我正在尝试建立一个CNN，将皮肤癌相关图像分为七类。我对CNN的概念比较陌生，并且一直在调整狗/猫的分类用例，以应对已知的皮肤癌数据库挑战。问题是损失和准确率非常低，而且在整个时期都是恒定的。不过，我不确定问题出在哪里--我的第一个假设是使用的图像数量太少: 436个样本用于训练，109个样本用于验证
浏览 21提问于2019-09-19得票数 0
2回答
Keras上的域自适应
、、、
我正在用CNN在Keras上开发一个图像分类器。由于这些图像是从多个域拍摄的，我想尝试一下域适配。为了同时训练一个图像分类器，并使域不变特征，我提出了一个负损失的损失，像这样的领域损失在Keras。0.1},
metrics={'main_output': 'a
浏览 3提问于2018-01-23得票数 4
回答已采纳
我用大量的历次训练我的CNN模型，每次我打印训练损失和准确性，但是在这两个指标中有很多高和低，我想提前停止，例如，损失0.2，准确率在%95或更高，因为我在不止一个时期得到了这个值，我的问题是：
1-列车组或验证组是否提前停车2-如果在验证集上，我是否应该为每一个具有火车组丢失和准确性
浏览 0提问于2019-01-25得票数 2
回答已采纳
2回答
我最近读到了一篇题为"REGULARIZING NETWORKS BY PENALIZING OUTPUT DISTRIBUTIONS https://arxiv.org/abs/1701.06548"“的论文。作者讨论了通过向负对数似然添加负熵项来惩罚低熵输出分布以及为模型训练创建自定义损失函数来对神经网络进行正则化。 ? 值β控制置信度惩罚的强度。我已经为分类交叉熵编写了一
浏览 33提问于2021-08-24得票数 5
回答已采纳
1回答
我正在训练一个CNN-LSTM concat模型，经过20个时期后，我得到了69%的准确率和0.04 %的损失？我知道非常高的训练精度和相对较低的验证精度的组合表示过拟合，但我想知道低精度和非常低的损失是否也表示过拟合。 总体而言，准确率呈线性增加，损失呈指
浏览 37提问于2020-01-30得票数 0
回答已采纳
我正在用Keras训练一个U-Net CNN，其中一个图像类在训练数据集中的表示严重不足。我使用类加权损失函数来解释这一点，但我担心的是，在如此低的批次大小和低类实例的情况下，只有十分之一的批次可能包含此类图像。因此，即使类是加权的，网络在训练期间也很少看到它。因此，强制数据生成器在为批处理选择随机数据片段时至
浏览 2提问于2020-07-15得票数 0
1回答
带有Keras的CNN模型精度差
、、、、
我需要建议。当只使用CIFAR10数据集的子集(仅使用10000个数据，每个类使用1000个数据)时，我在用Keras构建CNN模型时得到了非常差的结果(10%的准确率)。怎样才能提高准确度？我试图改变/增加时代，但结果还是一样的。这是我的CNN架构：cnn.add(layers.C
浏览 0提问于2020-10-25得票数 1
回答已采纳
1回答
我正在为一个序列建立和训练一个CNN，并且已经成功地使用了RNN，但是我遇到了CNN的问题。下面是代码，cnn1是第一个(更复杂的模型)，尝试获得一个更简单的模型来适应，并在这两个模型上都出现错误：xtrain (5206, 19, 4)xvalid(651, 19, 4)
yvalid (6
浏览 1提问于2019-05-11得票数 1
我有一个由乙状结肠激活组成的单个输出神经元的CNN模型，因此它的值在0到1之间。我想计算这个特定输出神经元的损失的组合。我使用的是平均绝对误差和均方误差，并造成如下损失：
loss = tf.keras.losses.MeanAbsoluteError() + tf.keras.losses.MeanSquar
浏览 6提问于2022-06-22得票数 1
回答已采纳
2回答
我试图用python编码一个水果图像分类器，尝试对7个水果进行分类。我有15077张train_set图片和4204张validation_set图片。我为10个时代编写了代码，我得到的结果如下：
对15077个样本进行训练，在4204个样本上验证: 1/10 15077/15077 ============================== -264测试准确性: 0.9424358010292053我想知道为什么精度像正弦波？<
浏览 7提问于2020-05-04得票数 0
回答已采纳
我的问题是关于的文件。在tensorflow 2.0+中，我需要帮助创建一个自定义丢失函数，以便从CNN获得对in分布(如果该图像属于训练类别)图像的自信预测，而对于不分布图像(任何随机图像)，则得到一个低预测值。本文建议在任何传统的前馈结构中加入一个置信度估计分支，与原来的类预测分支并行(参见下面的图像)。
为了定义损失函数，通过在原始
浏览 3提问于2021-12-24得票数 1
2回答
我在Keras中使用CNN (U-Net)分割8位图像以获得二进制掩码。尽管达到了0.9999的精度，我仍然得到了一些介于0和255之间的值，但我希望完全删除这些值，使其只有0或255。到目前为止，我一直在使用二进制交叉熵损失函数，与最后一个卷积层的sigmoid激活函数相结合。有没有人能告诉我是否有其他的损失函数可以解决这个问
浏览 8提问于2018-04-03得票数 1
2回答
我正在训练CNN多类图像分类为4幅图像，我应该使用什么样的精度度量从Keras。我的标签不是一个热编码，因为我试图预测不同图像的概率。
浏览 0提问于2023-05-13得票数 0
回答已采纳
1回答
我和CNN一起在Keras训练DNN。虽然，我可以根据EarlyStopping编写一个基于val_loss的标准，但是由于val_loss中的微小振荡，我想用n个耐心来监视过去n个时期的平均验证损失。
我怎么能在Keras做这件事？
浏览 0提问于2021-11-23得票数 0
2回答
训练损失改善，但验证提前收敛
、、、、
我正在使用TensorFlow创建一个CNN，在培训时，我发现训练数据集仍在改进(即损失仍在减少)，而测试/验证数据集已经收敛，不再改进。(学习曲线图附后)我的模型学习曲线图：
浏览 2提问于2021-01-03得票数 0
回答已采纳
1回答
我正在实现一个耦合到多实例学习层的CNN。需要明确的是，一批输入只有一次输出。因此，该批次对应于在与1个标签相关联的1个袋子中获取的多个实例。: 1.9403 - val_acc: 0.3714 损失函数就是在Keras中实现的分类交叉熵(我有3个类别)。不幸的是，我得到了常规损失和自定义损失函数之间的
浏览 28提问于2019-09-10得票数 0
回答已采纳
2回答
我有两个主要的问题，定义自定义损失函数在Keras编译我的CNN网络。我正在工作的2D图像配准(对一对2D图像，以最适合彼此)通过CNN。注册问题有两个主要的损失函数(以及度量)，称为Dice系数和TRE (目标注册误差，即医生标记的一对地标点之间的距离之和)。顺便说一下，我需要实现这两个损失
浏览 1提问于2019-12-16得票数 1
我在用凯拉斯。当我运行model.fit_generator(...)时，它以每秒1步的速度运行，但最后一步需要几分钟。
浏览 4提问于2017-12-26得票数 1
回答已采纳
1回答
我正在尝试创建一个面部识别检测器，使用三重态损失，然后是kNN算法。base_cnn = resnet.ResNet50(x = Flatten()(base_cnn</
浏览 0提问于2021-09-07得票数 0
1回答
好吧，我有一个问题，设置一个由CNN +自动编码器组成的网络来完成分类任务。其主要思想是使用CNN生成的嵌入作为嵌入重建过程的自动编码器的输入。好吧，我能够定义这两种架构，但我不能将它们合并到一个图中。def autoencoder(cnn_out):
xreal = keras.layers.Input(tensor=cnn_o
浏览 20提问于2019-11-10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
云直播
腾讯会议活动推荐
腾讯云开发者
