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。然后拟合一个新的数据集，并再次进行预测。新的顶级模型<e
浏览 30提问于2020-11-11得票数 1
回答已采纳
我一直在尝试保存我的神经网络模型的权重，以便我可以使用它的一些层用于另一个神经网络模型，以便在另一个数据集上进行训练。预训练模型： model = Sequential()
model.add(tf.keras.layers.Dense(100, input_shape=(X_train_orig_sm.shape))： model.save_weights("dnn_model.h5") 如何尝试加载神经网络<e
浏览 33提问于2021-04-13得票数 0
回答已采纳
我正在尝试使用带tensorflow后端的keras自定义resnet50。然而，在训练之后，我的val_loss一直在增加。尝试不同的学习率和批量大小并不能解决问题。使用不同的预处理方法也不能解决问题，比如重新缩放或在ImageDataGenerator中对resnet50使用preprocess_input函数。这是我正在使用的代码from keras.preprocessing.image import ImageDataG
浏览 2提问于2018-07-27得票数 2
2回答
问题更多的是DNN的训练算法，而不是软件内核。
据我所知，深层神经网络是由于训练算法的改进而工作的。从20世纪80年代开始，BP算法已被用于神经网络的训练，但当网络深度较大时，会出现过拟合问题。大约10年前，Hinton对该算法进行了改进，首先使用未标记数据对网络进行预训练，然后再使用BP算法。预训练对避免过拟合起着重要作用.然
浏览 4提问于2016-05-16得票数 5
回答已采纳
背景from keras.applications.vgg19 import preprocess_input
ImageDataGenerator(preprocessing_function我认为使用我想要训练的
浏览 3提问于2019-02-15得票数 8
3回答
我试着用CNN进行二进制分类。使用与上解释的完全相同的代码完成。但是当我在我的PC(CPU- 8 GB RAM)上运行代码时，训练执行得非常慢，每个时期只有一个项目，即使我给出的批处理大小是32。然而，它在讲师的计算机上运行得同样好(尽管他也在使用CPU)。训练集由8000个图像组成，测试集由2000个图像组成。我知道对于如此大的数据，处理过程肯定会很慢，但我注意到它比平时慢得多。from keras.layers
浏览 2提问于2018-12-17得票数 1
2回答
我最近遇到了“可学习参数”这个术语，谷歌搜索并没有多大帮助，因为大多数搜索都是在CNN而不是DNN中描述可学习的参数。这两者有什么区别吗？
如何计算DNN中可学习参数的数量？我是机器学习的新手，所以我希望能在这方面提供一些帮助。
浏览 0提问于2019-03-23得票数 1
1回答
我在一个遗留的公司环境中工作，在NLP项目中我只有16个核心64 to的VM可用。我有一个多标签自然语言处理文本分类问题，我真的想利用一个深度表示学习模型，如BERT，RoBERTa，ALBERT等。我有大约200,000个需要标记的文档，我有大约2,000个注释集，用作训练/测试/微调的基础事实。我还有更多与领域相关的文档可用于预培训。我很可能需要从头开始进行预训练</
浏览 45提问于2020-05-15得票数 1
回答已采纳
假设我有一个基模型，它有两个输入和一个输出值：input1 = keras.Input(shape=(100,), dtype=tf.int8)# DNN for onehot featureinput1_list = keras.Input(shape
浏览 0提问于2021-12-31得票数 1
回答已采纳
我有角星预训练模型(model.h5)。我想用tensorflow基于量值的模型，用Keras剪枝。一个奇怪的事情是，我的预先训练过的模型是用原始的keras模型构建的，我的意思是它不是来自tensorflow.keras的。在tensorflow基于量值的权值剪枝与Keras示例中，他们展示了如何处理tens
浏览 0提问于2019-05-31得票数 4
2回答
我训练了一个模型，并希望使用函数api将它与另一个keras模型结合(后端是tensorflow版本1.4)import tensorflow.contrib.keras.api.kerasas keras
input = Input(shape=(200,))
dnn = Dense(400, activation=model = <e
浏览 3提问于2018-01-17得票数 6
回答已采纳
我目前正在建立一个CLDNN (卷积，LSTM，深度神经网络)的原始信号分类模型。我的问题也适用于多模型堆叠的其他网络。如果我的网络结构为我必须在每一层之后放一个下拉，还是只在输出之前放一个？输入->卷积->丢包-> LSTM ->退出->
浏览 4提问于2017-01-20得票数 1
回答已采纳
1回答
让我首先描述一下设置:我们在Unity中有一个自治代理，它的决策基于感知的环境(级别)和一些预定义的值映射参数。我们的目标是在DNN中预先训练代理的参数。因此，这个想法基本上是定义一个误差度量来评估Unity模拟中代理的性能(运行级别，例如测量与最优轨迹的偏差=统一的地面事实)。因此，基于DNN的输入水平，网络应该训练以输出参数，执行仿真，并将误
浏览 0提问于2018-10-26得票数 0
我试图在Keras中实现鉴别条件码，如
X ---->|----| Z --- >|----|现在，在一个新的数据集上，给定
浏览 2提问于2017-04-11得票数 5
1回答
我训练这个语料库是为了得到我的BERT记号器。 BertModel在不平衡数据集上表现良好吗？ BertModel在小数据集上表现良好吗？(小到不到500个数据点，我敢打赌它不是.)
浏览 2提问于2021-07-25得票数 2
回答已采纳
4回答
我有一个自定义的模型，最初培训使用转移学习的VGG16。然而，它最初是针对输入尺寸较小的图像进行培训的。output (Dense) (None, 1) 17
问题是，这个模型已经包含了128x160的输入层，我想将它更改为384x288以进行传输学习。以上是我的第一个模型，我现在想再做一次转移学习，但是有一个不同的数据集，它<em
浏览 13提问于2022-07-18得票数 2
回答已采纳
我正在使用转移学习和keras.applications.InceptionV3。我成功地训练了这个模型。然而，当我想要生成“激活最大化”映像(例如，最大限度地激活自定义类的输入映像，参考 )时，我很难使用预先训练过的模型，因为我确实能够在“适合”模式下使用它，并且禁用所有的辍学等等。我所做的是将tf.keras.Sequential中的预训练模型组合起来，对第一层(输入图像)<e
浏览 2提问于2019-11-22得票数 0
我正在尝试训练一个接受4通道输入的卷积网络，并希望使用像VGG16这样的预训练模型。我不应该使用VGG16的初始卷积块是有意义的，因为它们是针对3个通道输入进行训练的，并重新定义了初始卷积块。如何使用Tensorflow Keras api实现这一点？ 简而言之，我如何从预先训练的模型中复制特定层的权重。我使用
浏览 20提问于2019-05-04得票数 1
回答已采纳
我正在使用tf.Keras中的DNN，如下所示：c0_input= Model(inputs=[c0_input, c1_input], outputs=[x0_output, x1_output])
如您所见，这个DNN有2个输入(c0, c1)和2个输出(x0我针对的损失函数是：c0 * (x0 - x1*
浏览 11提问于2021-06-02得票数 0
当创建一个多目标优化/MCDM算法(如NSGA-ii )时，使用一个在监督下的表格回归预测任务上训练的深层神经网络代替一个简单的目标函数方程是否有意义？在Keras中用model.predict()函数代替非线性方程是否可能或有利，从而能够建立更复杂的目标函数？
我在nsga-ii中使用皮莫。
浏览 0提问于2020-03-11得票数 0
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