类别的数量，keras
Keras是一个开源的深度学习框架，属于人工智能领域中的深度学习框架类别。它提供了简洁、高效的API，使得构建和训练深度学习模型变得更加容易。
Keras的主要特点包括：
- 简洁易用：Keras提供了简单而直观的API，使得用户能够快速构建深度学习模型，无需过多关注底层实现细节。
- 多后端支持：Keras可以在多个深度学习后端引擎上运行，包括TensorFlow、CNTK和Theano，用户可以根据自己的需求选择合适的后端。
- 模块化设计：Keras的模型可以通过堆叠不同的层来构建，用户可以自由组合各种层，以满足不同的需求。
- 大量的预训练模型：Keras提供了许多经过预训练的模型，用户可以直接使用这些模型进行特定任务的迁移学习，节省了大量的训练时间和计算资源。
- 社区支持：Keras拥有庞大的用户社区，用户可以在社区中获取帮助、分享经验和资源。
Keras在各种应用场景中都有广泛的应用，包括图像识别、语音识别、自然语言处理等。以下是一些腾讯云相关产品和产品介绍链接地址，可以帮助用户在腾讯云上使用Keras进行深度学习模型的训练和部署：
- 腾讯云AI Lab：提供了基于GPU的深度学习训练环境，用户可以在云端使用Keras进行模型训练。链接地址：https://cloud.tencent.com/product/ai-lab
- 腾讯云AI 机器学习平台：提供了一站式的机器学习平台，支持Keras等多种深度学习框架，用户可以使用平台提供的资源进行模型训练和部署。链接地址：https://cloud.tencent.com/product/tiia
- 腾讯云容器服务：提供了容器化的部署环境，用户可以将使用Keras构建的模型打包成容器，并在腾讯云上进行部署和运行。链接地址：https://cloud.tencent.com/product/tke
总结：Keras是一个简洁易用的深度学习框架，适用于各种人工智能应用场景。腾讯云提供了多种相关产品和服务，帮助用户在云端使用Keras进行模型训练和部署。
相关·内容
1回答
分类猫与非猫的神经网络训练集
、、、、
是否有可能建立一个卷积神经网络(使用Keras，Tensorflow)，它可以为猫的图像提供1的输出，为其他一切提供0的输出？
训练集会是什么样子？
我的意思是，假设猫的图像数量是100万，那么“不是一只猫”的图像数量应该是万亿甚至更多。
更重要的是，我应该在标记为“非猫”的图像中包括哪些类别的图像，例如狗、老虎、斑马、树木、计算机、星系等？
这不意味着我们应该有无限数量的训练样本来代表“不是猫”？
浏览 0提问于2020-07-09得票数 1
2回答
当我附加我的标签时，我最终得到了20580的y长度，而我希望的是120，这是类别的数量。如何将类别附加到我的标签？
import numpy as np
import matplotlib.pyplot as plt
import os
import cv2
import random as rand
import time
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import
浏览 0提问于2021-01-06得票数 0
我有一个由11个不同类别的整数值组成的Dataframe。它类似于不同的整数代码，例如： valy是数据帧的名称，ErrorCode是带有目标的列(多类类别)。 valy.ErrorCode.unique()
array([ 9, 14, 1, 17, 6, 5, 24, 23, 16, 15, 11], dtype=int64)
valy.ErrorCode.nunique()
11 当我尝试应用Keras to_categorical函数时，我希望在每行中获得11个类的单热点编码值。然而，它导致了25个不同的类。我不确定为什么会发生这种情况。 to_categorical(val
浏览 30提问于2020-07-23得票数 2
2回答
在Keras中，当训练和评估神经网络模型(对两个类别(0和1)进行分类)时，该模型返回训练和测试的损失和准确性：
model.compile(loss="categorical_crossentropy", optimizer="adam", metrics=['accuracy'])
这种准确性代表了什么？它是两个类别的平均精度还是两个类别之一的精度？
浏览 0提问于2017-06-28得票数 1
1回答
我在运行在wsl2上的win11上使用Ubuntu20.04。要执行的代码如下：
import tensorflow as tf
from tensorflow import keras
from keras.layers.convolutional import Conv2D, MaxPooling2D
import numpy as np
(X_train, y_train), (X_test, y_test) = keras.datasets.mnist.load_data()
model = keras.Sequential([
keras.layers.Flatten(i
浏览 9提问于2022-05-15得票数 0
回答已采纳
我正在尝试创建一个手语解释器，它使用摄像头检测手势，并在屏幕上显示相应的字母或数字。
我遵循了一个教程，并试图使用Keras对模型进行培训，但我得到了以下错误：
ValueError: (500,44) and (500,40) are incompatible
守则：
import numpy as np
import pickle
import cv2, os
from glob import glob
from tensorflow.keras import optimizers
from tensorflow.keras.models import Sequential
from te
浏览 7提问于2022-06-25得票数 0
我正在尝试在TensorFlow中使用MobileNetV2实现二进制分类。我有两个文件夹A和B，我使用image_dataset_from_directory函数将它们分成两个类进行训练。
BATCH_SIZE = 32
IMG_SIZE = (224, 224)
train_directory = "Train_set/"
test_directory = "Test_set/"
train_dataset = image_dataset_from_directory(train_directory, shuffle=True, batch_size=BAT
浏览 24提问于2021-11-16得票数 0
我正在运行一个对合模型(基于示例)，并且在培训阶段经常遇到错误。这是我的错误：
ValueError: `logits` and `labels` must have the same shape, received ((None, 10) vs (None, 1)).
下面是数据集加载的相关代码：
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
te
浏览 6提问于2022-10-28得票数 0
回答已采纳
1回答
我正在尝试建立一个聊天机器人使用keras和袋子的文字模型。但是当我试图从前端输入答案时，这是我得到的错误:-
ValueError: Input 0 of layer sequential is incompatible with the layer: expected axis -1 of input shape to have value 69 but received input with shape [None, 1]
这是我的密码:-
model = tensorflow.keras.Sequential([
tensorflow.keras.layers.Dens
浏览 1提问于2020-05-21得票数 1
回答已采纳
1回答
我实现了一个使用cnn对猫和狗进行分类的例子。您可以从和获取代码。我想用RNN做同样的事情。
如何做到这一点？我想使用我自己的数据集。
下面是我在自己的datast中使用的代码：
# Importing the Keras libraries and packages
from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import D
浏览 1提问于2018-10-29得票数 0
1回答
我有
from sklearn.datasets import fetch_openml
import numpy as np
import keras
mnist = fetch_openml('mnist_784', version=1)
X, y = mnist["data"], mnist["target"]
y = y.astype(np.uint8)
X_digits = [np.array(X.iloc[i]) for i in range(len(X))]
X = np.array([some_digit.reshap
浏览 5提问于2022-01-04得票数 1
回答已采纳
2回答
我已经使用Keras与Tensorflow一起将一个规范化的60x60灰度箭头图像分类为4类，它的方向、向上、向下、左、右。我创建了一个大约1800张图像的数据集，几乎都分布在上述类别中。
然而，分类存在一个问题。在我创建数据集的源中，有两种类型的箭头，箭头形状为1，
箭头形状为2。
对于形状类似于1的箭头(大约70%的验证精度)来说，精确度是可以的，但是对于像2号这样的箭头来说，非常糟糕。
我已经浏览过我的数据集，大约90%的数据集图像是箭头形状1。
这是否意味着缺少箭头形状2的训练数据是因为它不能对它们以及形状1进行分类，从而增加形状2的数据集来解决这个问题？
如果是这样的话，这不
浏览 0提问于2018-12-07得票数 2
回答已采纳
我已经使用Keras和TensorFlow对按照进行了分类。
网络的输入是形状为28，28的2-D张量，输出是形状为10的1-D张量，这是softmax函数的结果。
如何做到这一点？是否可以使用Keras或必须使用较低级别的API来完成此操作？
经过训练的模型具有以下格式
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.layers.Dense(10, activati
浏览 4提问于2018-10-06得票数 8
使用的教程，我训练了一个Keras模型来识别猫和狗之间的区别。
'''
Directory structure:
data/
train/
dogs/
dog001.jpg
dog002.jpg
...
cats/
cat001.jpg
cat002.jpg
...
validation/
dogs/
dog001.jpg
浏览 3提问于2017-07-11得票数 8
我正在尝试从adrianalbert的GitHub页面()重建一个预先训练好的VGG16模型。然而，代码似乎是为旧版本的Keras编写的，导致了许多错误。
当我第一次尝试运行代码时，我得到了以下卷积层的错误：" C:\Users\miker\Anaconda3\lib\site-packages\ipykernel_launcher.py:9: UserWarning: Update your Conv2D call to the Keras 2 API: Conv2D(512, (3, 3), activation="relu", name="conv1_1&
浏览 0提问于2019-07-26得票数 0
我正在尝试根据特定字符出现的次数对一组序列进行分类。我想要一个具有一维输入的网络，这样(可变长度的)输入可以一次输入一个字符。然后我想要一个浮动分类，它在每个字符被处理后更新。
我是第一次接触tensforflow，并使用以下教程：
当我尝试使用一个完全不同的数据集时，其中很多似乎都无关紧要。
我已经生成了我的(训练/验证70-30%)数据，并将它们保存在以下形式的字典中：{sequence_string: classification}。
我已经开始研究用于构建模型的以下代码：
model = tf.keras.Sequential([
tf.keras.layers.Embeddi
浏览 0提问于2019-11-21得票数 0
2回答
以下代码的最后一行导致了错误
InvalidArgumentError: var and grad do not have the same shape[64,1] [64,18]
[[node Adam/Adam/update_12/ResourceApplyAdam (defined at /usr/local/lib/python3.7/dist-packages/keras/engine/training.py:774) ]] [Op:__inference_train_function_27034]
Errors may have originated from an
浏览 99提问于2021-06-01得票数 0
在我的数据集中，单个输入和输出的形状是15 x 61。我指定input_shape=(15,61)。这意味着15x61到15x61之间的映射，这不是一个分类问题。输出层中的单位规格应该是什么？ model = tf.keras.models.Sequential([tf.keras.layers.Dense(units=128,input_shape =(15,61),
tf.keras.layers.Dense(units=128, activation=tf.nn.relu),
tf.keras.layers.Dense(units=, activation=tf.nn.softmax)
浏览 6提问于2019-09-14得票数 0
1回答
我的训练模型有10个类(即输出层有10个类)。我想在不重新训练整个模型的情况下再添加3个类。
我想使用旧的经过训练的模型并向其添加新的类。
这是我已经尝试过的代码，但它显示了一个错误。
from keras.models import load_model
from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense
浏览 1提问于2019-09-26得票数 1
我正在创建一个CNN，它可以对14个不同类别的CXR进行多标签分类，这些类别可以共存。(<code>C0</code>)。我使用Python和Keras和Tensorflow，现在我正在尝试让代码工作(通过一个小测试CNN)，我得到了错误"ValueError: logits和labels必须具有相同的形状((None，14) vs (None，1))“我已经使用了具有二进制交叉熵损失的sigmoid激活函数。我认为在创建训练和验证数据集时可能出现了一些问题。我将ImageDataGenerator.flow_from_dataframe函数用于一个pandas
浏览 41提问于2020-06-10得票数 3
1回答
我只想为我的第一次CNN设定一个学习时间表，我发现有很多种方法可以做到这一点：
使用的tf.keras.callbacks.LearningRateScheduler()
使用的tf.keras.optimizers.schedules.LearningRateSchedule()
现在我想知道是否有什么不同，如果有，它们是什么？如果没有区别的话，那为什么还会有这些选择呢？是否有历史原因(以及应该采用哪种方法)？
有人能详细说明吗？
浏览 4提问于2021-05-28得票数 4
回答已采纳
1回答
我正在阅读Keras中的train_on_batch函数是如何工作的。我的理解是，它只训练了一批。这里有人说，如果你输入10张图片，而你的批次大小是2，你的网络只会对两张图像进行训练。哪两张是特别的，只是前两张？选择批处理后，培训工作是否与fit中的相同？
对于上下文，我试图从头开始复制这个函数。
浏览 4提问于2021-12-29得票数 0
我正在做标签编码使用编码器使用以下代码。它进行编码，但从1开始，而不是0。我怎么才能从0开始编码？
label_tokenizer = Tokenizer()
label_tokenizer.fit_on_texts(labels)
training_label_seq = np.array(label_tokenizer.texts_to_sequences(train_labels))
validation_label_seq = np.array(label_tokenizer.texts_to_sequences(validation_labels))
下面的代码显示它从1开始：
l
浏览 0提问于2020-07-14得票数 1
2回答
我已经使用Keras (2.1.5)中的TensorFlow后端训练了一个神经网络，我还使用了keras-contrib (2.0.8)库，以便为网络添加一个CRF层作为输出。
我想知道在使用神经网络对测试集进行预测后，如何获得每个类别的精度、召回率和f1分数。
浏览 1提问于2018-04-27得票数 7
回答已采纳
1回答
对Keras的多维输入
、、、、
我对keras还很陌生，而且我在运行一个多维度的模型时遇到了问题。所以，我已经试了几个样本。这就是其中之一。
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
X_train = np.array([[[1, 2], [3, 4]], [[1, 2], [3, 4]]])
model = Sequential([
Dense(32, input_shape=X_train.shape[1:]),
])
model.compile(loss='sparse_
浏览 2提问于2017-08-08得票数 7
回答已采纳
1回答
我试图分类屋顶天空图像的方向，无论是水平的还是垂直的。知道这里最明显的特征是已知的:方向。我可以通过旋转90°来扩大每个类，所以它属于另一个类。这就像对不同类别的动态增强。
使用keras图像分类功能显然不符合以下目的：
datagen = ImageDataGenerator(
zoom_range=0.2, # randomly zoom into images
# rotation_range=90, # mistaken the model
horizontal_flip=True, # randomly flip images
浏览 0提问于2018-12-16得票数 2
我在试着做分类。这是数据集
import tensorflow as tf
from sklearn import datasets
from sklearn.model_selection import train_test_split
mnist = datasets.load_digits()
X_train, X_test, y_train, y_test = train_test_split(
mnist.data.reshape((-1,8,8,1)), mnist.target.reshape(-1, 1), test_size=0.33, random_state=4
浏览 3提问于2021-08-23得票数 1
回答已采纳
我正在为自己开发一个建立在Tensorflow和Keras之上的框架。首先，我只编写了框架的核心，并实现了第一个玩具示例。这个玩具例子只是一个经典的前馈网络solivng。
也许没有必要解释它周围的一切，但我实现了损失函数如下：
class MeanSquaredError(Modality):
def loss(self, y_true, y_pred, sample_weight=None):
y_true = tf.cast(y_true, dtype=y_pred.dtype)
loss = tf.keras.losses.MeanSquare
浏览 0提问于2020-04-06得票数 0
回答已采纳
我正试图建立一个CNN，训练一组206张图像，测试一组19张图片，每一节课。
我已经建立了一个由两个卷积层和一个完全连接组成的模型。为了避免过度适应，我在整个连接中增加了辍学。
在第一个时期，损耗从0.02开始，精度为0.88。验证精度为1.00。在其他49个年代中，训练和验证的准确性保持在1.00。
为了检查，我试着用一个正确的图像和一个错误的图像来预测。两次预测都是返回0.0
我做错了什么？
# Tanjavur Painting Detection
# Part 1 Building CNN
# Importing Keras packages
from keras.models im
浏览 2提问于2018-06-22得票数 0
回答已采纳
2回答
我正在尝试建立一个图像分类器，以确定属性网站上的2种类型的图像。我已经将我的数据集分为两类:属性，房间。我希望能够区分图像是某处房产的外部还是房产内部的一个房间。
下面是我正在使用的图像类型的两个示例。我的数据集由每个类别的800张图像组成，然后是每个类别的另外160张图像的训练集(训练集中没有)。
我似乎总是在训练中得到合理的结果，但当我对一些真实样本进行测试时，它通常会将所有图像归入一个类别。
下面你可以看到我正在使用的模型：
train_datagen = ImageDataGenerator(
rescale=1./255,
width_shift_range=0.1,
浏览 21提问于2020-02-23得票数 0
回答已采纳
我正在用tf.keras.preprocessing.image.ImageDataGenerator类加载训练图像。我选择使用flow_from_dataframe函数。然而，当我尝试用num_classes创建一个层时，我得到了错误: AttributeError：'DataFrameIterator‘对象没有属性'num_classes’
datagen=tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255.)
image_data=datagen.flow_from_dataframe(
浏览 0提问于2019-09-15得票数 1
我正在Keras中训练一个类似VGG16型的模型，在Places205的3个类的子集上，我遇到了以下错误：
ValueError: Error when checking target: expected dense_3 to have shape (3,) but got array with shape (1,)
我读了很多类似的问题，但到目前为止没有一个对我有帮助。错误在最后一层，我把3放在那里，因为这是我现在正在尝试的类数。
代码如下：
import keras from keras.datasets
import cifar10 from keras.preprocessing.im
浏览 1提问于2018-03-21得票数 52
我用熊猫来使用.txt文件和flow_from_dataframe来帮助我读取文件夹中的图片。
这是我的密码：
import keras
import pandas as pd
from keras_preprocessing import image
from keras.preprocessing.image import ImageDataGenerator
datagen = image.ImageDataGenerator(rescale=1./255)
data = pd.read_csv('/directory/clipart_train.txt', sep
浏览 1提问于2019-02-21得票数 0
回答已采纳
1回答
Keras精度NAN
、、、、
我对机器学习非常陌生，并且正在尝试使用我收集的数据创建一个Keras模型。它非常均匀，负载也很好。以下是一个示例：
n,d0,d1,d2,d3,d4,d5,d6,d7,d8,output
30,85.1,65.0,32.2,38.2,191.9,72.1,118.2,121.5,110.3,0.0
417,232.8,51.3,39.8,66.0,173.4,246.7,285.4,265.6,217.0,1.0
496,194.2,72.7,214.8,41.6,155.2,195.2,208.3,31.0,15.6,2.0
361,206.1,52.8,63.0,105.1,168.5,1
浏览 3提问于2022-01-31得票数 -1
回答已采纳
我希望运行我的训练集，但当我试图让模型运行时，它一直给出错误，它弹出这个错误：“您的输入耗尽了数据；中断了训练。请确保您的数据集或生成器至少可以生成重复批处理(在本例中为12000批)。在构建数据集时，您可能需要使用steps_per_epoch * epochs ()函数。”在此处输入代码#卷积神经网络
# Importing the libraries
import tensorflow as tf
from keras.preprocessing.image import ImageDataGenerator
tf.__version__
# Part 1 - Data Preproc
浏览 0提问于2020-05-20得票数 0
使用TensorFlow的Keras建立了一个神经网络，该网络应该将IP与7种漏洞中的一种相匹配，并给出IP所具有的漏洞类型。
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(50, activation=tf.nn.relu),
tf.keras.layers.Dense(7, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
loss=&#
浏览 0提问于2019-09-22得票数 0
回答已采纳
2回答
我正在使用ResNet50构建一个使用迁移学习的keras CNN模型。由于某些原因，我的准确率和损失在每个时代都是完全相同的。奇怪的是，我在类似的代码中看到了同样的行为，但在VGG19中却是如此。这让我相信问题不在于实际的模型代码，而在于预处理过程中的某个地方。我尝试了调整学习率，改变优化器，图像分辨率，冻结图层等，但分数没有变化。我查看了我的图像目录，检查我的两个不同的类是否混合在一起，而它们没有。问题出在哪里？我只想提前说声谢谢。
附言:我正在对大约2000张图片进行培训，有两个课程。
import numpy as np
import pandas as pd
import tens
浏览 0提问于2017-12-14得票数 0
我正在构建一个带有边界框的对象检测模型，在成功构建它之后，我想将它与vgg16分类器合并。
我搜索了这个错误。但我还是不能调试它。
我知道40是我的batch_size，5是我的标签数量，4是我的型号的输出。
以下是我的模型：
vgg16_model = keras.applications.vgg16.VGG16()
model_1 = Sequential()
for layer in vgg16_model.layers[:-4]:
model_1.add(layer)
for layer in model_1.layers:
layer.trainable = False
f
浏览 17提问于2021-12-29得票数 0
我正在研究如何在TF 2中进行迁移学习，我看到在中，他们使用属性trainable_variables来引用模型的可训练变量，但在这个中，他们使用tf.keras.Model的属性trainable_weights。
我用一个简单的模型检查了这两个属性，它们给出了相同的结果。
import tensorflow as tf
print(tf.__version__)
inputs = tf.keras.layers.Input(shape=[64, 64, 3])
x = tf.keras.layers.Conv2D(128, kernel_size=3, strides=2)(input
浏览 2提问于2020-06-07得票数 3
3回答
我做了一个简单的CNN，对狗和猫进行分类，我想让这个CNN检测出不是猫或狗的图像，这肯定是第三个不同的类别。如何实现这个目标？我应该用R-CNN还是别的什么？
附言:我在CNN使用Keras
浏览 1提问于2019-11-14得票数 0
3回答
在运行此VGG培训代码时，我有多个错误(代码和错误如下所示)。我不知道是因为我的数据集还是其他原因。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications.vgg16 import preprocess_input
from tensorflow.keras.preprocessing.imag
浏览 17提问于2022-02-17得票数 11
我试着用InceptionV3来训练我的形象。但还是有这个ValueError: Shapes (None, 9) and (None, 13, 7, 2048) are incompatible
输入图像大小: 480 x 270 (宽度x高度)输出标签：
套餐：
tensorflow-gpu 2.2.0
矮胖1.19.1
这是我的密码：
import numpy as np
from grabscreen import grab_screen
import cv2
import time
import pandas as pd
from random import
浏览 4提问于2020-08-04得票数 0
回答已采纳
在tensorflow示例中，它添加了prediction_layer = keras.layers.Dense(1)来预测狗和猫，但是如果我有4个不同类别的图像，我应该添加另一个预测层吗？有什么合适的方法吗？
浏览 1提问于2020-01-07得票数 0
回答已采纳
我试图实现我的Keras模型的VGG-16架构，但我得到了错误消息，抱怨检查目标形状。 img_width, img_height = 512, 560
if K.image_data_format() == 'channels_first':
input_shape = (3, img_width, img_height)
else:
input_shape = (img_width, img_height, 3)
# build the VGG16 network
model = Sequential([
Conv2D(64, (3, 3), input
浏览 13提问于2019-05-08得票数 1
我对训练数据的准确率一直保持在60%左右，但当我尝试用我的测试数据预测结果时，模型的准确率约为50% (如果它是随机的，这是可以预期的)。
def train_model(training_data, training_differential, test_data,
test_differential):
num_nodes = 180
model = keras.Sequential([
keras.layers.Flatten(input_shape=(12, 22)),
keras.layers.Dense(num_nodes, ac
浏览 46提问于2020-02-20得票数 0
首先，我不是一名程序员，但我正在自学深度学习，用我自己的数据集承担一个真正的项目。我的情况可以分为以下几个部分： 我正在尝试承担一个多类文本分类项目。我有一个有1000个例子的语料库，每个例子都有4个可能的标签(A1，A2，B1，B2)，它们是相互排斥的。所有示例都位于单独的文件夹和单独的.txt文件中。 经过大量的努力和一些男人的泪水，我设法把下面的代码放在一起： import os
import string
import keras
import nltk
from nltk.corpus import stopwords
from nltk import word_tokenize
浏览 87提问于2020-01-23得票数 0
我想使用来自imagenet的预先训练的InceptionV3权重来构建我的用于汽车分类的修改后的CNN。该数据集来自斯坦福大学，有196个类别需要分类。我在导入时不包括顶部，这样我就可以添加最后一个有196个神经元的致密层。我尝试了很多变化，但val_acc不会超过45%。
该数据集包括8103个要训练的图像和8000个要验证的图像。
我想使用迁移学习，这就是为什么我尝试使用预先训练的权重。
就像这样，我正在构建我的训练和验证批次。
train_data_gen = image_generator_train.flow_from_directory(directory=str(data_di
浏览 1提问于2020-07-08得票数 1
我试图创建一个神经网络，它将得到两个或更多的PersonA和PersonB等人的脸.并为每一张脸识别出该人的姓名。
例如，NN得到这些图片：
神经网络会说-1是谢尔顿，2是伦纳德。
所以我做了下面的代码-
import numpy as np
import tensorflow as tf
from pathlib import Path
import cv2
from random import shuffle
X = []
Y = []
NAMES = {
}
i = 0
for filename in Path('data').rglob('*.jpg&#
浏览 1提问于2020-01-11得票数 0
回答已采纳
所以，我试着用7张脸的表情做一个情感分类器。我知道，为了使用整数标签而不是0和1，需要使用sparse_categorical_crossentropy，并且需要将输出层激活作为softmax，但是它并不像预期的那样工作。
我正在使用从这里开始的数据集
代码
import pandas as pd
import numpy as np
from PIL import Image
import random
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.optimizers impor
浏览 0提问于2019-07-12得票数 4
回答已采纳
我正在递归一段代码来检索项目，但是当我在model.predict函数中调试时，我发现这个函数的输入是维度(1,224,224，3)，但输出是(1，7，7,2048)。model.predict()的结果不应该是一个一维数组，它给出了对象属于每个类别的概率，而不是4D吗？如何理解这个结果数组的维数？ model_features = model.predict(x, batch_size=1) 具体代码如下：(这只是整个代码的一部分，不能直接运行) import keras.applications.resnet50
import numpy as np
import os
impo
浏览 189提问于2021-08-05得票数 0
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
实时音视频活动推荐
腾讯云开发者
