在我点击了一个train_on_batch更新，使一些权重nan后，我在将我的keras模型重置为它在前一个时代的权重时遇到了麻烦。我尝试在每个训练步骤后保存模型权重，然后在nan训练更新后将“良好”(非nan)权重加载回keras
浏览 15提问于2019-02-25得票数 1
回答已采纳
2回答
我使用的是最新的Keras和Tensorflow后端(Python 3.6) loss='categorical_crossentropy', metrics = ['accuracy'])
如果我加载模型并在不重新编译的情况下继续训练，我的准确率将保持在准确率将重置到</e
浏览 0提问于2018-05-22得票数 1
4回答
在Keras中修剪
、、、
我试图使用Keras设计一个具有预测性能优先级的神经网络，通过进一步减少每层的层数和节点数，我无法获得足够高的精度。我注意到我的大部分重量实际上是零(>95%)。
浏览 6提问于2017-01-31得票数 21
回答已采纳
7回答
汇总直方图中的Nan
、、、
我的程序有时会遇到这个问题(并不是每次运行都会遇到这个问题)，如果遇到这个问题，我总是可以在程序崩溃之前由于nan而保存的最后一个模型中重现这个错误。当从该模型重新运行时，使用该模型生成损失的第一个训练过程似乎没有问题(我已经打印了损失，显示没有问题)，但在应用梯度后，嵌入变量的值将变为Nan。
那么，nan问题的根本原因是什么呢？困惑，因为不知道如何进一步调试，
浏览 7提问于2016-10-04得票数 9
2回答
我有一个经过训练的模型，它是用Keras创建的。在这个模型中，除了最后一个卷积层外，我还想通过冻结所有的卷积层来应用迁移学习。然而，当我适应模型后冻结层，我注意到，一些冻结层有不同的重量。我试着用model.trainable = False冻结整个模型，但这也没有成功。我使用python 3.5.0、tensorflow 1.0.1和Keras 2.0.3
import os
impo
浏览 5提问于2017-04-12得票数 4
回答已采纳
train_on_batch()和fit()有什么不同？我们应该使用train_on_batch()的情况是什么？
浏览 0提问于2018-03-04得票数 48
回答已采纳
我有一个Keras模型，我用100个时代来训练这个模型。
什么是真正的keras model.save()被设计用来在1
浏览 0提问于2019-07-09得票数 2
回答已采纳
1回答
目前，我正在进行一个项目，要求我在使用Tensorflow进行培训时中途更改模型体系结构。增加了新的权重，并移除了其他权重。该模型需要重新编译，以便优化器识别新的权重并计算它们的梯度。然而，我注意到，在编译网络之后，损失只上升到重新下降之后--(参见) --在编译后的第一步，损失仍然很低，但增长很快。问题类似于我的问题，但只说你应该
初始化第二次培训验证的准确性
浏览 1提问于2021-06-25得票数 0
7回答
受的启发，我创建了自定义模型。这里的最小完整代码示例：from tensorflow.keras.datasets更新1:找到注释(用于模型保存)
文件: keras/engin
浏览 0提问于2018-08-12得票数 44
回答已采纳
2回答
我正在使用keras和tensorflow进行时间序列预测。我需要用未来的数据重新训练模型。我的问题是，在keras中这是可能的吗?我们如何做到这一点？
浏览 5提问于2018-08-15得票数 7
回答已采纳
3回答
建立并训练了一个线性回归模型，它与学习速度、时间和批次大小有关。我很难理解迭代是如何完成的，它是如何连接到“时代”和“批处理大小”的。我基本上不知道实际的模型是如何训练的，数据是如何处理的，迭代是如何完成的。为了理解这一点，我想通过手工计算每一步来遵循这一点。因此，我希望每一步都有斜率和截距系数。这样我就可以看到“计算机”使用什么样的数据，把什么样的数据放入模型中，在每一次特定的迭
浏览 7提问于2020-06-19得票数 7
3回答
一个时代后的神经网络扁平化
、、、、
我正在使用keras创建一个卷积神经网络，尝试将图像分类为两个不同的类别，并且由于某些原因，在第一个时期之后，精度永远不会改变。使用Keras的to_categorical()之后，我的标签看起来像这样：[1. 0.][0. 1.]]我的模型的代码是：model.add(Conv2D(filters=32, kernel_size=[5, 5],
浏览 8提问于2017-06-27得票数 4
我想知道有没有可能为可变长度的图像添加一个类似于扁平层的层。假设我们的CNN有一个输入层：在执行了典型的卷积/最大池化层系列之后，我们是否可以创建一个扁平层，使其形状为：
output_shape=(None
浏览 2提问于2018-03-15得票数 1
3回答
美国有线电视新闻网何时更新权重？
、、、、
在CNNs中，我们什么时候使用反向传播更新内核参数？假设我的批号为50，训练数据为1000。我是在每个批次提交到网络后还是在每个数据样本之后进行反向传播？
浏览 0提问于2018-02-03得票数 7
回答已采纳
27回答
训练回归网络时的NaN损失
、、、、
我有一个“一热编码”(全部为1和0)的数据矩阵，包含26万行和35列。我用Keras训练一个简单的神经网络来预测一个连续变量。，损失却转到了nan：Epoch 1/3 13.4925 88448/260000 [=========>.............
浏览 24提问于2016-05-14得票数 122
回答已采纳
更新:为了解决这个问题，我保持检查点结构不变，但在下面链接的问题的接受答案中链接的存储库的帮助下，我编写了一个自定义的train_step函数，它计算梯度并使用apply_weights，而不是编译模型和使用这使完整的GAN状态得以恢复。可悲的是，使用这种方法，我相当确定dropout层不再起作用，因为鉴别器在训练的早期就能够完美地工作，这阻碍了模型的正确训练。尽
浏览 95提问于2021-11-16得票数 1
回答已采纳
6回答
保存和加载模型优化器状态
、、、
我有一组相当复杂的模型，我正在进行培训，我正在寻找一种方法来保存和加载模型优化器状态。“教练员模型”由其他几种“体重模型”的不同组合组成，其中一些有共同的重量，有些则根据训练者的不同而冻结重量，这是一个有点复杂的例子，但简而言之，我无法在停止和开始我的训练时使用model.save('model_file.h5如果培训已经完成，使用model.load_weights('weight_file.h
浏览 0提问于2018-03-27得票数 24
回答已采纳
在TF1中以图形模式操作时，我认为在使用函数式API时，需要通过馈线将training=True和training=False连接起来。在TF2中做这件事的正确方法是什么？我相信这是在使用tf.keras.Sequential时自动处理的。下面是使用函数api重写的相同模型：hid = tf.keras.l
浏览 12提问于2019-11-06得票数 8
回答已采纳
任务:建立CNN模型(最好是Keras或TensorFlow)来预测CelebA数据集 (多标签图像分类)中与每个图像相关的标签。过去，对于大多数多类/二值图像分类问题，在图像被正确地组织到单独的目录中之后，我会在Keras中使用ImageDataGenerator和.flow_from_directory来高效地输入图像。因此，在输入模型之前，我从不费心地将图像转换为numpy.arrary，除非我必须这样做，当然数据集也很小，这样我就可以
浏览 0提问于2018-05-28得票数 3
回答已采纳
12回答
我有一个包含灰度图像的数据集，我想对它们进行最先进的CNN培训。我非常想微调一个预先训练过的模型(像那些)。问题是，我可以找到的几乎所有模型都是在包含RGB图像的ImageNet数据集上进行训练的。我不能使用其中的一个模型，因为在我的例子中，它们的输入层需要一批形状(batch_size, height, width, 3)或(64, 224, 224, 3)，但是我的</
浏览 2提问于2018-08-24得票数 78
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
