你好，StackOverflow社区： 我使用Tensorflow 2.0训练了一个4层的DNN。使用一批新的数据，我希望重新训练从第二层到输出层的模型权重，同时保持来自较早层的权重(即，附加到输入和第一层的权重)冻结。我试图在TensorFlow2.0的文档中</e
浏览 49提问于2020-08-08得票数 0
这些讨论讨论了(，)关于向Tensorflow图添加新层并重新训练模型的问题。#First let's load meta graph and restore weights
saver但我喜欢在恢复的<em
浏览 1提问于2019-07-22得票数 0
1回答
我想使用NiftyNet堆栈执行一些传输学习，因为我的标记图像数据集相当小。在TensorFlow中，这是可能的--我可以加载各种预先训练过的网络，并直接使用它们的层。为了对网络进行微调，我可以冻结中间层的训练，只训练最后一层，或者只利用中间层的输出作为特征向量输入到另一个分类器中。
我如何在NiftyNet<
浏览 0提问于2018-06-08得票数 4
我想知道保存我在python中训练过的tensorflow模型的正确方法是什么，这样我就可以使用opencv的dnn模块在OpenCV中导入它。这是我的Tensorflow图Y = tf.placeholderglobal_step, 100, 0.1, True )
o
浏览 3提问于2017-12-15得票数 2
回答已采纳
假设我已经训练了一个Tensorflow Estimator： model_fn=model_fn, config=some_config)estimator.fit(input_fn=input_fn_train, steps=None)这个想法是一个模型适合我的MODEL_DIR。，这是我用Python语言定义的模型。但是，如果我通过
浏览 19提问于2018-01-11得票数 7
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。新的顶级模型的以
浏览 30提问于2020-11-11得票数 1
回答已采纳
2回答
我是神经网络的初学者，目前我正在探索word2vec模型。然而，我很难理解特征矩阵到底是什么。我可以理解，第一个矩阵是一个给定单词的一个热编码向量，但是第二个矩阵意味着什么？更具体地说，这些价值观中的每一个(即。17，24，1等)指？
浏览 0提问于2017-06-21得票数 12
4回答
不可训练参数的定义是什么？
、、、、
模型中不可训练参数的定义是什么？
例如，当您构建自己的模型时，它的值是0作为默认值，但是当您想要使用初始模型时，它变成了其他的东西，而不是0。这背后的原因是什么？
浏览 1提问于2017-11-15得票数 40
回答已采纳
如何在tensorflow中对MLP中的权重实现最大范数约束？Hinton和Dean在他们的关于黑暗知识的工作中描述的那种。也就是说，tf.nn.dropout是否默认实现权重约束，或者我们是否需要显式实现它，如
“如果这些网络共享存在的隐藏单元的相同权重。我们使用标准的随机梯度下降过程在小批量训练案例上训练
浏览 2提问于2016-06-14得票数 7
2回答
我在Python 3.6上构建了一个神经网络模型我对模型使用相同的训练集。但是，每次打印出来的隐藏层变量的值是不同的。features FEATURES = col_train_bis
#
浏览 0提问于2018-08-02得票数 2
我对函数tf.matmul()在TensorFlow中的使用感到有点困惑。不过，我的问题可能更多是关于深度学习的理论。假设你有一个输入X和加权矩阵W(假设零偏差)，我想要计算WX作为一个可以由tf.matmul(W, X)完成的输出。然而，在教程中，它被反转，而tf.matmul(X, W)被使用。另一方面，在下一个教程中，使用了tf.matmul(W, X)。由于矩阵的大小对乘法很重要，我想知道是否有人能澄清这个问题。
浏览 3提问于2015-12-15得票数 6
回答已采纳
1回答
我计划创建一个神经网络进行交易，我正在研究如何在我的系统(即C++或C#)运行时使用的语言中使用经过训练的神经网络。假设我在python (或任何其他nn框架)中使用tensorflow，我已经成功地训练了具有n个隐藏层的神经网络。在这一点上，我得到了权重和偏差的值。在这一点上，我想在生产中使用nn模型。据我理解，在production中运行模型并不是最好的实践，
浏览 3提问于2021-01-25得票数 0
数据集包含分类为cat或dog的图像。library(keras)
layer_de
浏览 0提问于2018-01-26得票数 4
我还想在过滤之后，我的人工智能模型是0(非欺诈)/1(欺诈)分类模型。我想用1/181改变我的神经网络.因为数据量只是一天
我该如何训练神经网络？如果我只使用了一天的数据，运行了许多时代(时间)，它将过度适合.通过早停，似乎一天的数据列车不是.足够.我想像LSTM这样的记忆可能需要我的神经网络..。什么样<e
浏览 0提问于2020-06-11得票数 1
回答已采纳
我需要对已经经过培训的现有deeplearning4j (DL4J)模型进行更改。网络由一个输入层、一个Graves LSTM和一个RNN输出层组成。我的问题是:是否有可能在LSTM层中添加一个或多个未经训练的神经元，而不必重新构建新的配置模型(我认为这需要再培训)？我想做这样的事情，比如，将一个或多个神经元添加到一个现有的层中，或者将一个完整的
浏览 2提问于2018-05-27得票数 3
回答已采纳
对于我们如何在PV中生成新的段落向量，我感到非常困惑。在预测时，需要执行一个推断步骤来计算新段落的段落向量。这也是通过梯度下降得到的。
我不清楚他们如何用梯度下降来计算新段落的段落向量。
浏览 0提问于2018-08-27得票数 4
回答已采纳
4回答
如何提高深层神经网络的精度
、、、、
我用Tensorflow来预测给定的句子是正的还是负的。我已经抽取了5000份正面句子和5000份否定句样本。90%的数据用于训练神经网络，其余10%用于测试。我可以看到，在每一个时代，成本函数正在得到合理的削减。然而，模型在测试集上的精度很低(只有56%)。
浏览 0提问于2018-05-05得票数 6
回答已采纳
2回答
我正在努力理解YOLO (v2)是如何被训练的。为此，我使用这个keras实现从零开始在VOC上训练YOLO (我对其他实现开放，但我从未使用过pytorch，因此，keras实现将是首选)。1-正如我所理解的，YOLO首先用于在imageNet上进行分类，然后这些经过训练的权重(用于分类)应该在训练yolo进行回归(检测边界框)时使用。在我在互联网上找到的用来从零开始训练yolo的大部分代码(用于回归)中<
浏览 5提问于2020-03-27得票数 2
回答已采纳
2回答
如何正确训练扩展数据集
、、、
我训练了我的分类器，在每幅图片上混合了几个类，例如A。分类器能够(几乎)正确地分割图像上的这些类。现在我得到了更多显示G类图片的数据，为了最小化我的工作，我只在图像上标记了G类，而其他的则没有显示出来(无效)。我的训练有两个问题：
如果在我的第一个数据集中没有G类的例子(因为它可能是A的子类)，我如何正确地训练它？建议的解决方案:我可以将我的新数
浏览 0提问于2017-02-14得票数 1
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
