在Keras中对数据进行预处理的正确方法是什么，同时针对我们自己的数据在keras.applications中微调预先训练的模型？Keras提供了以下preprocess_input函数
从内部看，对于inception_v3、xception和in
浏览 8提问于2018-02-08得票数 16
回答已采纳
背景ImageDataGenerator(rescale=1./255, ...
..。我认为使用我想要训练的各个模型
浏览 3提问于2019-02-15得票数 8
我用的是拥抱式变压器4.19.0为了说明这一点，我问的不是微调BART到下游任务，而是关于“训练前BART”。但是我在拥抱脸文档页面()上找不到这个工作的方法或类。我必须从零开始逐层制作BART模型<
浏览 19提问于2022-08-02得票数 1
回答已采纳
2回答
我只是试着用预先训练过的vgg16在Keras中做这样的预测。我把它评论掉了，它开始做出很好的预测。我还添加了preprocess_input(.)但这似乎并不影响对我所做的少数随机试验的预测。在“使用预先训练网络的瓶颈特性:立即90%的准确性”下，经过预培训的VGG16处于转移学习环境中。<
浏览 0提问于2018-02-24得票数 6
我不仅要利用特征提取器预训练的权重，还要利用特征映射层的分类器/本地化预训练权重，使用tensorflow对象检测API ( tensorflow object Pre)对tensorflow对象检测模型当我的新模型与我用于微调检查点的预训练模型有不同数量的类时，TensorFlow对象检测API将如
浏览 1提问于2018-03-20得票数 2
回答已采纳
1回答
我有非常小的图像数据集(747个图像用于训练，250个图像用于测试，其中图像大小调整为256x256)。任务是多标签分类(两个感染之间可能同时发生，但我的训练数据没有这种情况)。由于我的数据集非常小，我决定使用VGG16和InceptionV3进行迁移学习。当我训练VGG16时，一切都遵循理论，例如，训练损失和验证损失不断减少，并且值没有太大差异，如图1所示
浏览 14提问于2020-03-31得票数 0
回答已采纳
背景
我正试图与denseNet一起进行转移学习。我导入了模型并添加了几个层，并对它们进行了培训(我没有再次训练整个模型)。我使用来自Keras的ImageDataGenerator，并使用与它相关的预处理函数对图像进行预处理( keras.applications.densenet.preprocess_input )。<em
浏览 0提问于2021-05-19得票数 0
2回答
我正在阅读一些基于神经网络的研究论文，在那里我偶然发现了经过预先训练的CNN网络的“微调”这个词。它实际上是做什么的？
浏览 0提问于2019-06-20得票数 0
回答已采纳
我使用Keras(2.0.4)和Tensorflow(1.1.0)对Inception_v3进行了再训练和微调。当我使用MultiArray工具将Keras模型转换为MLmodel时，我得到了一个需要Keras输入的模型。如果我理解它要求的是高度，宽度，RGB = (299,299,3)，那么这是有意义的。有没有人能帮我理解一下，为了让我的重新训练</em
浏览 0提问于2017-08-08得票数 1
我关注了一篇关于如何从头开始实现vgg16-model的博客，我想用Keras的预训练模型来做同样的事情。我查了一些其他的博客，但我想找不到合适的解决方案。我的任务是将集成电路图像分为缺陷和非缺陷。 我在一篇论文中看到，他们使用vgg16的预训练imagenet模型进行织物缺陷检测，他们冻结了
浏览 14提问于2020-07-15得票数 0
回答已采纳
我已经对Keras VGG16模型进行了微调，但我不确定在训练阶段的预处理。IMAGE_SIZE), class_mode="categorical"
) 重定标是否足够，或者我必须应用其他预处理函数当我使用网络对图像进行分类时，我使用以下代码： from k
浏览 15提问于2019-01-30得票数 5
回答已采纳
1回答
我正在尝试从imagenet上的预训练模型进行迁移学习，以解决肺CT切片的分类任务。
这些切片存储在dicom文件中，因此它们的值在Hounsfield标度中以12位表示。我的问题是: keras / tf2 api的preprocess_input需要一个0,255的值矩阵，那么我如何对我的
浏览 1提问于2020-06-20得票数 0
1回答
因此，这可能是一个愚蠢的问题，但在keras中的预处理层是如何工作的，特别是在作为模型本身的一部分的上下文中。将此结果与模型外的预处理进行比较，然后输入结果进行训练。我正在努力理解在keras模型中运行数据增强。让我说我有1000张
浏览 2提问于2022-08-24得票数 0
我正在研究tensorflow，我的数据集只由黑白图像组成，所以我想通过将通道数从3改为1，我可以使我的神经网络(目前我使用的是Resnet50)更轻、更容易训练和测试，有什么办法吗？(Ik，我可以把b/w图像当作rgb图像，但我不想这样做)
提前谢谢你的回答
浏览 2提问于2020-07-18得票数 2
2回答
我目前正在开发一个使用Keras + Tensorflow的模型，以便确定一组蛋白质的温度范围。我首先做的是创建一个预先训练的模型，将蛋白质转化为嵌入物，然后预测其各自的温度。我现在要做的是将这个pre=trained模型合并到一个新模型中，该模型可以使用这个给定的模型和相应的权重作为输入。然
浏览 30提问于2020-11-11得票数 1
回答已采纳
1回答
我对训练一系列图像和对象检测模型很感兴趣，我想知道何时使用像VGG16这样的网络的预训练权重的一般规则是什么。例如，很明显，微调预先训练好的VGG16 imagenet模型权重对您正在寻找子集ie很有帮助。猫和狗。然而，对于我来说，如果你正在训练一个有300个类的图像分类器，
浏览 36提问于2017-08-06得票数 1
回答已采纳
当我读到“用于句子分类的卷积神经网络”时，我注意到该论文实现了“CNN-非静态”模型--一个使用来自word2vec的预训练向量的模型，所有的单词--包括随机初始化的未知单词，和预训练向量对每个任务都进行了微调所以我只是不明白预先训练好的向量是如何对每个任务进行微调的
浏览 4提问于2016-10-18得票数 1
3回答
我试着训练一个神经网络，如何检测纸板箱和多个等级的人(人)。📷personA: 1160personC: 2136box: 2798
人们戴着不同的安全物品，根据物品被分类，而被检测为整个人我不能提供确切的mAP (没
浏览 0提问于2019-05-28得票数 9
回答已采纳
我想用CT灰度图像训练一个模型，就像这样：对于某些类别的疾病，我的训练集是有限的，例如，2,000个阳性和98,000个阴性。我正在考虑使用迁移学习来避免过度拟合并提高我的模型的有效性，但我也意识到我应该对模型进行微调，因为我向模型提供的图像类型与我将使用的Inception<em
浏览 1提问于2019-10-07得票数 1
1回答
微调输入大小较大的模型
、、、、
我在想，用更大的输入量对模型进行微调是否有意义？理想情况下，我希望拥有的属性：
更大的输入尺寸:在模型中进料前不要向下取样.也许有更大的步幅？具体来说，我正试图用特定的标签集对Keras中的InceptionV3进行微调<
浏览 0提问于2019-01-05得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
