我正在使用一个使用预先训练的'VGGFace‘权重的微调VGG16模型来处理野外标记的人脸(LFW数据集)。问题是，在训练了一个时期(大约0.0037%)之后，我得到的准确率非常低，也就是说，模型根本没有学习。 我认为它一定与我的架构有关。我的架构是这样的： vgg_x = VGGFace(model = 'vgg</
浏览 26提问于2019-01-23得票数 2
回答已采纳
为了训练一个具有预先训练好的VGGFace权重的微调VGG模型，需要做哪些预处理步骤？我正在尝试将一组大小为224x224x3的图像放入我的微调VGG模型中(冻结了网络的最后4层)，并在其上添加了一些致密层。训练需要很多时间，但我得到的结果准确率非常低，不到1%的准确率，而且模型根本就不会学习。我已经使用了这个
浏览 20提问于2019-01-21得票数 0
我正在尝试使用https://github.com/rcmalli/keras-vggface的keras-vggface库来训练CNN。我已经安装了tensorflow 2.0.0-rc1，keras 2.3.1，cuda 10.1，cudnn 7.6.5，驱动程序的版本是418，问题是当我尝试使用vggface模型作为卷积基础时，我得到了一个错误，以下是代码和错误 from keras_vggface.vggface<
浏览 52提问于2020-01-16得票数 2
回答已采纳
我在Google中训练我的模型，然后用model1.save('thebestonesofar57block5.h5')保存它。之后，我将文件下载到我的windows机器上。将其上传到新的google会话后，我将收到以下错误，使用：
Loaded_model = load_model('thebestonesofar57block5
浏览 14提问于2019-10-29得票数 1
回答已采纳
1回答
我正在尝试微调我的预训练模型的权重。我已经使用在VGGface数据集上训练的VGG网络进行了微调，但我想在我的特定面部数据集上使用我的预训练模型进行微调。我使用VGG net进行微调的代码如下： img_width, img_height = 256, 256
train_data_dir = "da
浏览 17提问于2019-06-21得票数 0
2回答
我是深度学习的新手。我从人脸识别的例子开始，我发现有两种类型的模型基于数据进行预训练。1.使用连体网络进行一次性学习:我们可以使用很少的数据来训练模型。2.卷积神经网络:需要大量数据来训练模型。我们是否可以将这些方法与tensorflow中的CNN结合使用？
浏览 17提问于2019-03-03得票数 0
为此，我想使用预先训练好的，并在上面添加我的分类器。我使用作为基本模型。Facenet是基于VGGFace的。下面是我在运行代码后得到的错误：<ipython-input= VGGFace(model='resnet50', include_top=False, input_shape=(im
浏览 0提问于2018-06-12得票数 1
1回答
我对训练一系列图像和对象检测模型很感兴趣，我想知道何时使用像VGG16这样的网络的预训练权重的一般规则是什么。例如，很明显，微调预先训练好的VGG16 imagenet模型权重对您正在寻找子集ie很有帮助。猫和狗。然而，对于我来说，如果你正在训练一个有300个类的图像分类器，其中只有一些是预训练模型中的类的子集，那么使用这些预训
浏览 36提问于2017-08-06得票数 1
回答已采纳
1回答
用VGG对caffe进行微调
、、、、
我在复制中的步骤仅仅按以下方式替换模型参数就足够了吗？或者我是否需要调整学习速度，迭代，也就是说，它是否带有单独的proto
浏览 3提问于2015-09-22得票数 2
回答已采纳
1回答
我正在尝试比较一个微调的VGGFace模型，它使用VGGFace权重和一个完全重新训练的模型。当我使用微调模型时，我得到了相当好的精度分数。然而，当我通过解冻权来重新训练整个模型时，精度就变得接近随机。
我猜它是否是由于使用的小数据集造成的？我知道VGGFace对数百万个样本进行了培训，我的数据集只有1400个
浏览 4提问于2020-05-14得票数 0
回答已采纳
1回答
我试图从VGGFace模型的卷积层中提取特性，使用TensorFlow和Keras。这是我的密码：layer_name = 'conv1_2' # Edit this lineout = vgg_model.get_layer(layer_name).output
vgg_model_new =
浏览 0提问于2019-06-14得票数 0
回答已采纳
1回答
我正在尝试使用pycharm中的keras应用程序。我从以下导入开始我的脚本： from keras_vggface.vggface import VGGFace
from keras_vggface.utils import preprocess_input: 从keras导入应用程序 我尝试按照建议导入适当的keras库，但问题仍然存在。我还尝试检查json文件，看看它是否包含正确的后端(确实如此)。 如何解决此问题？from keras_<em
浏览 199提问于2020-08-01得票数 1
我在caffenet中使用微调，它工作得很好，但是我在Keras 关于微调的博客中读到了这篇文章(他们使用经过训练的VGG16模型)：
“为了进行微调，所有层都应该从经过适当训练的权重开始:例如，你不应该把一个随机初始化的完全连接的网络放在一个预先训练过的卷积基础上这是因为随机初始化的权值引发的大梯度更新会破坏卷积基中的学习<e
浏览 0提问于2017-03-20得票数 2
我试图使用预先训练过的来训练我的模型，该数据集包含1774张训练图像和313幅由12个类组成的验证图像。
vggface = VGGFace(model='resnet50', include_top=False, input_shapeactivation='sigmoid', name='
浏览 0提问于2018-06-11得票数 1
我有一个代码来加载VGGFace预训练的ResNet模型，并将其导出到tensorflow服务格式。这段代码片段已经开发了类似的模型，这些模型都不是VGGFace ResNet。import tensorflow as tffrom keras_vggface.vggface import VGGFace
CHANNELS =
浏览 4提问于2019-09-24得票数 0
回答已采纳
1回答
我正试着用来训练我的模型，一个经过预先训练的(vggface)。我的模型有12个类，有1774张训练图像和313张验证图像，每个类大约有150张图像。到目前为止，我已经能够达到80%左右的最大精度，使用下面的脚本在keras：vggface</em
浏览 0提问于2018-06-13得票数 2
1回答
我想编码几何学后的所有卷积层，并使用他们在完全连接的层。我使用的是vggFace模型。'''''' include_top=False,geo_input = Input(shape=(1,136,1))
geo_input = Flatte
浏览 1提问于2017-10-17得票数 1
回答已采纳
2回答
我正在学习教程，尝试使用VGG16模型进行微调，我训练了模型并使用model.save_weights和 layer.trainable = False
model.add(vgg_conv)
浏览 12提问于2019-11-04得票数 2
回答已采纳
1回答
我有一个有两个列的数据集，路径和类。我想用它来微调VGGface。X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)nb_class = 4last
浏览 4提问于2019-10-23得票数 1
回答已采纳
当我开始训练模型时，之前没有保存任何模型。我可以安全地使用model.compile()。现在，我已经将模型保存在h5文件中，以便使用checkpoint进行进一步的培训。比方说，我想进一步训练模型。在这一点上我很困惑:我可以在这里使用model.compile()吗？它应该放在model = load_model()语句之前还是之后？如果model.compile()重新初始化了所有的权重和偏差，我应该把它放在model = load_model()语句之前。在发现一些讨论之后，对我来
浏览 1提问于2017-12-28得票数 92
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
