-
哪种ANN方法可检测大型海洋漩涡/涡流
<strong>问候,预言片</strong> 我目前正在为我的硕士项目处理机器学习问题,由于我不是计算机科 -
ValueError:无法压缩dim [1],预期尺寸为1,输入形状为[?,17]
我正在尝试实施Alexnet来检测糖尿病性视网膜病变。 这是代码 <pre><code>path="D:\\dataset\\train\\t\\" cou -
在Keras fit_generator中将shuffle设置为True时,精度降低
我正在使用的数据非常不平衡。 我正在使用VGG16训练图像分类器。我冻结了VGG16中的所有层,接受 -
如何在Tensorflow中获取张量的值
我正在训练对医疗数据(图像)执行CNN算法,我需要恢复最后一层的张量值才能执行其他计算。 <pre> -
Python Keras-准确性降为零
在使用Tensorflow在Keras中训练与CNN有很多相似之处的U-Net时,我遇到了一个问题。开始训练时,准确性会提 -
如何从两个EEG阵列绘制频谱图
我有一个数据集,它由两个不同EEG信号的频谱图组成。因此,每个频谱图都包含两个时间序列数据数组 -
CNN LSTM视频分类,Input_shape()问题
我有一个用于单词分类的视频数据集,该数据集包含137,638个培训视频,42000个验证视频和18000个测试视频 -
如何解决Tensorflow CNN中的“:不兼容的形状”错误?
我是Tensorflow的初学者,我尝试创建一个CNN来对图像进行分类,这是我的训练模型代码: <pre><code>impor -
使用多个输出模型时,val_loss的计算方式有所不同
我对模型具有多个输出时keras如何计算val_loss感兴趣。假设我的模型中有6个softmax输出。 BCE是用于每个输 -
仅预测单个班级
我使用VGG16实施迁移学习以对糖尿病性视网膜病疾病二元分类进行分类。即使在平衡了类之后,我的模型 -
通过Toeplitz矩阵乘法对padding = same进行2D卷积
我正在尝试使用padding = same(类似于keras)实现2D卷积的块Toeplitz矩阵。我看到,阅读和搜索了很多信息, -
DL4J中的迭代?
来自<a href="https://stackoverflow.com/questions/4752626/epoch-vs-iteration-when-training-neural-networks">here</a>和其他来源<stro -
为字幕食品数据集生成字幕
我正在做一个大学项目。我们正在处理带字幕的食物数据集。目前,我们的数据集包括字幕和非字幕, -
为什么数据扩充不能改善我的表现(cnn)?
我对深度学习还比较陌生。我正在尝试训练CNN模型以对EEG数据的频谱进行分类。当应用数据增强时,该 -
CNN模型中的Tensorflow Loss&Acc保持不变
我刚刚开始在Tensorflow上学习CNN。但是,当我训练模型时,损失和准确性不会改变。 <a href="https://i -
验证损失在CNN,模型拟合还是过拟合中显着降低?
我的CNN模型有问题。 我有89张原始眼底图像和5张正常类别的图像,以及84张非正常类别的图像。然 -
了解CNN训练结果
感谢您对以下内容的解释:) 我训练了CNN网络,该网络对两个图像类别进行了分类。 我使用了“ -
可以区分两个图像数据集的特征是什么?
我有几个图像数据集。我想刻画这些数据集的特征,并介绍它们之间的异同。 例如,我想到了将 -
CNN火车的结果令人奇怪:VAL损失增加,而VAL准确性/精确度/召回率也增加
我正在用带有10百万个可训练参数的Resnet50模型微调5个类。数据大约有140,000个样本,其中20%用于验证。 -
带有CNN的Tensorflow变压器
我尝试在张量流中实现OCR。我想结合使用变压器和CNN来输入图像。我尝试了本教程:<a href="https://www.tenso -
将自训练的嵌入向量插入CNN
我正在尝试加载一个word2vec向量,该向量是我使用gensim单词训练自己的vec的方式: <pre><code>embedding_mod -
在CNN网络中,输入图像是否应该到达第一卷积层(我的意思是第一隐藏层)中的所有神经元?
我是CNN的新手,我有一个基本问题,涉及第一卷积层中输入图像与神经元之间的映射。 我的问题 -
在CNN中,内核/过滤器的数量是否与每一层的神经元相同?
例如: 如果convnet的“ L”层仅包含8个内核/过滤器,这意味着在L层中只有8个神经元? -
如何在CNN的第一个转换层中用神经元映射输入图像?
我刚完成ANN课程并开始学习CNN。我对CNN中的填充和跨步操作原理有基本的了解。 但是在第一转换 -
Faster R-CNN中预训练网络的目的是什么?
我无法理解预先训练的网络的目的。根据我的阅读,它用于RPN和分类网络。但是我不知道如何。 -
是否有一种方法来训练CNN模型,保存此CNN的权重,然后使用此权重来为其他训练数据重新训练此CNN?
有人告诉我有关这种类型的实验的信息。 第一步是训练CNN并保持权重,第二步是使用这些权重来重新训 -
检查输入时出错:预期conv1d_14_input具有3维,但数组的形状为(2043,260)
我有大约2000行和260列的数据集,不包括标签。标签采用字母形式。这个错误让我很难理解。 <pre><code -
CNN解决MNIST问题在Pytorch上没有学习
<pre><code>import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torchvision import datasets, -
'odict_items'对象不能下标该如何处理?
我试图在Jupyter笔记本python 3上运行此代码: <code>class CSRNet(nn.Module): def __init__(self, load_weights=Fal -
如何从CNN中正确提取权重?
首先,我训练了CNN体系结构: <pre><code>adam = optimizers.Adam(learning_rate=0.0001, beta_1=0.9, beta_2=0.999, amsgrad=F