在Tensorflow中，我会有一个placeholder，这样我就可以根据需要将它提供给网络： self.h_drop = tf.nn.dropout(self.h_pool_flat, self.dropout_keep_prob)# in_dropout = tf.placeholder(tf.float32
浏览 15提问于2017-02-12得票数 1
回答已采纳
我想知道在下面的模型中，当我调用model.evaluate(...).时，辍学是否会被禁用 for size in (20, 40, 20)]layers.append(tf.keras.layers.Dense(1, activation=
浏览 0提问于2019-09-05得票数 4
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_dict
浏览 1提问于2017-04-01得票数 3
回答已采纳
如何更新keras BatchNormalization中的移动均值和移动方差？我在tensorflow文档中发现了这一点，但我不知道将train_op放在哪里，也不知道如何使用keras模型： train_op = optimizer.minimize( loss )
我发现的</e
浏览 0提问于2018-05-03得票数 4
回答已采纳
我有一个CNN，它训练几十万个例子，在一个时期后验证准确率达到95%左右。这是简单的代码，使用Keras定义使用Sequential API的网络。最初，我在TF 1.3上准备并使用了这个模型。当我将它移植到TF2.1，用tensorflow.keras替换keras调用时，它很快就达到了~60%，并停留在那里(似乎有很多时期)，训练损失似乎总是收敛到相同的值。如果我在脚本的顶部添加tf.disab
浏览 240提问于2020-05-14得票数 2
1回答
如何提高神经网络的验证精度？
、、、、
我想在ANN中创建一个机器学习来预测一个多类分类问题。验证精度在0.4 ~ 0.5之间，但训练精度较高，且沿历次递增。0 1 0这是我的模型： keras.layers.Dense(37,input_dim=37,activation='relu'
浏览 6提问于2022-10-24得票数 -1
1回答
我正在尝试使用functional API来拥有一个共享层，其中只有一条路径是可训练的：b_in = Input(x_shape)
a_out = my_model设置my_model可训练标志会影响这两个层。我可以用不同的可训练标志编译两个不同的模型，但我不明白如何将两个预编译的模型组合在一起来优化我的</e
浏览 3提问于2018-09-25得票数 9
1回答
我有一个定制的CNN实现在TensorFlow后端运行的keras。为了提高通用性，我致力于在CNN模型中增加正则化。该模型工作良好，无需任何活动/内核正则化。当我添加一个活动/内核正则化时，模型会冻结；训练通常会在单个时期的批/迭代之间停止(例如，67/172批)。这个问题在我的系统上是非常可重复和可重复的，我能够将这个问题本地化以实现正规化。看到这种<em
浏览 1提问于2020-12-15得票数 0
(Python 3.7，tensorflow 2.3，keras 2.4.3)我以为model.predict()的结果是预测的概率，但结果是这样的
[0.0。0。0。0。0。0。0。另一个问题是结
浏览 232提问于2020-08-02得票数 0
回答已采纳
我在一个模型上得到了一个非常奇怪的结果。好吧，我训练了它，它在训练中得到了大约99.5%的准确率，但就像你在下面的图像中看到的那样，验证结果非常奇怪。所以在训练之后，我测试了我的模型(在训练，验证和测试数据上)，我得到了一个非常非常奇怪的结果。我怀疑这是因为BatchNorm层，因为它是我的模型中唯一在训练<e
浏览 2提问于2020-02-27得票数 0
我正在尝试使用Tensorflow >= 2.4构建一个子类模型，该模型由预先训练的卷积基础和顶部的一些致密层组成。但是，子类模型的冻结/解冻在以前训练过后不起作用。当我对函数式API执行同样的操作时，一切都会按预期运行。我真的很感谢一些关于我在这里遗漏的东西的提示:下面的代码应该进一步说明我的问题。请原谅我的代码数量： #Setup
impo
浏览 79提问于2021-08-23得票数 0
回答已采纳
1回答
我试图用keras和Tensorflow版本2.6训练一个卷积神经网络，我也用Tensorflow版本1.11来训练它。我想我做了迁移测试(两个神经网络收敛了)，但是当我看到它们的结果非常不同时，在TF2.6中最糟糕的是，对于具有相同的超参数(learning_rate = 0.001)的两种情况，我都使用了一个优化器Adam，但是TF1.11中的损失函数
浏览 20提问于2022-11-11得票数 0
在一个名为Generator的类中，我使用以下方法define_model定义了一个模型： conv2d = Generator.output = Activation('tanh')(conv2d) return model
在另一个文件中，:当Keras执行generated_high_resolution_images = generator_mo
浏览 0提问于2019-07-27得票数 1
回答已采纳
1回答
更新:感谢Catalina抽出时间history = model_final.fit(x_train_multi,几周前，我开始使用python中的keras，现在我正在尝试解决一个预测问题。基本上，我有活跃的学生和每天有多少学生协助上课。我想要做的是预测接下来X天的辅助，其中x表示现在的10天。
浏览 1提问于2020-10-01得票数 0
我试图在使用keras和tensorflow作为后端来训练深度学习模型的同时产生可重现的结果。，在我用于训练的train.py文件中设置numpy、python和tf的随机种子。现在，这个文件从另外两个模块utils.py和model.py导入了一些函数。在这两个文件中，顶部都有import numpy as np和import
浏览 23提问于2020-03-29得票数 0
回答已采纳
1回答
我试图建立一个网络，它分别输出深度图和语义分段数据。在训练过程中，我是否可以同时使用这些损失功能，还是把不同的分支分开训练会更好呢？
浏览 0提问于2018-03-31得票数 13
回答已采纳
4回答
我对Keras很陌生，我正在建立一个模型。我想冻结模型最后几层的权重，同时训练前几层。我试图将横向模型的可训练属性设置为假的，但它似乎不起作用。下面是代码和模型摘要：domain_layers = self.正如你所看到的，model_1是可训练的。但是根据代码，它被设置为不可训练.
浏览 0提问于2018-11-27得票数 19
回答已采纳
2回答
我有大量的文本数据在多个网页上的产品，我有兴趣出售给客户。我试着在维基百科上使用预先训练过的快速文本词嵌入，但它并没有给我分类任务带来好的结果。可能是因为网站上的文本数据包含了很多技术细节，它不同于维基百科中的文本数据。因此，我想做一些转移学习的词嵌入，保持预先训练的快速文本词嵌入为基础。我如何使用Keras来训练我自己的自定义
浏览 2提问于2019-01-24得票数 1
我有两个受过训练的模型(model_A和model_B)，它们都有辍学层。我已经冻结了model_A和model_B，并将它们合并到一个新的密集层中，以获得model_AB (但我还没有删除model_A和model_B的下拉层)。除了增加的密集层之外，model_AB的重量是不可训练的。
现在我的问题是:当我训练model_A和</em
浏览 0提问于2019-08-15得票数 3
回答已采纳
云服务器
ICP备案
云直播
即时通信 IM
实时音视频
腾讯云开发者
