我对keras输出中显示的批处理大小数字有一个问题。我看过类似的关于如何解释keras输出的文章，发现result中显示的数字219就是batch_size的数量。但是，您可以看到我的X_train batch_size是7000，而不是219。这219是从哪里来的？keras.layers.SimpleRNN(20, return_sequences=True, input_sh
浏览 32提问于2021-03-30得票数 0
回答已采纳
我想知道keras是如何使用计算机资源的。
例如，假设我们使用keras序列类来训练具有4个图像输入和1个图像输出的海量数据集。图像的大小为640x480，网络的权重约为5M。如果我们将训练批大小设置为4，那么在哪里加载输入图像( RAM或VRAM )，在哪里加载网络？我之所以想知道这一点，是因为当我使用16x(96x96x3)训练一个批量<em
浏览 2提问于2021-01-02得票数 1
使用Keras fit_generator，steps_per_epoch应等于可用样本总数除以batch_size。但是如果我选择一个不适合n次样本的batch_size，生成器或fit_generator会有什么反应呢？它会产生样本，直到不能再填满整个batch_size，还是只使用较小的batch_size来获得最后的得率？为什么我问:我将我的数据分成不同大小的训练/验证/测试(不同
浏览 1提问于2018-06-01得票数 4
2回答
是否可以使用Tensorflow/Keras并训练具有可变批量大小的模型？所以我在每个时期都有不同大小的批次。我认为使用高级tf.keras应用程序接口是不可能的？
浏览 20提问于2021-02-10得票数 0
回答已采纳
0回答
我正在两个不同的DL库(Caffe Tensorflow)中训练两个CNN (AlexNet E GoogLeNet)。网络由每个图书馆(和)的开发团队实施
我将原始Imagenet数据集减少到1个类别的1024张图像--但设置了1000个类别在网络上进行分类。所以我训练了CNN，不同的处理单元(CPU/GPU)和批处理大小，我观察到损失很快收敛到接近零(在大多数情况下在1个时期完成之前)，如下图所示(Tensorflow上
浏览 5提问于2017-12-05得票数 2
回答已采纳
2回答
我试着训练一个关于希格斯玻色子挑战卡格尔的数据的模型。我决定做的第一件事就是创建一个简单的keras模型。我尝试过不同的层次数量和宽度，不同的成本函数，不同的优化器，不同的神经元函数，但是训练集的精度总是在0.65~0.7之间。我不太明白为什么。下面是一个非常奇怪的模型<em
浏览 2提问于2017-01-11得票数 3
回答已采纳
1回答
我在我自己的数据集上训练了一个keras模型。但是，在加载权重之后，摘要显示None作为第一个维度(批处理大小)。我想知道的过程，以固定的形状批量大小为1，因为这是强制性的，我必须修复它，所以我可以转换模型到tflite的GPU支持。
浏览 1提问于2021-04-26得票数 0
1回答
我正在训练一个用于多目标回归的Keras模型，使用一个自定义的损失函数，目的是使该损失函数的预测精度低于0.01。从损失函数的下面图可以看出，训练损失和验证损失迅速低于目标值，训练损失趋近较快，验证损失在训练损失值上不断波动。虽然损失低于目标阈值，但我想知道这样的波动是否能反映模型拟合的一些问题？或者，验证集的大小太小(与训练<
浏览 0提问于2018-08-06得票数 1
我根据我的数据训练了一个基于DenseNet121的模型，并在训练中达到了预期的精度。但在用BATCH=1进行预测时，精度下降很大。我发现预测输出取决于批处理大小。如果我在训练期间保持相同的批次大小，我就得到了相同的精度，但是对于任何其他批次大小，精度都较低。批量越小，准确度越低。请帮助，因为我需要做预测单一图像在一次。(shape=(128, 128, 3))
浏览 1提问于2022-04-08得票数 0
1回答
我想重新训练谷歌的mediapipe手部地标，以便进行更多关键点检测，但该模型仅在tflite格式下可用，无法重新训练。我创建了一个与mediapipe手模型相同的模型，并用我的自定义数据对其进行了训练，但面临着过度拟合的问题， 我正在使用： RMSprop作为优化器 MSE (均方误差作为损失函数) 批量大小= 32初始学习率=1e-3 decay_steps=1000 decay_rate=0.9 colab screenshot
浏览 20提问于2021-08-03得票数 0
2回答
当使用批处理梯度下降、随机梯度下降和小批随机梯度下降时，我试图绘制不同的学习结果。我知道随机梯度下降是指每次更新只使用一个数据样本，而批处理梯度下降使用整个训练数据集来计算目标函数/更新的梯度。在运行此程序时，输出似乎显示了每个时代(即SGD )的单个更新。另一方面，如果
浏览 3提问于2020-07-28得票数 2
回答已采纳
我正在尝试用Python语言训练一个非常简单的TensorFlow后端的Keras模型。
我知道在训练时在控制台中显示的时期损失是为了效率而‘即时’计算的，因此不一定是中间模型的真实损失。但据我所知，如果每个时期只有一批就是整个训练集，那么它们实际上应该是。这种期望的原因是，在这种情况下，模型的权重只在每个时期结束时更新一次，这意味着在计算时期的损失时模型不会改变
浏览 0提问于2018-12-28得票数 0
1回答
我正在阅读，但对于keras中的图像增强，我仍然有一些不太确定的地方。
(1)在datagen.flow()中，我们还设置了一个batch_size。我知道如果我们进行小批量训练需要batch_size，那么这两个batch_size值是否相同，我的意思是，如果我们在flow()生成器中指定batch_size，我们是否假设我们将使用相同的batch_size进行小批量训练？(2)假设训练集
浏览 1提问于2018-03-09得票数 1
我希望在keras中有自定义的损失函数，每个训练示例都有一个不同的参数。from keras import backend as K
def mseb(y_true, y_pred):
returnMiniconda3\envs\Automate\lib\site-packages\tensorflow_core\python\framework\ops.py:1751) ]] [Op:__inference_<e
浏览 35提问于2021-07-23得票数 0
回答已采纳
我正在学习Udacity "AWS DeepRacer“课程，内容是关于自动驾驶汽车的强化学习。在一个教训中，他们说：学习速度-控制你的算法学习的速度(它扩大或缩小了每个时代之后的权重更新)。使用
浏览 0提问于2019-08-05得票数 2
回答已采纳
1回答
我有一个6*32的技术数据数组，它看起来像“射线”，连接部分或全部六行的局部最大值，并以某种角度颠倒：2: 88 87我的基本想法是使用CNN网络，因为目前操作员可以在视觉上检测到这些模式，与文本或照片对象识别相比，问题似乎并不太难。我使用Keras，下面的架构给出了最好的结果。不幸的是，只有在训练的时候。model = keras.Sequenti
浏览 1提问于2019-01-20得票数 1
1回答
我是Keras的新手，想要在4个Gpu上训练我的模型。不幸的是，我得到了一个内存不足的错误，批量大小为4。(输入形状256x265x32)。现在我在想，是否有可能在所有4个GPU上进行训练，尽管批量大小为2？ 提前谢谢你， 致以亲切的问候， 迈克尔
浏览 6提问于2019-06-19得票数 0
回答已采纳
3回答
当然，在“训练”期间，由于批量大小的差异，准确性可能会有所不同。但之后，当用model.evaluate检查它时，我预计没有区别，因为权重不能改变，因为模型是冻结的。然而，事实证明并非如此。，但准确性会随着批量大小的不同而变化。损失和准确率是不同的。我不明白为什么，我本以为会有同样的数字。因为模型不能被训练。如果我使用不同<em
浏览 50提问于2020-09-17得票数 2
1回答
我正面临着一个假阳性减少问题，并且正负大小的比率大约是。1.7:1.我从answer中了解到，使用精确度、召回率、FScore，甚至根据成本不同地对真-正、假正、真-负和假阴性进行加权，来评估不同的模型来处理指定的分类任务。由于从keras中删除了Precision, Recall, and FScore，因此我找到了一些方法来在训练期间跟踪这些指标，例如github repo keras-metrics。precision = tr
浏览 10提问于2019-08-23得票数 0
回答已采纳
1回答
我有行人分类的问题，我想用VGG-16来解决。为了做到这一点，我准备了训练集和测试集。我的训练集有2038个图像，我的测试集有252个图像。我的批量是64。我如何告诉Keras，我希望这64张图像在训练时同时包含正面和负面标签？我不希望它只在正面或负面标签上学习。
浏览 0提问于2018-10-11得票数 1
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
