代码：
import tensorflow as tf
from tensorflow import keras
from keras import datasets, layers, models
from keras.models import Model, Input, Sequen
浏览 8提问于2020-05-20得票数 0
回答已采纳
2回答
上下文
我正在构建一个(玩具)机器学习模型，估计保险索赔(与伤害有关)的成本。目的是通过做来教自己机器学习。我已经确定了三种算法来测试:随机森林，XGBoost和一个多层感知器.
数据集
该数据集有以下列：
cols = [ 'AGE_RANGE', 'GENDER', 'TOTAL_PAID', 'INDUSTRY_DESCRIPTION', 'WORKER_AGE', 'NATURE_CODE', 'ACCIDENT_TYPE_CODE', 'INJURY_NATURE&
浏览 0提问于2019-04-23得票数 3
我正在用tensorflow做我的第一步。在Python中为MNIST数据创建了一个简单的模型之后，我现在想将这个模型导入Java并使用它进行分类。但是，我没有设法将输入数据传递给模型。 以下是用于创建模型的Python代码： from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical.
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
train_i
浏览 14提问于2020-10-03得票数 3
回答已采纳
1回答
我对阅读遥感目标检测技术综述感到有点困惑。基于机器学习的目标检测由特征提取、特征融合+降维和分类器训练三部分组成。然后，他们列出了特征提取方法：
定向梯度直方图，
一袋袋话，
纹理特征，
还有更多。
在本节的后面，他们列举了分类器培训的方法，例如：
支持向量机
AdaBoost，
最近的邻居，
神经网络
这与我对事物的理解不一致。我的经验主要是在CNN。当我使用卷积神经网络进行目标检测时，它们由特征提取器和分类器组成，不是吗？特征提取器是卷积(和/或其他)层。我从来没有遇到过一种算法/技术，它使用例如一袋单词来提取特征，然后将其提供给神经网络。我可以想象，例如一袋单词和k近邻或支持向量机。但我
浏览 0提问于2020-11-09得票数 0
我写了这段代码：
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
import tensorflow_datasets as tfds
food = tfds.image.food101.Food101
(train_images, train_labels), (test
浏览 3提问于2019-08-19得票数 1
回答已采纳
我没有多少训练神经网络的经验。我有4个变量向量作为输入，我分别有3个变量输出向量。我想要创建一个神经网络，它接受这些输入和输出，这些输入和输出在它们和训练之间有一些未知的相关性(可能不是线性的)。所以当我把以前没有经过训练的数据输入时，它应该可以预测相关的输出。
我在想，
在这种情况下，我应该使用哪种类型的模型？它是否限制了boltzmann机器，回归，GAN等？
对于这样一个模型，哪个库最容易学习和实现？例：- TensorFlow，PyTorch等
如果涉及到可以作为fft阵列处理的图像，那么模型会改变吗？
我确实找到了，但我对此并不满意。请告诉我，如果有什么功能或其他
浏览 0提问于2019-08-04得票数 0
回答已采纳
1回答
有很多模型已经在Github上进行了图像、NLP等不同任务的培训。我如何导入这些模型的权重，并在它们之上构建一个自定义模型？我应该从零开始为他们建立一个模型，并匹配每一层的数量和形状，或者我应该如何进行？
例如，假设我在下面训练了CNN模型，那么如何传输它并在以后与其他自定义层一起使用(例如，不同的输入形状)？
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
(train_images, train_labels), (test_images, test_labels)
浏览 6提问于2022-10-27得票数 0
回答已采纳
我对机器和深度学习非常陌生。我的疑问是，如何将强化学习添加到使用传统神经网络开发的图像分类器中，以随着时间的推移提高其性能？
浏览 23提问于2020-05-10得票数 0
2回答
我看到了一个非常奇怪的情况。在训练卷积网络后，我在验证数据上获得了大约95%的准确率。我保存模型。稍后，我恢复模型，并在相同的验证数据集上运行验证。这一次，我几乎没有得到10%的准确率。我已经阅读了documentation，但似乎没有任何帮助。我是不是做错了什么？ def build_model_mnist(image_width, image_height, image_depth):
model = keras.Sequential()
model.add(keras.layers.Conv2D(5, (3, 3), activation='relu', inp
浏览 159提问于2020-10-27得票数 5
回答已采纳
我正在使用CIFAR-10数据集来训练一些MLP模型.我想尝试将数据增强作为下面的代码块。
learning_rate = 0.01
batch_size = 32
epoch = 50
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
# convert from integers to floats
train_images = train_images.astype('float32')
test_images = test_images.ast
浏览 6提问于2022-01-10得票数 0
回答已采纳
我正试图为我在大学里上的机器学习课做这篇教程。
www.tensorflow.org/tutorials/keras/basic_classification
当它执行行时
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
下载这些数据需要花费很长时间。按照下载的速度，需要几天或几周的时间才能全部下载。我正在使用MacBook。我的同学也在使用MacBook，当他下载数据时
浏览 0提问于2018-11-15得票数 3
1回答
我刚开始学习深度学习，并与时尚MNIST数据集合作。作为X标签预处理的一部分，训练和测试图像，除以像素值255，作为输入数据规范化的一部分。
training_images = training_images/255.0
test_images = test_images/255.0
我知道这是将值缩小到0,1，因为神经网络在处理这些值时效率更高。但是，如果我试图跳过这两行，我的模型预测特定的test_image会有完全不同的地方。这一切为什么要发生？
浏览 1提问于2020-05-31得票数 2
回答已采纳
1回答
训练精度好，验证精度差
、、、、
我正在尝试实现一个剩余网络来对项目的CIFAR10数据集上的图像进行分类，并且我有一个工作模型，该模型具有逻辑增长的准确性，但验证的准确性却达到了稳定的水平。在大多数层之后，我使用了批处理规范化和relu，最后使用了一个softmax。
以下是我的数据分割：
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
下面是我编译和训练模型的代码
resNet50.compile(optimizer='adam',loss=tf.keras.losses.Spar
浏览 4提问于2020-03-27得票数 1
回答已采纳
我正在使用tf.keras.models.Sequential构建一个模型，并将其保存为一个包含saved_model.pb文件的SavedModel对象。然后，该模型将使用ML.net在ML.net服务中使用。
下面是代码(从docs中提取和改编)
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
train_labels = train_labels[:1000]
test_labels = test_labels[:1000]
train_image
浏览 0提问于2020-05-21得票数 2
我正在尝试在时尚-MNIST上实现几个模型。我根据tf.keras教程导入了数据：
import tensorflow as tf
from tensorflow import keras
import sklearn
import numpy as np
f_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = f_mnist.load_data()
class_names = ['T-shirt/top', 'Trouser&
浏览 0提问于2021-12-09得票数 2
我从mnist数据集得到数据集，
train_images = train_images.astype("float32")/255.0
test_images = test_images.astype("float32")/255.0
network.fit(train_images, train_labels, batch_size = 64, epochs = 10, verbose =2)
network.evaluate(test_images,test_labels, batch_size = 64, verbose=2)
我在训练中犯了这个错误
浏览 6提问于2022-03-12得票数 0
1回答
根据MLOPs原理，建议使用特征存储。问题在于如何利用卷积神经网络这样的深度学习模型进行图像分类，该模型作为训练过程的一部分进行自动特征工程(使用卷积层)。
问题
对于纯图像分类/分割模型，有一个特征存储有意义吗？
哪些特性应该存储在功能存储中？卷积层的输出？但是在训练过程中，它们不能被重用，因为在训练过程中，它们会被卷积层重建。
浏览 0提问于2021-02-09得票数 0
我在TensorFlow上学习了时装MNIST图像预测教程；构建并训练了模型，但是在编写了绘制预测的函数之后，在试图绘制预测图像时，它抛出了错误：
TypeError:图像数据的无效形状(10000、28、28)
整个守则：
import tensorflow as tf
import numpy as np
from tensorflow import keras
import matplotlib.pyplot as plt
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test
浏览 7提问于2020-06-26得票数 1
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
