我从一个sqlite数据库中获得了一些小批处理，其中包含整数和浮点类型的数据x，以及0和1中的二进制标签y。，其中一个关键字可以将数据分层(即相同数量的0类和1类实例)。在Tensorflow 2中，分层似乎不是直接可能的。我的非常复杂的解决方案对我有效，但由于所有的重塑和转置，需要花费大量时间： def stratify(x, y):
# number of positive instances (the smaller、更
浏览 11提问于2019-09-05得票数 3
给定tensorflow数据集
Train_dataset = tf.data.Dataset.from_tensor_slices((Train_Image_Filenames,Train_Image_Labels我想把我的批次分层，以解决阶级不平衡的问题。dataset的性能优势，因为我可能必须通过Train_Stratified_Images和Train_Stratified_Labels通过feed_dict传递？stratified_sample', list(ten
浏览 1提问于2018-11-27得票数 4
回答已采纳
6回答
我正在使用TensorFlow构建一个深度学习模型。也是TensorFlow的新手。
由于某些原因，我的模型具有有限的批量大小，那么这种有限的批量大小将使模型具有较高的方差。我的想法是存储每个小批次的梯度，例如64个小批次，然后将梯度求和在一起，使用这64个小批次训练数据的平均梯度来更新模型的参数。这意味着对于前63个小批次，不
浏览 1提问于2017-02-10得票数 18
当我训练tensorflow模型时，它通常会在每次迭代中输出类似于下面一行的信息 INFO:tensorflow:loss = 1.9433185, step = 11 (0.300 sec) 打印的损失是模型当前看到的批次的损失，还是所有先前训练批次的运行平均损失？如果我使用批次大小为1的批次，即每批只有一个训练样本，那么打印的损失将是每个样本单独的</
浏览 57提问于2021-08-23得票数 1
tensorflow如何单独优化批次的元素损失，而不是优化批次损失？ 在对每个批次的损失进行优化时，常用的方法是对所有批次的元素损失进行求和或取其平均值作为批次损失，然后对该批次损失进行优化。在我的例子中，我想单独优化每个元素的损失，而不是将它们一起减少为批量损失。 例如，在以下代码中。(通过这种方式，小批量实际上减少到批大小为1的情况。)那么在
浏览 17提问于2019-04-19得票数 0
我正在与Tensorflow合作开发一个分类器。我的输入和输出是numpy数组，其中以示例为行，以参数为列。到目前为止，我的代码工作正常，我可以通过直接提供100%的输入和输出数组来训练我的网络。现在，我想创建一个为tensorflow提供的混洗批次列表，但这一步对我来说不是很清楚。
下面的代码会创建张量列表(我的批次)吗？batch_size=100,capacity=50,min_after_dequeue=10
浏览 0提问于2017-02-06得票数 2
3回答
我正在用一个非常需要CNN模型的记忆来完成分类任务。这对我在训练中可以使用的批次大小提出了一个很大的限制。我正在使用Tensorflow后端Keras，并且我非常肯定Keras没有现成的函数&
浏览 1提问于2019-03-20得票数 19
回答已采纳
1回答
我有一个tensorflow数据集，并且希望对它进行分批处理，这样批处理就不会有相同的大小--类似于将示例分组成批，其大小是由值向量而不是固定值定义的。有没有办法在tensorflow内做到这一点？提前感谢！
浏览 1提问于2020-11-23得票数 2
回答已采纳
2回答
= 30 %我上一次发布的神经网络的最终性能如下：正如你所看到的，训练的准确性和验证的准确性仍然有很大的差别我的问题是如何继续提高我的验证准确性？我的神经网络代码：from tensorflow</em
浏览 5提问于2020-04-15得票数 0
model = Sequential()
model.add(LSTM(256, return_sequences=True, dropout=0.5, recurrent_dropout=0.5))model.add(Dense(4, activation='softmax'))
plot_model(model, to_file='
浏览 0提问于2018-04-07得票数 3
回答已采纳
我试着从孩子们的挑战中分割出图像。我在这两个存储库的组合中使用U-net：
这是形状批次x：(50
浏览 0提问于2018-05-27得票数 0
回答已采纳
我有一个关于变压器自我注意层的问题。在处理小批中不同长度的序列时，我们使用pad序列，使批处理中的所有序列都具有相同的长度。假设数据集中的大多数序列都是<500个元素长，但是有一些非常长的序列可以是1000s的元素长。如果我想在不截断的情况下处理那些非常长的序列，那么即使输入批次不包含任何长序列，多头自我关注层的大小也必须根据最长的序列量身定做吗？
浏览 0提问于2022-09-08得票数 0
回答已采纳
然而，我想知道是否有TensorFlow建议的通过使用类似tf.tensor_scatter_nd_update的东西来实现的TensorFlow版本。 BxNxN张量，其中B表示批次。
浏览 18提问于2021-04-15得票数 0
1回答
我正在微调VGG-16以完成我的任务。我的想法是加载预先训练过的权重，删除最后一层(这是带有1000个输出的softmax )，并用几个输出替换为softmax。下面是构建原始模型并加载权重的代码。，Keras使用Tensorflow作为后端。Tensorflow是用来使用GPU的(使用CUDA)。我现在有一张相当旧的卡: GTX 760和2Gb内存。
在我的卡上，由于内存不足，我甚至无法加载整个模型(上面的代码)。问题是:用Keras+TF来完成VG
浏览 0提问于2018-06-17得票数 0
对于在TensorFlow后端使用Keras，我是否应该将它们与SLI连接起来？如果没有，那么他们将被单独对待，一个模型将被训练在一张卡片上。这是我到目前为止所理解的两个选择。谢谢。
浏览 0提问于2019-03-08得票数 2
回答已采纳
1回答
我目前正在处理一个相当大的图像数据集，我使用python中的ImageDataGenerator从tensorflow.keras加载它。由于我的数据分类非常不平衡，我想做一个分层的列车测试分割，以可能达到更高的精度。我知道如何使用ImageDataGenerator进行简单的随机列车测试分割，但我找不到与sklearn中的分层train_test_split相当的东西。有什么方法可以对te
浏览 2提问于2022-03-07得票数 3
在数据预处理中，使用分层洗牌确保原始数据集的分布反映在培训、测试和验证数据集中。
小型批处理梯度下降使用随机洗牌来确保小批中的随机性.我的疑问是-为什么我们应该在我们的数据集上执行分层洗牌，如果它要在训练期间以随机的方式被洗牌？
浏览 0提问于2020-08-08得票数 2
回答已采纳
1回答
我想使用keras和tensorflow中的ResNet来解决一个任务。我的数据集很大，现在我正在考虑我的数据加载选项，并试图确定哪一个最适合这个任务。加上可能的额外预处理范围从0..1到-1.1hdf文件也更适合于结构化/分层数据。我也希望<#>take考虑的事情：
我是按原样保存数据，还是需要保存被洗牌的批次</em
浏览 0提问于2020-08-05得票数 1
回答已采纳
1回答
我在Python中为tensorflow使用keras。我有一个自定义的损失函数，它为批次中的每个样本返回一个数字(因此，长度=批次大小的向量)。我如何还可以指定自定义的减少方法，以将这些样本损失聚合为整个批次的单个损失？在自定义损失函数中包含此减少，并让此函数仅返回单个标量而不是损失向量，这是可以接受的吗？
浏览 28提问于2021-10-14得票数 0
假设我们生成自己的训练数据(例如，通过从一些扩散过程中采样并计算其上的一些兴趣量)，并且我们有自己的CUDA例程，称为generate_data，它在GPU内存中为给定的一组输入生成标签。因此，我们处于一个特殊的设置中，我们可以以“在线”的方式生成任意数量的训练数据批次(在每次批次迭代时，我们调用generate_data例程来生成新批次并丢弃旧批次)。由于数据是在GPU上生成的，
浏览 0提问于2019-06-27得票数 11
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
