我在TF2.3中编写了自定义损失函数，其中损失由几个子损失组成，因为我想跟踪子损失，所以我使用tf.print打印了它们 def custom_loss_envelop(model_inputs,tf.print("l1:",tf.math.round(l1 * 100)/100,", l2:", tf.math.round(l2
浏览 27提问于2021-01-31得票数 0
2回答
如何才能“获取或访问”该信息(最好是在其运行时)，以便将字符串放入文本字段中。model.fit(......)我正在为我的图形用户界面使用pyqt5，并希望将文本字段的文本设置为model.fit显示的内容(最好是在它运行时)，这样命令行和我的文本字段的输出就是相同的。
浏览 27提问于2020-02-11得票数 0
回答已采纳
我用大量的历次训练我的CNN模型，每次我打印训练损失和准确性，但是在这两个指标中有很多高和低，我想提前停止，例如，损失0.2，准确率在%95或更高，因为我在不止一个时期得到了这个值，我的问题是：
1-列车组或验证组是否提前停车2-如果在验证集上，我是否应该为每一个具有火车组丢失和准确性的时代打印验证损失和准确性？3-你能给出一个想法，用一段代码来做早期停止，而不是
浏览 0提问于2019-01-25得票数 2
回答已采纳
1回答
在TensorFlow 1.x中，我可以很自由地选择在训练期间打印准确性/损失分数的方式和时间。例如，如果我想每100个时期打印一次训练损失，在tf.Session()中我会这样写： if epoch % 100 == 0:
print(str(epoch) + '.Training Loss: ' + str(loss)) 在</em
浏览 16提问于2019-03-14得票数 3
回答已采纳
2回答
Keras损失值显著跳跃
、、、、
我正在用Tensorflow在Keras开发一个简单的神经网络。损失值从上一批小批次的L-1显著上升到第一批小型的历元L。
我知道损失应该会随着迭代次数的增加而减少，但是在每个时期之后损失的大幅增加确实看起来很奇怪。另外，我在某个地方发现，计算移动平均的数组在每一个时代之后都会被重置，这就是为什么我们<em
浏览 7提问于2022-05-04得票数 0
回答已采纳
这是模型结构，
对于损失函数，我使用dice_coefficient和IOU公式，并将两者相加计算总损失。除了总损失外，我还从网络中添加了REGULARIZATION_LOSSES。))
训练开始，在第一阶段，总损失在0.4左右，而在第二阶段，总损失显示为nan it。在解码丢失值之后，tf.get_collection(tf.GraphKeys.REGULARIZATION
浏览 10提问于2022-11-06得票数 0
回答已采纳
我有一个CNN，它训练几十万个例子，在一个时期后验证准确率达到95%左右。这是简单的代码，使用Keras定义使用Sequential API的网络。最初，我在TF 1.3上准备并使用了这个模型。当我将它移植到TF2.1，用tensorflow.keras替换keras调用时，它很快就达到了~60%，并停留在那里(似乎有很多时期)，训练损失似乎总是收敛到相同的值。如果我在脚本
浏览 240提问于2020-05-14得票数 2
1回答
我有一个前馈回归网络(在具有TensorFlow后端的Keras中)，具有单个隐藏层(30个神经元)和具有2个神经元(对于复信号的虚部和实部)的输出层。...My问题是如何准确计算均方误差损失？因为对于每个时期，我在"history object“中只得到一个数字。最终，我想在每个时期提取每个输出神经元的单独损失数，<
浏览 5提问于2021-07-07得票数 0
1回答
我第一次在Tensorflow中实现线性回归。最初，我尝试使用线性模型，但经过几次迭代训练后，我的参数迅速上升到无穷大。因此，tf.summary.histogram('Weights', W0)中的参数接收inf作为参数，W1和b1的情况与此类似。我想在tensorboard中查看我的参数(因为我从未使用过它)，但得到了这个错误。我之前问过这个问题，但稍微有些不同的是，我使用的
浏览 0提问于2018-07-24得票数 7
1回答
在我的CNN深度学习网络的计算过程中，训练阶段的损失是用交叉熵函数计算的： tf.nn.weighted_cross_entropy_with_logits(targets = labels_flat然后，我可以在地面实况的两边各裁剪2个像素。预测也被裁剪在不同的位置，模拟预测和地面事实之间的“转变”。下一步，我必须计算这个“转移”预测和基本事实之间的</
浏览 44提问于2019-10-15得票数 2
回答已采纳
默认情况下，仅输出训练数据集的精度。似乎没有一个选项可以将验证准确性输出到终端。以下是我的代码的相关部分：
validation_steps=total_validation//batch_size,shuffle= Tru
浏览 18提问于2017-12-22得票数 9
当我不使用队列时，我喜欢统计训练期间的损失、准确率、ppv等，并在每个时期结束时提交tf.summary。典型的设置如下：...#build graph#...summariesfin
浏览 0提问于2016-07-07得票数 0
当我的损失低于某个值时，我使用回调来停止训练。一旦训练结束，我在训练输入上调用predict()方法，然而，当我手动计算损失函数时，我得到了一个非常糟糕的结果。使用predict()是错误的吗？([ tf.keras.layers.Dense(8, activation=, batch_size=1, verbo
浏览 0提问于2021-10-25得票数 2
我正在尝试将MLFlow集成到我的项目中。因为我使用tf.keras.fit_generator()进行训练，所以我利用mlflow.tensorflow.autolog()(这里是docs)来启用度量和参数的自动日志记录： model= Unet()
metrics = [IOUScore(threshold=(只是一个来自docs的演示)： ? 然而，在</e
浏览 20提问于2020-07-03得票数 2
回答已采纳
我正在使用tensorflow构建一个神经协同过滤推荐模型，使用二进制交叉熵作为损失函数。当然，要预测的标签是二进制的。 在训练每个时期时，打印损失函数。我有一个for循环，它逐个时期地训练模型时期，然后在当前状态下使用模型来预测测试标签，并使用sci-kit学习的log_loss函数再次计算损失。我注意到tensorflow计算的损失(由los
浏览 38提问于2021-10-08得票数 0
回答已采纳
2回答
我使用tf.contrib.data来准备数据集，对其进行混洗，然后分批提供： datasetNone])) x_inputs, y_ = iterator.get_next()非常奇怪的是，在每个时期(i
浏览 0提问于2017-10-25得票数 8
"save_weights”训练后模型 但是当使用"load_weights“和"predict”加载训练模型时，这两种方法的性能是不同的。我的代码如下 训练和保存模型 model_checkpoint = ModelCheckpoint("Model_weights.hdf5", verbose=1, save_best_only=True
浏览 63提问于2020-06-15得票数 1
回答已采纳
我正在训练一个LSTM，并使用sampled_softmax_loss来计算每个时代之后的损失(这么多文档)。我还计算了与sequence_loss_by_example同时保持的集合上的困惑.损失在前几个时期减少--从1到2急剧下降.然后，它只是挂在相同的值附近(有时更少；有时更多)。另一方面，困惑确实在不断地减少。
为什么在困惑继续下降的同时，损失会停止减少？我预计两人都会持续
浏览 1提问于2016-12-13得票数 0
1回答
在TF2 keras中，我使用tensorflow.keras.losses.MeanSquaredError作为损失函数训练了一个自动编码器。这本身并不是转移学习，因为没有新的层添加到模型中，只是损失函数改变了，模型继续训练。P和Q之间的KL损失。分布在回调函数中计算，而不是在模型train_step中计算，因为我需要访问当前时期(P每5个时期更新一次，而不是<
浏览 28提问于2021-02-01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
