我正在尝试使用现有的CNN模型教程和我自己的数据集，因为我是新手，我想了解这个概念。 我不明白的是标签y的值。如何训练模型为每个样本x赋予标签y？有没有一种比使用for lop更好的方法将我的数据加载到cnn？ 我有一个由5只动物组成的数据集，总共有1725只动物。例如，dog =3个图像。cats = 54个图像。每次我尝试运行我的模型时，我都会得到这个错误： ValueError: Input arrays should have the same number o
浏览 14提问于2019-02-28得票数 0
我正在尝试一个简单的模型集成，有两个不同的输入数据集和一个输出。我想得到一个数据集的预测，并希望模型将从第二个数据集中提取一些有用的特性。我收到一个错误：但我希望它适合更小的数据集。
浏览 0提问于2021-07-06得票数 0
4回答
为什么CNN必须有固定的输入大小？但是为什么呢？我无法理解完全连接层的存在意味着什么，以及为什么我们被迫有一个固定的输入大小。
浏览 0提问于2019-11-30得票数 9
回答已采纳
1回答
对于大小不同的图像重新定标的普遍共识是什么？我读过这样的一种方法，就是将图像的最大尺寸缩小到一个固定的大小。对我来说还不清楚，仅仅重标度一个维度会导致整个数据集的统一图像形状。在重新标度时，采用哪一种插值方法是否重要？是否列出了人们使用过的方法以及他们在不同场景中的表现。
浏览 5提问于2016-06-14得票数 0
回答已采纳
许多现有的Tensorflow和Keras CNN代码示例对训练图像使用相同的大小，通常是299*299,244*244,256*256，甚至更多。我认为这在一定程度上取决于与预先训练的模型的兼容性，以及架构本身。我仍在评估各种架构，但最终可能会使用Mask R-CNN (或更快的R-CNN)，使用Resnet、Inception或Xception，以及Tensorflow或Keras。待分析的目标镜像在1024*1024范围内，但可以分解为更小的分区。
考虑到可用的预
浏览 14提问于2017-12-25得票数 2
2回答
很多文章都在使用CNN来提取音频特征。输入数据是具有时间和频率两个维度的语谱图。在我的数据集中，音频长度从1秒到8秒。填充或剪切总是对结果影响太大。
所以我想知道更多关于这个方法的信息。
浏览 1提问于2016-05-05得票数 10
2回答
我想训练不同的机器学习算法(支持向量机，随机森林，CNN等)。对于相同的数据集(例如，MNIST)，然后比较它们的准确性。目标是从哪种训练数据大小中找出哪种方法比其他方法更好。为了做到这一点，我不断地减少原始训练数据集( 60000个样本)，并在这些减少的训练数据集上训练模型。如果我使用原始的MNIST测试数据集(10000个样本)来确定精度，我当然会得到过度拟合，例如，当训练数据集为1000个样本时，我获得了95%的训练精度和75%
浏览 0提问于2019-04-28得票数 0
以下是我正在努力实现的目标。我有一个角化模型，它以图像作为输入，生成512矢量.我这样做是为了：input_img = keras.layers.Input( shape=(240, 320, 3 ) )现在，对于训练，我的每一个样本实际上是13张图片。假设我有2500个样本，那么我的数据的尺寸是2500x13x240x320x3。我希望模型能够独立地应用于13幅图像。我在keras中遇到了TimeDistrib
浏览 1提问于2018-10-07得票数 1
回答已采纳
我试图在Tensorflow中构建一个CNN模型，其中一个批内的所有输入都是相同形状的，但在批间输入在维度1上有所不同(即小批大小相同，而小型批处理形状不同)。在每批(50个样本)I零垫每一个样本，使每个N_i等于最大N在其小批。在运行我的训练代码时，我使用feed_dict传递输入值(numpy矩阵)，如教程中定义的那样。reshaped = tf.re
浏览 4提问于2017-04-28得票数 1
回答已采纳
我正在尝试训练一个文本分类模型。对于所有的句子例子，我把它们限制在32个字以内，如果没有32个单词，我将创建零块数组。为了把每个单词转换成向量，我使用了一个预先训练过的word2vec模型.在最后的设置中，我的数据的形状是：所以我的问题是，我应该在我的x_train上申请1DCNN还是2DCNN？我想我可以用两种方
浏览 0提问于2020-05-19得票数 1
回答已采纳
当我们将6个变量放在一起看时，只有78个物种拥有所有变量的数据。我需要知道AICc是否是比较这些模型的好方法。当我尝试运行包含所有模型的列表时，MuMIn包中的model.avg返回错误：aicc <- summary(mode
浏览 8提问于2019-07-31得票数 0
回答已采纳
我们有一个在Tensorflow (1.10和1.3)中开发的对象检测模型，它使用了标准的CNN和一些额外的层。我们尝试了以下实验：
使用具有不同批大小的检查点在CPU上多次运行相同的模型</em
浏览 1提问于2019-05-03得票数 4
第一种是将conv1d与input_shape = (68,2)结合使用。我的问题是哪个更好？为什么？
浏览 0提问于2018-05-31得票数 7
回答已采纳
每个梯度更新的样本数。如果未指定，batch_size将默认为32。我想，当我训练(或预测)我的模型时，我必须提供一些数据，而且无论如何我必须成批地这样做。but never this:my_model.fit(inputs, target_output)所以，当我调用my_model.fit()时，如果我在调用中提供的批处理已经定义了一个大小，为什么还要另外提供提供batch_size呢？如果这是真的，我为什么不事先提取一个样本</em
浏览 3提问于2021-05-07得票数 0
回答已采纳
--我不知道为什么在运行下面的代码时会出现这个错误我的CNN代码是：CNN.add(tf.keras.layers.MaxPooling1D(2))CNN.add(tf.keras.layers.Flatten())
<
浏览 12提问于2022-05-21得票数 1
回答已采纳
1回答
具有不同输入尺度的CNN
、、、、
我的目标是在一种输入尺寸上训练CNN，并使用该模型来预测不同比例/大小的图像。对于CNNs，这是可能的吗？我正在使用keras/python开发我的网络？
任何帮助都将不胜感激。
浏览 4提问于2016-10-19得票数 1
2回答
新图像尺寸的传递学习
、、、
当我们想要用卷积神经网络进行传递学习时，我们不需要使用与训练所用的图像大小相同的图像大小。但如果我们改变输入的大小，我们将不得不重新训练完全连接的层。见这篇文章是关于堆栈溢出的。
浏览 0提问于2019-08-16得票数 1
回答已采纳
1回答
目标是从图像中定位物体。我决定修改和训练一个现有的模型。然而，我无法决定是否应该使用面具来训练模型，还是只使用ROI。对于ROI方法，我需要标准化每个对象，它们的大小非常不同。然而，对整个图像掩码进行规范化可能会使原始图像掩码之间的差异保持得更少。
浏览 2提问于2016-04-24得票数 2
回答已采纳
1回答
我训练了一个输入大小为(None, 256, 256, 1)的CNN模型，并使用model.save()方法保存了这个mthe模型。我想要整个模型，因为它是(即，相同的架构和权重)，但不同数量的渠道在输入。from tensorflow import keras
cnn_model = keras.m
浏览 7提问于2022-11-04得票数 0
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
实时音视频活动推荐
腾讯云开发者
