2回答
我利用一些空闲时间快速学习了一些Python和Keras。我创建了一个图像集，其中包含a类(三叶草)的4.050张图像和b类(草)的2.358张图像。图像被组织在每个类的子文件夹中，我将它们随机分为70%的训练和30%的测试数据，并使用accodring文件夹结构。训练和测试数据还没有标准化。 我训练了模型并保存了结果。我得到了90%左右的训练准确率。当我现在尝试预测单个图像(这是所需的用例)时，此预测的平均准确率为~64%，这非常接近整个A类图像的百分比(4.050
浏览 53提问于2020-06-10得票数 1
回答已采纳
我做了类似于keras文档中的训练和验证。而是如何测试图像。我知道在scikit-learn中该怎么做。但是我想用keras做。
比方说，我想预测分类类形式的图像。在最后，我还想打印类名，训练精度，测试精度，最后是预测的图像精度(例如，狗: 99.8 %)。
浏览 3提问于2018-03-17得票数 0
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))
output = base_model(inp
浏览 1提问于2022-04-08得票数 0
1回答
我用Keras训练了一个ANN二进制分类器。该方法具有90%的准确度。经过测试，当我再次预测相同的数据，但只通过一个类别时，准确率就会下降到40%。我发现，如果我在预测时通过混合类，那么它将给我大约90%的精度；如果我只通过一个类的数据点，那么精度就会降低，.As，我也会增加其他类的数据点，那么精度就会提高。长话短说。案例1:从0类中抽取100个样本，从第1类中获得100个样本，使用训练后的模型精度= 90%进行预测
浏览 0提问于2019-09-12得票数 1
回答已采纳
在训练的同时，建立了Keras模型和，分类精度指标达到0.78。但是，在对模型进行培训之后，当我运行以下代码时，当预测输出相同的培训数据时：acc = sklearn.metrics.accuracy_score(true_labels, predicted_labels)
精度为0.39。总之，对于Keras和Sklearn，我没有得到相同的精确结果。
浏览 2提问于2018-12-05得票数 0
我有一组不同长度的非零序列，我使用Keras对这些序列进行建模。我使用来标记(令牌从1开始)。为了使序列具有相同的长度，我使用填充。在每个时代结束时，Keras显示了训练和验证的准确性。
我最大的疑问是，当使用填充时，Keras验证的准确性是否可靠(当您在多个时期运行Keras时，在每个阶段的末尾，它会打印训练精度和验证精度)。因为验证集可以简单地是0's - 0,0,0的序列.由于存在大量的0's序列(由于填充)，该模型可以很容易
浏览 0提问于2020-07-19得票数 3
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
训练完成后，我在我的网络上做了预测，我想计算我的模型的“精度”和“召回率”，然后将其发送到"tensorboard“的日志文件中，以显示曲线图。在训练时，我将"tensorboard“函数作为回调发送给keras。但是训练结束后，我不知道如何将更多的数据添加到tensorboard中进行绘制。我使用keras进行编码，使用tensorflow作为其后端。
浏览 5提问于2018-08-24得票数 1
的准确性是什么：
下面是的改编示例。一种简单的顺序神经网络是对随机生成的数字进行二进制分类。批次大小与训练示例(13)的数量相同，因此每个时期只包含一个步骤。由于损失设置为binary_cr
浏览 0提问于2019-07-11得票数 1
回答已采纳
1回答
SVM与Keras模型性能比较
、、、、
我在数据集上同时应用了SVM和CNN (使用Keras)。现在，我想比较两种型号的性能。Keras model.evaluate function预测给定输入的输出，然后计算度量函数(度量是用于判断模型性能的函数)，基于the model.compile and的on y_true and显然，支持向量机的精度计算与Keras的model.evaluate不同。
对于我的数据集，Keras模型(基于model.evaluate计算的精度)比支持向量机具
浏览 0提问于2020-05-01得票数 0
训练分类器。在训练期间，“准确性”是显示和更新每一小批。当我们运行一个测试批次时，“准确性”的含义是明确的，但是在培训期间，它是如何计算“准确性”的？
浏览 2提问于2020-04-18得票数 1
回答已采纳
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
我正在使用Keras来使用train_on_batch命令对我的CNN进行模拟图像的训练，可以得到训练的损失。下一次跑--我正在预测精度，并回忆使用我的预先训练的CNN (自己的体系结构)来预测我的结果，在那里我使用命令predictions =model.predict(np.array(图像)，batch_size=batch_size)将我的数据再分割成训练和测试数据集。
浏览 1提问于2020-01-23得票数 0
回答已采纳
1回答
我正试图将我的模型与只包含一个样本的训练数据过度匹配。训练精度为1.00。但是，当我预测由同一个训练输入样本组成的测试数据的输出时，结果是不准确的。对该模型进行了100个周期和损失~ 1e-4的训练.错误的可能来源是什么？
浏览 5提问于2017-02-24得票数 3
我有两个多类分类模型来进行预测(准确地说，类数是三个)。一个是Keras神经网络，另一个是Scikit学习库中的梯度增强分类器。我注意到，在相同的数据上训练后，GBC具有较高的精度评分，而Keras模型具有较高的F1评分。我应该使用哪种模型来预测未来的数据？哪个指标更重要？
浏览 0提问于2019-12-23得票数 7
回答已采纳
1回答
我试图通过TensorFlow 2.0 + Keras构建一个二进制分类模型。每个目标都有5特性，我希望这个模型能够预测输入数据是否属于a。最后，我用每个人的前三个样本来预测
浏览 2提问于2020-03-09得票数 2
回答已采纳
大家好，我尝试使用以下代码将我的模型从.h5(keras)转换为.tflitekeras_model = tf.keras.models.load_model("model06.h5")tflite_model = converter.convert()
with open('model06.t
浏览 34提问于2021-05-12得票数 0
我正在keras中训练神经网络，我达到了一个经典的极限-我的训练精度随着时代的增加而提高，但我的验证精度在9个时代之后会下降(见图)。 ? 我想知道我是否可以通过执行以下操作来避免验证精度的下降:如果时期导致验证精度的提高，则使keras net仅接受每个时期之后对权重的更改，否则重置为时期之前的状态？我假设验证在很大程度上开始偏离，因为在每个时期>9之后，神经网络的权重偏离了与验证数据的相似度。 那么，我的建议是一个好的
浏览 15提问于2019-09-01得票数 0
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：
精度度量测量y_pred==Y
浏览 1提问于2016-05-10得票数 13
云服务器
ICP备案
云直播
对象存储
腾讯会议
腾讯云开发者
