我是机器学习的新手，我有这个CNN模型来对7种乐器进行分类：{‘巴松管’：0，‘二胡’：1，‘长笛’：2，‘法国圆号’：3，‘吉他’：4，‘萨克斯’：5，‘小提琴’：6} 有1214张图片用于训练，1206张图片用于测试 这是我的模型： import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGeneratortf.keras.layers.MaxPool2D(2
浏览 19提问于2020-12-13得票数 1
回答已采纳
1回答
为了提高训练模型的延迟性，我尝试使用Tensorflow混合精度。正如中提到的那样，仅仅设置策略似乎并不能提高模型的速度：from tensorflow.keras')但是当我在其他CNN网络上尝试一个玩具例子时，
浏览 3提问于2021-11-14得票数 0
1回答
SVM与Keras模型性能比较
、、、、
我在数据集上同时应用了SVM和CNN (使用Keras)。现在，我想比较两种型号的性能。Keras model.evaluate function预测给定输入的输出，然后计算度量函数(度量是用于判断模型性能的函数)，基于the model.compile and的on y_true and显然，支持向量机的精度计算与Keras的model.evaluate不同。
浏览 0提问于2020-05-01得票数 0
1回答
我为MNIST数据集开发了一个简单的CNN模型，得到了98%的验证精度。但是，在将模型通过keras保存为model.h5并在另一个jypyter会话中对保存的模型进行推理后，该模型的性能较差，预测是随机的。在不同的jypyter笔记本会话中保存和上传模型后，需要做些什么才能获得</e
浏览 4提问于2022-12-01得票数 -2
1回答
缩小图像尺寸时如何改变CNN模型
、、、、
我建立了一个CNN模型，用于检测数据集图像120*120大小的缺陷。 现在我把我的图片改成60*60大小，我想运行我的CNN模型为这些图像。为此，我只是把我的(120,120,3)改为(60,60,3)，但是当我运行我的CNN模型时，精度降低了很多！这是我的CNN模型： from keras.models im
浏览 22提问于2021-09-09得票数 -1
回答已采纳
1回答
我已经创建了一个CNN模型，可以用来区分狗和猫。在训练过程中，我的模型在4/25纪元结束时显示出99%的训练精度和81%的测试精度。这是正常的吗？或者，在完成所有的时期后，是否会出现任何问题？因此，我需要使用这个CNN模型来输入不属于我的测试集训练的新输入。如何<e
浏览 20提问于2019-08-30得票数 0
1回答
CNN精度y轴范围
、、、
我已经训练了我的CNN模型，并获得了精度图，其中我使用pickle保存了训练时期。from keras.layers import Conv2D,Activation,MaxPooling2D,
浏览 2提问于2020-04-07得票数 0
2回答
是否有方法在使用tf.keras.metrics.Precision的二进制分类模型中获得0类的精度？
我尝试将class_id设置为0，但它仍然给出了1类的精度。我希望使用回调来保存具有最好的0类精度值的模型，这是我需要一个编译精度的度量的原因之一。我<e
浏览 9提问于2021-12-14得票数 0
回答已采纳
当我在顺序API中使用tensorflow keras时，我对不一致的结果感到非常困惑。我有一个非常简单的模型： cnn = keras.applications.VGG16(include_top=False)def other_cnn_model():
浏览 0提问于2019-02-26得票数 0
回答已采纳
我一直在尝试使用keras进行图像分类，但是当我拟合测试和训练数据时，loss，val_loss是0，val_accuracy是静态值，不会随着每个时期的变化而变化。已经提供了下面的代码和终端输出。= tf.keras.models.Sequential()
cnn.add(tf.keras.layers.Conv2D(filters=16, kernel_size(tf.
浏览 13提问于2021-04-20得票数 0
架构是这样的： tf.keras.layers.Conv2D(64, 3, activation='relu', input_shapehist = cnn.fit(x=training_set, validation_data=test_set, epochs=30)历元30/30 8 ===为了得到这个价值，我做了
p
浏览 4提问于2022-04-04得票数 0
1回答
from keras import layersmodel = models.Sequential()model.add(layers.Dense(512, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid')) 在阅读关于将图像分类为猫或狗的二进制分类问题的代码时，在</
浏览 31提问于2020-06-20得票数 6
回答已采纳
1回答
我正在为一个序列建立和训练一个CNN，并且已经成功地使用了RNN，但是我遇到了CNN的问题。下面是代码，cnn1是第一个(更复杂的模型)，尝试获得一个更简单的模型来适应，并在这两个模型上都出现错误：xtrain (5206, 19, 4)xvalid=25)
输出为1/25时代，没有完全运行，那么在cnn</e
浏览 1提问于2019-05-11得票数 1
--我不知道为什么在运行下面的代码时会出现这个错误我的CNN代码是：CNN.add(tf.keras.layers.MaxPooling1D(2))CNN</e
浏览 12提问于2022-05-21得票数 1
回答已采纳
1回答
我想建立一个端到端的可训练模式，包括以下几个方面：
我现在的问题是在重塑之后，如何用Keras或Tensorflow将特征矩阵的值提供给LSTM？到目前为止，这是我使用</e
浏览 3提问于2017-04-28得票数 1
2回答
我为10个时代编写了代码，我得到的结果如下：
对15077个样本进行训练，在4204个样本上验证: 1/10 15077/15077 ============================== -264s 17 10/阶跃损失: 1.0652 -精度: 0.5325 - val_loss: 0.3722 - val_accuracy: 0.8428 Epoch 2/10 15077/15077 ==谢谢你的回复。from keras.models imp
浏览 7提问于2020-05-04得票数 0
回答已采纳
在卷积神经网络中使用cifar10、cifar100等基准图像数据集是一种标准的做法，我想知道是否可以在两种不同的数据集上同时使用cifar10、cifar100来进行训练。因为在两个不同的基准测试数据集上运行完全相同的模型是很耗时的。我不知道如何在煤角角实现这一目标。
我认为我们可以并行运行代码，并将训练模型输出封装在一个字典中，然后在一个图中
浏览 8提问于2020-08-08得票数 1
回答已采纳
我刚刚用Tensorflow/Keras训练了一个CNN，并将其保存为模型。我多次尝试通过它运行大约1000个输入，每次得到的预测精度略有不同。准确性很好，我不关心性能；然而，我认为CNN模型一旦训练，就应该是确定性的。也就是说，任何输入都将始终以相同的方式分类。难道不是这样吗？模型一旦训练就可以预测的方式是否存在可变性？如果没有，希望我可以假设我已经在无意中将一些可变性
浏览 0提问于2019-08-11得票数 3
2回答
凯拉斯模型不训练。精度总是0.5
、、、、
我的Keras CNN二进制分类模型总是有训练验证精度0.5。我的CNN的第一个问题是图像数量低(总数为980，需要测试180 )，而我无法获得更多的图像来构建这个CNN。我想知道我能用我的模型做些什么来改变验证的准确性。如果图像编号是问题所在，我可以使用这个集合来训练哪个模型？target_size=(224
浏览 4提问于2022-10-13得票数 -1
我有一些用Python3.7开发的神经网络，用于使用TensorFlow中包含的Keras包对图像进行分类，我想导出层和权重模型，以便将其导入到使用Tensorflow.js的Node.js应用程序中。我将神经网络保存为h5格式，其中包含两个单独的文件，一个用于层模型，另一个用于权重模型。尝试遵循Tensorflow提出的这个教程()，但它不起作用。/m
浏览 13提问于2019-07-06得票数 0
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
云直播活动推荐
腾讯云开发者
