-
Tensorflow图像分类二进制交叉熵损失为负
我是Tensorflow的新手。我遵循了一些教程,提供了数据集,并想自己尝试一些方法。我决定尝试对“魔术 -
语义分割-尽管使用了二进制交叉熵,但仍使用分类交叉熵来进行二进制图像分割
我已经阅读了SO和CValidated的书,但仍然觉得我不完全理解以下内容。 如果我进行了二进制分割( -
为什么我的分类器崩溃了,只能预测几个类?
我在<a href="https://www.robots.ox.ac.uk/~vgg/data/dtd/" rel="nofollow noreferrer">DTD</a>数据集上有一个纹理分类任务,我 -
如何处理分类标签的输出标签包含不同值的数据集?
我有一个数据集,其输入的维度为<code>n</code>,而输出<code>y</code>包含以下值: <code>y = numpy.array([1, 0, 2, 3 -
Python:无法获得交叉熵以在神经网络中工作
我正在尝试使用交叉熵和softmax通过神经网络训练我的数据。 有2个具有100个神经元的隐藏层和一个具有10 -
仅对两个类别使用categorical_crossentropy
计算机视觉和深度学习文献通常说,对于二元(两类)问题,应使用<code>binary_crossentropy</code>,对于两类 -
交叉熵上升而AUC上升(火炬)
我有一个前馈神经网络和一个二进制分类问题。 将损失函数定义为 <pre class="lang-py prettyprint-ove -
尝试使用损失函数作为categorical_crossentropy构建CXR分类器
作为一个有趣的自我项目,我一直试图在CheXNet数据库上构建分类器。我将图像加载为“ <em> diagnosis-x.png -
选择权重进行加权损失计算的逻辑背后?
选择权重以计算加权的S型交叉熵损失或在数据集不平衡的情况下选择任何加权损失,背后的一般逻辑是 -
加权二进制交叉熵在keras语义分割中的应用
我正在尝试在Keras中实现<strong>加权二进制交叉熵</strong>函数,以用于<strong>语义分割</strong>问题。 < -
为什么这个PyTorch网络会预测相同的类别,而损耗却没有改善?
我正在尝试使用从Resnet50图像中提取的特征向量(长度为2048)训练简单的神经网络,特征向量的长度为20 -
如何在Python中返回部分函数?
我在某处读过这段代码: <pre><code>criterion = nn.CrossEntropyLoss().cuda() input = ... tgt = ... loss = criterion(input,t -
为什么损耗会减少,但精度也会下降(Pytorch,LSTM)?
我用LSTM-Pytorch中的线性模块建立了一个用于分类问题的模型(10个类)。我正在训练模型,并在每个时期 -
交叉熵损失对F分数的影响
我正在训练FCN(完全卷积网络),并使用“ Sigmoid交叉熵”作为损失函数。 我的度量是F度量和MAE。 火车 -
TensorFlow SparseCategoricalCrossentropy如何工作?
我试图了解TensorFlow中的此损失函数,但我不明白。这是<strong> SparseCategoricalCrossentropy </strong>。所有其他 -
categorical_crossentropy期望目标是二进制矩阵
首先,我不是一名程序员,但我自学了Deep Learning以使用自己的数据集进行实际项目。我的情况可以细分 -
验证AUC上升,但交叉熵也上升
因此,我有一个使用交叉熵(CE)作为损失函数的神经网络,它是一种二进制分类。 我将AUC用作验证指 -
我很困惑使用coreml3工具使mlmodel可更新
我有一个使用mobilenetv2训练的回归器mlmodel。最后几层如下: <a href="https://i.stack.imgur.com/dA1Mr.png" rel -
如何在分类任务中调整标签的等级偏差?
我目前正在<code>convolutional neural network</code>上进行<code>x-ray images</code>的病理变化检测。这是一个简单的<c -
无效的tf.gradients()结果-Tensorflow
<pre><code>a = tf.Variable([1,0.5],dtype=tf.float32) b = tf.Variable([1,3],dtype=tf.float32) c = a*b d = tf.Variable([1,1],dtype=tf.float32) -
尽管验证集的得分为0.8,加权二进制unet分割只能预测测试集的背景
我正在使用UNET模型在3000张图像上运行二进制分割任务。我的前景像素(一种特定类型的细胞)比我的背 -
用Pytorch进行多类分类
我是Pytorch的新手,我需要澄清多类分类。 我正在微调DenseNet神经网络,因此它可以识别3个不同的 -
Pytorch:CrossEntropyLoss造成多目标错误
所以我正在训练转换。神经网络。以下是基本细节: <ul> <li>原始标签dim = torch.Size([64,1])</li> <li> -
pytorch交叉熵输入尺寸
我正在尝试使用Huggingface的BertModel和Pytorch开发一个二进制分类器。 分类器模块如下所示: <pre><code>cl -
使用二元互熵时如何总结和解释历元损失?
出于教育目的,我已经创建了一段时间的深度学习库。几天前,我收到了一项任务 实习生可以使用numpy -
Keras和Tensorflow的加权交叉熵.Keras给了我两个完全不同的结果
我有一个带有二进制目标值的不平衡数据集。我使用在Tensorflow 2.0之前实现的Keras版本以及在Tensorflow 2中 -
交叉熵损失停滞不前,而测试精度却提高了
我已经在这里阅读了几篇文章,但并不能完全理解它,所以我决定亲自问这个问题。 使用CIFAR-10数 -
问题:to_categorical(keras)添加类轴
我有一个深的CNN,Xtrain的大小为(198,256,256,9),即有198个训练示例,每个示例都有9个通道。 Y火车是(1 -
尝试根据预测计算备用分类交叉熵损失时发生AttributeError
我正在用keras用多个输入但只有一个分类输出的python构建深度学习模型。数据正遭受类不平衡的困扰,因 -
PyTorch教程中的交叉熵计算
我正在阅读有关多类分类问题的Pytorch教程。而且我发现Pytorch中的损耗计算行为令我感到非常困惑。你能