我想用R中的tensorflow实现一个预测函数，但无论输入参数是什么，预测结果都是一样的。我的训练数据是由7个变量组成的data.frame。第一个是结果。结果不是0就是1。ncol=6)
sess$run(train_step, feed_dict = dict(x = batch_xs, y_ = batch_ys
浏览 17提问于2017-07-18得票数 0
回答已采纳
我在Tensorflow (Python3.5)中建立了一个神经网络模型。
但是，每当我用相同的训练数据初始化模型和重新训练时，特定输入的输出值总是不同的。这意味着，用相同的参数和数据训练但初始化不同的模型可以预测出非常不同的结果。我认为，如果我用相同<em
浏览 5提问于2017-11-29得票数 0
回答已采纳
2回答
完全卷积网络训练图像大小
、、、、
我正在尝试使用TensorFlow复制用于语义分割的完全卷积网络的结果。
我被困在将训练图像输入到计算图中。全卷积网络使用VOC PASCAL数据集进行训练。然而，数据集中的训练图像具有不同的大小。我只想问他们是否对训练图像进行了预处理，使它们具有相同的大小，以及他们是如何对图像进行预处理的。如果没有，他们是否只是将不同
浏览 2提问于2016-08-20得票数 6
我想在tensorflow中创建一个LSTM来预测时间序列数据。我的训练数据是一组不同长度的输入/输出序列。我可以在同一批训练中包含多个不同长度的序列吗？或者我需要将它们填充成相同的长度？如果是这样的话，是怎么做的？
另外:如果展开的RNN比输入序列长，tensorflow会做什么？rnn()方法包含一个可选的
浏览 2提问于2016-05-11得票数 1
我有一个样本权重数组，我要输入到fit()中。它的大小与我输入的训练示例的数量相同。如果我将学习率设置为零，并针对多个时期进行训练，我会看到每个时期不同的损失结果。如果我转到shuffle=False，结果保持不变，并与evaluate的结果相匹配。在我看来，样本权重数组不能被打乱。这是和tensorflow.
浏览 28提问于2019-08-29得票数 3
0回答
当我试图从我的训练模型中获取预测时，我在这里遇到了一个问题。场景是:我训练一个神经网络模型，使用Tensorflow学习和分类图片。当我在Gcloud中训练时，它返回的结果与我在本地训练时不同。即使使用相同的操作系统、库和代码，它也会返回不同的输出。我所说的数据就
浏览 3提问于2017-06-10得票数 0
我在试着运行训练过的Tensorflow模型。但是经过训练的模型在相同的输入下给出了不同的结果。我试过几次关于模型的测试
恢复经过训练的模型(不同的.py文件)，并使
浏览 0提问于2018-05-09得票数 1
我正在使用tensorflow服务于一个预先训练好的模型。奇怪的是，当我为这个模型输入相同的数据时，每次得到的结果都不同。我想这可能是我在变量初始化时的问题，我想知道有什么线索可以调试我的模型，或者我如何找到原因，谢谢。
浏览 0提问于2017-09-11得票数 0
我用一些自定义的图像重新训练了这个模型，如“诗人指南”中所解释的那样。我期望它分类为一个苹果，我得到正确的分类结果是：
当我将经过再训练的模型和标签文件复制到android的Assets文件夹并构建apk时，我会得到不同的分类结果，尽管我向模型提供了相同的图像。我认为这个问题是
浏览 2提问于2018-04-18得票数 0
回答已采纳
1回答
我在Mnist上训练了一个keras模型，保持训练和模型超参数相同。训练和验证数据是完全相同的。在不同的训练阶段，我得到了五种不同的准确率- 0.71，0.62，0.59，0.52，0.46。该模型每次从头开始训练8个时期。model.evaluate(x_test, y_test, verbose=0)
for i
浏览 0提问于2019-01-23得票数 0
我得到了非常不一致的测试精度从我的模型，但不知道为什么。
我试图对一些TensorFlow/Keras的东西进行基准测试，发现我的结果是不可靠的。不是时间，而是模型的测试精度。在某些情况下，模型的测试精度为0.65，有时只达到0.35。相同的架构，相同的优化器，在相同的数据集上训练，
浏览 23提问于2022-05-31得票数 2
回答已采纳
尝试用两个8x8图像的列表来训练一个cnn2d。这就是我得到的回报。我是否必须以某种方式将2x8x8数组扁平化？我不知道支持的类型是什么。'tensorflow.python.data.ops.dataset_ops.TensorSliceDataset
浏览 1提问于2018-10-29得票数 0
上下文我在几台计算机上使用C++进行了推理，在另一个项目中使用了OpenCV DNN，我的速度结果非常不同(每台计算机都非常不同，因此到
浏览 1提问于2020-11-04得票数 0
回答已采纳
1回答
两个张量之差的损失函数
、、、
我正在用所谓的“知识蒸馏(KD)”的方法训练一个卷积神经网络(使用Tensorflow)，简而言之，就是训练一个关于你想要完成的任务的大模型(老师)，然后训练一个小模型(学生)，它可以模拟老师的结果，但使用更少的参数我面临的问题是如何以有效的方式在相同输入下建立学生模型和教师模型的结果
浏览 6提问于2020-12-16得票数 0
我已经在tensorflow 2.3上训练了一个模型，现在正在尝试tf2.6上的推理。该模型最初是在AWS上训练的，因此CUDA和CUDNN版本以及环境的其余部分(python 3.7.11和3.8.12，numpy 1.18.5和numpy 1.19.5)是不同的。模型是完全一样的，权重也是一样的。然而，对相同输入数据的推断会产生两个不同<em
浏览 23提问于2021-11-11得票数 0
在这里也被问到了类似的问题，但答案是针对咖啡馆的。以下是我的具体问题：
我的一个朋友用Theano和TensorFlow为某个问题设计了一个随机神经网络。它有14个输入节点，2个隐藏层，每个层有7个节点，最后是一个输出节点。我们大约有30,000个这样的RNN需要训练。我是一个很少接触机器学习的软件工程师。我需要做的是加快这些RNN的训练过程。从CS的角度来看这个
浏览 0提问于2016-07-14得票数 0
2回答
我在教程()中用谷歌的Inception-v3网络做了一些实验。
如果我有一个足够大的数据集，那就没问题了。但是，如果数据集相对较小，并且在不断增长(大约每天10% )，该怎么办？有没有办法将更多的数据点添加到重新训练的网络中？我不认为每次我们得到一个新的数据点就重新训练一个完整的模型似乎效率不高。
浏览 2提问于2016-11-15得票数 1
我是keras的初学者，今天我遇到了这样的问题，我不知道该如何处理。auc和val_auc的值以第一个偶数整数存储在history中，如auc、auc_2、auc_4、auc_6……诸若此类。这阻止了我在Kfold交叉验证过程中管理和研究这些值，因为我不能访问history.history['auc']值，因为并不总是有这样的关键'auc'。代码如下： from tensorflow.keras.models import Sequential # pylint:
浏览 55提问于2020-08-26得票数 2
我有一个关于在tensorflow中保存和存储模型的问题。我知道如何使用tf.train.Saver()保存模型，然后通过元文件加载它。我的问题是：
我已经训练了一个DCGAN (深度卷积GAN)的变体，现在我想只使用生成器网络来完成其他任务。不幸的是，我不知道如何获得整个生成器网络，这样如果我向它提供一个新的向量z，它就会根据训练好的参数生成输出。我在stackoverflow或tensorflow</em
浏览 3提问于2018-06-13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
