我有一个来自keras的预训练模型(vgg16)。我尝试通过循环在每个conv2d之后添加BatchNormalization层。然而，似乎我不能把它们都放在一起。这是我的代码。from keras.applications import VGG16from keras.mode
浏览 8提问于2020-02-19得票数 0
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 ImageDataGenerator
浏览 2提问于2018-07-27得票数 2
2回答
我正在训练一个古吉拉特语的光学字符识别模型。输入图像是字符图像。我上了20节课。训练图像总数为12000个(每个类600个)，测试图像为3,200个(每个类160个)。我应该如何提高我的准确性和减少损失？下面是我的代码：
classifier.add(Conv2D(32, (3, 3), input_shape= (32, 32, 3), ac
浏览 0提问于2020-09-20得票数 1
1回答
我试图对我的数据集进行10倍的交叉验证，我在训练前对数据进行了如下修改data_y = np_utils.to_categorical(data_y, 3) for train,test in kf.split(data): print("Fold #{}".format(('relu'))
#model.add(MaxPool
浏览 0提问于2018-06-27得票数 0
回答已采纳
我使用keras来构建模型，并在tensorflow中编写优化代码和所有其他代码。当我使用非常简单的层时，比如稠密或Conv2D，一切都很简单。但是，在我的keras模型中添加BatchNormalization层会使问题变得复杂。由于BatchNormalization层在培训阶段和测试阶段的行为不同，所以我发现在我的feed
浏览 1提问于2017-04-01得票数 3
回答已采纳
我想训练一系列的模型，这是非常相似的，复杂的层次是相同的，但扁平的部分变化。例如，不同的密度，最初我有model.add(Dense(512))，但我也想测试1000和4096；我还想测试添加另一个层。我没有问题，创建这个模型和运行他们，但这感觉是浪费时间重新训练复杂的层，每次我没有修改在他们的任何东西。
是否有可能保存在复杂的
浏览 0提问于2020-12-28得票数 0
我试图使卷积NN需要在imagenet数据集上进行预训练；为此，我使用inceptionv3作为需要位于卷积NN之上的基模型，但它将值错误提高如下：这是我目前的尝试from tensorflow.keras.layer
浏览 0提问于2020-08-13得票数 1
回答已采纳
我正在尝试处理Kaggle数据集(10_monkey_dataset)，但我的模型没有获得很好的准确性。model.add(Activation('relu'))model.add(Activation('relu&#
浏览 1提问于2020-02-22得票数 0
我正在用keras做一个模型，我想把alpha变量添加到我的模型的relu层。有没有办法解决这个问题？from keras.layers import Conv2D, Input, Add, Dense, BatchNormalization, Convolution2D,\fromkeras.models import Model
img_input = Input(shape=(height, wi
浏览 0提问于2021-05-23得票数 0
2回答
我在Keras创建了一个CNN，每个层有12个卷积层，然后是BatchNormalization、Activation和MaxPooling。这一层的样本如下：model.add(BatchNormalization())
model.add(Activation如果我在上面的代码中的每个</e
浏览 0提问于2017-10-01得票数 1
回答已采纳
请对你的想法添加一个最低限度的评论，以便我可以改进我的查询。谢谢。-)
from tensorfl
浏览 3提问于2021-03-18得票数 1
回答已采纳
各位，
我有一个关于如何在Keras中修改预先训练过的VGG16网络的问题。我试着删除最后三个卷积层末尾的最大池层，并在每个卷积层的末尾添加批归一化层。同时，我想保留参数。这意味着整个修改过程不仅包括删除一些中间层、添加一些新层，还包括将修改后的层与其余层连
浏览 0提问于2018-07-03得票数 0
因此，我用数据集来训练我的模型，对于每一个时代，我都可以看到loss和val_loss下降(需要注意的是，val_loss会下降到某个点，但随后也会停滞，出现一些小的起伏)，accuracy会上升，但是由于某种原因我浏览了这一点，这似乎是一个过度拟合的问题，所以我在模型的某些层上使用l2添加了l2层和正则化，但它似乎没有任何效果。因此，我想问你，你认为我可以改进我的模型</
浏览 3提问于2020-05-10得票数 0
回答已采纳
我正在研究一种CNN模型(由keras实现)，它从图像中检测地标。每个地标(例如卫城、大本钟、埃菲尔铁塔等)都是一个单独的类，并被划分为自己的目录。训练数据集包含1600幅图像、验证400幅图像和测试500幅图像。训练过程有80次迭代。我注意到，对于两个或三个类，精确度是相当好的(3个类，=>精度: 0.8353)，但是到了下一个类，它就会下降。
增加更多的类会增加特性和复杂性吗？解决这个问题的办法是什么？<e
浏览 0提问于2019-12-25得票数 1
为此，我加载了预先训练的模型，删除了几个层，并将我的层添加到模型中。为了添加我的层，我使用了顺序 API。))model.add(BatchNormalizationNon-t
浏览 0提问于2019-11-19得票数 0
回答已采纳
1回答
我正在研究一些不同的神经网络架构，并试图拼凑出如何在我自己的基础上重新创建它们。x1 = ReLU()(x1)
x1 = Conv2D(kernel_size = 24, strides = 1, filters"same&q
浏览 2提问于2021-12-18得票数 0
回答已采纳
1回答
我试图保存我实现的CNN模型，并使用它来执行传输学习(TL)。我想澄清以下四点。2.(TL码)模型加载方法是否正确。4.(TL码)训练前模型与后续各层是否正确组合(尺寸等)两者都是预测两个数字的回归模型</em
浏览 1提问于2021-07-24得票数 0
回答已采纳
所以我有一个由子类化API编写的模型，调用签名看起来像call(x，training)，其中需要训练参数来区分训练和非训练，当做batchnorm和dropout时。当我使用model.fit时，如何让模型向前传递知道我处于训练模式或评估模式？
谢谢!
浏览 0提问于2019-07-18得票数 3
我想为cifar10数据集在keras中训练2个模型。首先是从头开始(model1)，其次是微调一个预先训练过的模型(model2)。我使用以下代码来做到这一点：from keras.layers import Conv2D, MaxPooling2Dinput_shape = (32, 32, 3)
mo
浏览 0提问于2018-08-06得票数 2
回答已采纳
我试着把预先训练过的BN重量从一个pytorch模型复制到它的等价Keras模型，但是我总是得到不同的输出。我读过Keras和Pytorch BN文档，我认为区别在于它们计算“平均值”和"var“的方式。
因此，他们平均超过样本。喀拉斯：
轴:整数，应该标准化的轴(通常是特征轴)。例如，在Conv2D层之后使用dat
浏览 0提问于2019-02-12得票数 3
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
