1回答
这些是卷积神经网络的最佳实践吗？
、、、、
这是我对卷积神经网络的理解和我的最佳实践。请告知我的直通过程是否准确。2)数量取决于小细节的数量。3)总是有一个maxpool层，用来向输出层显示图像中最重要的部分。
4)如果最近几个历元之间的准确率很低，并且训练时间很长，请考虑增加学习率和/或减少历元。5)如果要使用dropout，请在两个密集层之间使用它，最好
浏览 16提问于2020-05-18得票数 0
1回答
有没有人根据不同型号的GPU/CPU、输入图像大小、输入图像比例、文件格式等标准创建了统计数据，说明初始V3可以多快、多准确地对图像进行分类？我希望看到的示例图表： x 1:1 100x100 1000ms93%X与GPU/ CPU的类型相同
浏览 2提问于2017-01-17得票数 2
在我正在开发的应用程序中，我有大约5000张产品标签图像(每个产品有一个标签)。
我的应用程序的一个功能是，用户可以使用他的相机拍摄一张照片，并得到一个可能的匹配(Es)的产品标签注册的系统。由于最初，我的系统每个产品只有一个样本，所以我决定采用传统的计算机视觉技术。我使用特征提取和描述符匹配实现了这一点。blob/master/samples/cpp/matching_至_许
浏览 0提问于2017-10-24得票数 1
回答已采纳
2回答
学习
在您所使用的代码中，您已经显式地设置了过滤器权重的值，但是神经网络在对一组图像数据进行训练时实际上将学习最佳的过滤器权重。在本节的后面，您将了解到这类神经网络的所有情况，但您知道高通和低通过滤器是定义这种网络行为的原因，并且您知道如何从零开始编写这些代码！在实践中，您还会发现许多神经网络学习检测图像的边缘，因为对象的边缘包
浏览 2提问于2018-12-31得票数 1
回答已采纳
deconvolved = deconv.eval(feed_dict={imagein: noise, weights: dw})
我一直在尝试找出conv2d_transpose，以便在Tensorflow中反转卷积我的理解是，“反卷积”应该包含与“噪声”相同的数据，然后应用正常的卷积，然后转置，但“反卷积”只包含一些完全不同的图像。是我的代码有问题，还是理论不正确？
浏览 0提问于2016-06-18得票数 4
1回答
从理解NLP的卷积神经网络的角度来看，卷积神经网络不仅适用于图像识别，也适用于NLP。
一般来说，CNN是否是NLP文本分析的最佳选择，例如情感分析？如果没有，是否有关于识别性能(F1评分或类似的)的不同算法的概述或比较？
浏览 0提问于2018-07-23得票数 1
回答已采纳
我正在处理一个不平衡的二进制分类数据集(大约70%到30%)。我想知道，当使用卷积神经网络时，优化这类任务的F1分数的最佳方法是什么。到目前为止，我正在对数据集进行抽样，以创建一个平衡的训练集，并使用softmax_cross_entropy_with_logits平均值(来自tf)，并将正则化项作为我的损失。因为它不是凸的，所以我不能把它作为我的损失，对吗？我发现的大多数论文都提
浏览 0提问于2016-12-18得票数 5
1回答
我使用Keras成功地训练了一个神经网络。然而，对少数样本的预测却大错特错。现在，我想将预测限制在一个特定的间隔(例如5到10)，这是我的特定问题预测可能存在的唯一间隔。我尝试使用Keras概率分布作为函数()的Keras lambda层keras.layers.Lambda( function，output_shape=None，mask=None，arguments然而，它不是这样工作的。有没有办法将Keras回归中的预测限制在某个区间和/
浏览 2提问于2019-06-29得票数 1
1回答
卷积神经网络通常是图像分类和语义分割的最佳选择。分类/数字数据(年龄、身高、城市等)另一方面，传统的机器学习模型，如(深度)随机森林模型、支持向量机模型或传统神经网络模型处理效果最好。是否有将卷积神经网络和传统神经网络相结合的混合结构来对图像和分类数据集进行分类？这种“混合”数据集的一个很好的例子是ISIC数据集，它包含数千张皮肤生长的
浏览 0提问于2018-06-12得票数 1
1回答
在最近我在Stack上读到的一个答案中，我读到了一种可能的方法来更清楚地理解神经网络的每个隐藏层发生了什么。你应该观察是什么使神经元在每一层激活取决于输入。如您所知，每个神经元将被激活(一旦DNN被训练)为特定的输入组合。通过可视化，您可以了解每个层在高-低级别特性方面到底学到了什么。源- 一种神经网络的高阶特征
我想知道是否有任何论文曾尝试过这样做(链接将是真正有用的)。同时，还有其他方法来了解每个隐藏层中发生了什么吗
浏览 0提问于2019-06-08得票数 2
回答已采纳
8回答
我对神经网络这个话题很陌生。我遇到了两个术语--卷积神经网络和递归神经网络。
我想知道这两个术语是否是指同一事物，或者，如果不是，它们之间会有什么区别呢？
浏览 6提问于2014-01-04得票数 67
我读了很多关于Jetson Nano和Google Coral Devboard的文章，在我读过的大多数文档和论文中，推断和部署都是使用预先构建的卷积神经网络来完成的，例如AlexNet，Inception，MobileNet和其他用于图像分类的神经网络。据我所知，这些微型计算机需要将神经网络转换为tensorflow模型或任何它们接受的框架，以执行模型的推断。我想知道的<
浏览 20提问于2020-12-24得票数 1
回答已采纳
比方说，我们有图像集合形式的输入：- ( 200 , 56x56 ,3)其中200是不同图像的数量，56x56是像素(长度与宽度)，3是RGB值
因此，x1、x2、x3、x4等指的是(实例数、
浏览 12提问于2021-06-13得票数 0
回答已采纳
我正在训练一个关于文本的卷积神经网络(在字符级别上)，我想做最大的池。tf.nn.max_pool需要4级张量，但是在tensorflow (批处理、宽度、深度)中，一维凸集是3级，所以当我将conv1d的输出传递给最大池函数时，这是一个错误：总的来说，我对tensorflow和深度学习框架很陌生，我希望在这里提供关于最佳实践的建议，因为
浏览 2提问于2016-10-04得票数 7
回答已采纳
3回答
我的形象被分成10个类别。不幸的是，我需要至少100个图像类使用支持向量机，有没有其他选择？
浏览 4提问于2013-03-03得票数 1
回答已采纳
1回答
我最近实现了一个简单的感知器。这种类型的感知器(由一个神经元组成，在输出中提供二进制信息)只能解决类可以线性分离的问题。如何知道这个问题是否有类是线性可分的？因为有64个输入，它还可以线性分离吗？一个简单的感知器能解决这种问题吗？如果没有，什么样的</e
浏览 4提问于2017-06-04得票数 1
回答已采纳
读到机器学习，我不断地看到对“输入向量”或“特征向量”的引用，这是一种一维张量，用来保存神经网络的输入。所以。我在想，为什么用不同的方式来描述它呢？什么时候会使用其中一种对另一种？
浏览 0提问于2019-04-06得票数 1
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
云直播活动推荐
腾讯云开发者
