1回答
我正在用Tensorflow-gpu后端在Keras中训练一个模型。任务是探测卫星图像中的建筑物。损失正在下降(这是好的)，但在负方向上，准确率正在下降。但好的方面是，模型的预测正在改善。我担心的是为什么损失是</
浏览 0提问于2018-08-03得票数 2
回答已采纳
1回答
我正在学习和试验神经网络，并希望从更有经验的人那里获得以下问题的意见：然而，过了一段时间，损失不断减少，但精度突然回落到一个低得多的低水平。
它是‘正常’或预期的行为，准确
浏览 1提问于2016-05-10得票数 13
1回答
我目前正在研究一个时间序列预测问题，并正在研究如何使用LSTM。+\hat{y}_t\right)},
其中y_t是实际值，\hat{y}_t是预测值。我正在使用keras，并且已经看到我可以指定一个自定义的损失函数和度量。由于我的预测精度将使用sMAPE 3(如上面所定义的)来衡量，所以我有必要使用它作为我的损失函数。这是因
浏览 0提问于2018-11-12得票数 2
5回答
在这一时期，我多次观察到，损失和准确度都增加了，或者两者都减少了。我的理解是两者总是成反比关系。什么情况下两者同时增加或减少。
浏览 1提问于2016-12-01得票数 40
回答已采纳
2回答
outputs = Dense(1, activation='sigmoid')(x)
我使用for循环来创建输入层，因为我需要它们是灵活的问题是，当我训练这个NN时，在开始的时候，验证损失开始下降，因为精度提高了。但经过一段时间后，验证的准确性开始下降，而损失持续下降。我理解这可能是</
浏览 6提问于2022-02-21得票数 0
2回答
我试图从音频特征来训练一个用于音乐情感预测的keras回归模型。(我是NN的初学者，我正在做这个学习项目。)我有193个训练/预测功能，它应该可以预测价值和唤醒值。activation='elu'))model.add(Dense( 2, activation='elu'))
这是我的</em
浏览 0提问于2020-11-26得票数 0
2回答
弄清楚损失和精确曲线
、、、、
这是我一次又一次遇到的问题。损失(在这种情况下是交叉熵)和不合理的精确图。下面是一个示例：在这里，我正在CIFAR10上训练一个CIFAR10。最初，这些曲线都很好，很好；这意味着训练和验证损失在减少，准确性也在增加。现在有两件事对我来说没有意义：
浏览 0提问于2020-08-19得票数 3
2回答
多标签分类Keras指标
、、、
在Keras中，哪个指标更适合多标签分类：accuracy还是categorical_accuracy？显然，在这种情况下，最后一个激活函数是sigmoid，as损失函数是binary_crossentropy。
浏览 75提问于2018-12-21得票数 5
回答已采纳
我正在尝试用Keras编写一个加权的二进制交叉熵的自定义损失函数。然而，当我使用自定义损失函数编译我的模型时，损失和准确性都下降了。通常，当我使用普通的BCE训练模型时，准确率约为90%，但当我使用自定义损失函数时，准确率下降到3-10%。，当我包装tf.keras.losses.binary_crossentropy损
浏览 27提问于2019-09-17得票数 1
1回答
如果存在二进制分类问题，标签是0和1。我知道预测是一个浮点数，因为p是属于该类的概率。
但是，p不一定是0或1，那么Keras如何计算精度呢？Keras会自动将我们的预测舍入0或1吗？
例如，在下面的代码中，精度为0.749，但目标为0和1，预测为浮点数，不一定为0.0或1.0。
浏览 5提问于2017-11-27得票数 8
回答已采纳
我正在训练一个CNN模型(使用Keras制作)。输入图像数据大约有10200个图像。要分类的类别有120个。绘制数据频率图，我可以看到每个类的样本数据在分布方面或多或少是均匀的。我面临的问题是训练数据的损失图随着时代的推移而下降，但对于验证数据，它首先下降，然后继续增加。准确性图反映了这一点。训练数据的准确性最
浏览 37提问于2019-10-27得票数 0
1回答
我的大部分代码都是基于文章的，我想问的问题很明显，但在我自己的测试中也是如此。它是一个具有LSTM层的序列模型。
是什么导致了这一切，我该如何解决呢？另外，我发送的第一个链接在底部显示了同样的结果-
浏览 0提问于2018-07-16得票数 0
回答已采纳
我试图在Keras中使用BatchNorm。训练的准确性随着时间的推移而增加。从12%到20%，缓慢但肯定。然而，测试的准确度却从12%下降到0%。随机基线为12%。在应用批次规范时，我必须考虑到什么特殊的东西吗？我真的不明白还有什么会出错的。model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['a
浏览 2提问于2017-05-10得票数 2
回答已采纳
1回答
让我先说一下我的机器学习经验是..。在这个阶段很危险。我还是个初学者。
我有大约10万条记录的二进制分类数据集。10%的记录为阳性，其余明显为阴性。因此，一个高度倾斜的数据集。最大限度地提高正(真正)预测精度(回忆)，牺牲负(真负)预测精度是极其重要的。因此，如果正精度是90%+，那么我宁愿拥有70%的总体精度，而不是低的正精度和高的</
浏览 0提问于2022-05-13得票数 0
回答已采纳
1回答
验证损失达到0.1 (分类交叉熵)，准确率为99%。在测试期间，即使准确性没有下降，损失高达16！我检查了不同预测的损失分布，令我惊讶的是，正确预测的损失(99% )为16，而错误预测的损失为4。由于我没有经验，我想让你给我参考一些可能导致这种行为的原因。如果您希望我发布更多的具体信息，请毫不
浏览 0提问于2022-05-31得票数 -1
2回答
我在解释这些损失和准确度图表时遇到了一些困难。例如，在第一个示例中，验证损失值相当低(它已经低于0.35)，但随后迅速偏离。另一方面，在第二种情况下，验证从较高的值开始，然后似乎达到平台期(它不会像第一种情况那样开始增长)。此外，第四张图似乎有些奇怪，因为验证损失和验证精度似乎都随着时间的推移而下降。你认为这四个图中哪一个是最好的？
浏览 1提问于2020-01-05得票数 0
1回答
我从深度神经网络的世界开始，用卷积模型进行一系列测试，我发现了以下情况：
训练集的准确性(约0.85)比验证集(约0.58)好得多，但在观察损失结果时，发现这两个数据集的损失为0。我的问题是:怎么可能两组的损失如此之低，但准确性却不完美？损失函数不衡量预测和实际类别之间的差异，并表明模型预测的
浏览 0提问于2023-01-05得票数 0
1回答
我正在Tensorfow 2.0.0-α0上运行一个文本生成模型(RNN)，即使在拟合该模型时得到了损失度量，但在插入精度时会出现以下错误：
def loss(labelsexample_batch_loss.numpy().mean(
浏览 0提问于2019-04-27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
云直播活动推荐
腾讯云开发者
