为什么当我将我的网络设置为eval时，我的模型在验证数据上的误差函数在第一个时期非常高。如果我使用model.eval()，在最初的4-5个时期误差大于40-50k，然后迅速下降到3-4，但如果我在model.train()上留下我的网络，误差只有5-6。
浏览 18提问于2020-08-28得票数 0
我正在使用完全卷积神经网络(FCN)在Keras库中进行图像分割。我在我的网络中有大约35个纪元(根据经验)。
由于一些物理后果，我更喜欢应用一个独特的自定义初始化器(3*3)与零角单元格(权重)。我的问题是:我应该在每个时期的开始应用自定义初始化器(3*3)还是在第一个时期之前应用？我的理解是，如果我在每个时期开始时应用自定义初始化器，这将使每个时期从字面上看是相等的</
浏览 2提问于2019-12-29得票数 0
我在Pytorch上运行了一个基于Linknet架构的图像分割代码。self.optimizer = torch.optim.SGD(params=self.net.parameters(), lr=lr, momentum=0.9, nesterov=True) 然而，使用Nesterov的性能较差顺便说一下，如果连续3个时期没有减少损失，则学习率除以5，lr可以调整3次。之后，训练过程结束。 我想知道为什么会发生这种情况，我应该如何优化？非常感谢您的回复：)
浏览 45提问于2021-08-30得票数 0
增强定义是通过使用旋转、裁剪和翻转来增加图像的数量，以避免过度拟合。keras应用于增强，但不增加图像的数量。在图像中做什么角膜增强？API是否增强，如图像的预处理？增强是用新的增强图像代替原始图像吗？
浏览 0提问于2020-06-21得票数 0
1回答
CT图像的SegNet预训练权重
、、、、
我正在尝试训练一个用于ct图像分割任务的SegNet (使用Keras TF)。我使用的是VGG16预训练权重，但第一个卷积层有问题，因为我使用的是灰度图像，但VGG是在rgb图像上训练的。我解决了使用this的第二种方法(不能使用第一种方法，因为需要太多内存)。然而，它对我没有帮助，价值观真的很糟糕(训练了100个时期)。 我应该从头开始训练第一个卷积层吗？
浏览 58提问于2020-11-26得票数 0
我打印了pytorch和https://github.com/mnielsen/neural-networks-and-deep-learning/tree/master/data的mnist数据集的第一个训练图像的矢量化形式对于浮点精度误差来说，差异似乎太大了。 第一个mnist列车的完全不同图像：https://www.di
浏览 17提问于2020-10-24得票数 1
回答已采纳
1回答
理解ResNet实现的问题
、、、、
我很难理解和复制CIFAR-10数据集上ResNet的原始实现，正如论文“图像识别的深度残差学习”所描述的那样。具体而言，我对以下段落有几个问题：
我们使用的重量衰减为0.0001，动量为0.9，并采用的重量初始化在13和BN 16，但没有辍学。这些型号是在两个GPU上训练的，小批量大小为128。我们按照24个简单的数据增强来进行训练:每边填充4个像素，从填充图像或其水平翻转中随机抽取32×32帧。对于测试，我们只评估原始32×32图像</em
浏览 1提问于2022-07-13得票数 -1
回答已采纳
1回答
我是Pytorch的新手。我的问题是:如何将迁移学习应用于自定义数据集？我正在做脑瘤的图像分割。我可以找到使用U-net结构的示例，但我找不到使用U-net图像分割的预训练模型的权重的示例？
浏览 1提问于2020-07-18得票数 0
我想在一个非常大的卫星图像上执行推断(即语义分割)，而不是将其分割成碎片。我可以访问4个GPU(每个都有15 GB的内存)，我想知道是否有可能以某种方式使用这些GPU的所有内存组合(即60 GB)来推断PyTorch中的图像
浏览 4提问于2020-09-16得票数 3
我正在训练一个深度学习模型，使用谷歌的Colab对NIH的胸部Xray-14数据集中的疾病进行多标签分类。我不能一次将所有图像加载到Dataloader中，因为大约有112k个训练样本和有限的RAM。有没有办法在pytorch的DataLoader中只存储图像的路径，在训练期间只读取当前迭代所需的那些图像，一旦迭代完成，图像就会从内存中卸载，依此类推，直到一个时期
浏览 10提问于2019-09-08得票数 2
回答已采纳
2回答
我的分割准确吗？
、、
我已经使用区域生长从CT图像中分割出肝脏。我需要计算参考图像和分割区域之间的RMS误差。当我运行代码时，我得到的输出是1.1146。当我重新排列输入的顺序时，我得到的值是2.2164。因为，我不知道均方根error.The第一个图像的范围是参考图像'ref3.jpg‘，第二个图像是分割图像'
浏览 1提问于2012-03-18得票数 1
1回答
UNET培训:准确率超过0.99
、、、、
我正在尝试使用UNET进行一些图像分割(类似于this，但是2D )。然而，即使在第一个时期的开始，精度也非常高。.] - ETA: 5:02:32 - loss: 0.4355 - accuracy: 0.9966 这是正常的吗？对我来说，感觉它不会学习！ 哪一个是学习的标志；丢失、准确还是两者兼而有之？附言:我使用的是CPU，我会尝试CPU训练来提高速度。
浏览 43提问于2020-04-28得票数 1
回答已采纳
1回答
给定坐标数据的图像分割
、、、、
我有一堆图像数据和相应的坐标数据，把图像分成几个部分，假设有A，B，C和D部分，每个图像的这些部分位于不同的位置。我试图建立一个模型来训练他们，然后预测图像将正确地对应于这四个部分中的每一个。我的想法是先进行图像分割，然后再进行图像分类。
那么，如何使用给定的坐标数据进行图像分割，以及应该使用什么模型和方法(如果使用Py
浏览 1提问于2022-05-26得票数 0
1回答
我有一个阈值矩阵来分割我的图像。这是多阈值分割，所有阈值都准备好了。现在，我如何显示我的分割图像？在每一个时期之间，我希望它有相同的灰度。这段代码是错误的，但我会说出我需要的。thresholds);I1 = gray1;
I2 = (level(1)<I && I<level(2));
浏览 1提问于2016-06-17得票数 0
回答已采纳
1回答
使用互斥任务的多任务学习？
、、、、
我希望通过使用图中所示的共享层执行分割和分类来执行多任务学习。然而，输出1将是一个分段掩码，它使用不同的损失函数，如骰子损失，输出2使用softmax激活来提供类别概率。而且，数据是相互排斥的，分割任务来自自然图像领域，而分类任务来自医学图像领域。Keras或Pytorch是否有明确的方法或示例来演示这种多任务学习任务？
浏览 5提问于2020-06-01得票数 1
1回答
我正在实现一个带有图像的语义分割模型。作为一个好的实践，我只用一个图像测试了我的训练流水线，并试图过拟合该图像。令我惊讶的是，当使用完全相同的图像进行训练时，损失如预期的那样接近于0，但当评估相同的图像时，损失要高得多，并且随着训练的继续，损失会不断增加。因此，当使用training=False时，分割输出是垃圾，但是当使用tr
浏览 37提问于2020-11-05得票数 2
回答已采纳
1回答
K均值图像压缩:K均值聚类算法可用于图像压缩.图像被划分为不重叠的×窗口，这两个-dimensional向量构成了样本。对于给定的情况，我们进行-means聚类。通过通信线路发送每个窗口的参考向量和索引。在接收端，然后通过使用索引从参考向量表读取图像来重建图像。编写用于∈{4、8、16}和∈{20、40、60}的计算机程序。对于每一对(，)，(1)将压缩图像保存为“.jpg”或“.png”，(2)计算重建误差
浏览 6提问于2022-10-26得票数 0
1回答
我实际上正在使用DCGAN (Py-Torch实现)，输出始终是每个时期64大小的人工图像网格。我想增加这样的数量，但不知道(我不知道要更改哪个参数，但我试图检查代码，但没有成功)。DCGAN的完整Py-Torch实现可以在以下链接中找到：https://pytorch.org/tutorials/beginner/dcgan_faces_tutorial.html
浏览 24提问于2019-06-27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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
