学习conv-neural-network－开发者之家

问题描述您好，我是DL和TensorFlow的初学者我创建了一个CNN(您可以看到下面的模型)model=tf.keras.Sequential()model.add(tf.keras.layers.Conv2D(filters=64,kernel_size=7,activati

问题描述我自己有一个深度学习项目的数据集。我把它上传到了GoogleDrive上，并链接到了Colab的一个页面上。但Colab在一秒钟内只能读取2-3张图片，而我的电脑可以读取数十张。(我使用imread来读取图像。)keras的模型编译过程没有速度问题，但仅在从GoogleD

问题描述我修改了先启V3网络(删除了一些层模块)，创建了6个类训练数据，每个类1个图像。当我执行培训时，我收到错误tensorflow.python.framework.errors_impl.FailedPreconditionError：尝试使用未初始化值InceptionV

问题描述我要生成一个车辆数据集，以便在RCNN、快速RCNN、更快的RCNN等网络中进行培训。我的问题是：原始图像中车辆的角度对探测器重要吗？我的意思是，如果数据集只包含从左到右的车辆图像，那么训练过的网络能检测到任何角度的车辆吗？推荐答案Detectron2最近增加了旋转速度更

问题描述我有一个很大的图像数据集要存储。我有30万张图片。每个图像都是一个28800像素的矢量，这意味着我有一个(300000,28800)的矩阵我将其存储如下img_arr=np.stack(images,axis=0)np.savetxt('pixels_dataset_la

问题描述我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，接受最后两个完全连接的层。BATCH_SIZE=128EPOCHS=80当我设置Shuffle=False时，每个类的查准率和召回率都非常高(介于.80-.90之间)但当我设置Shu

问题描述Alexnet图像输入的转换如下：transforms.Resize(256),transforms.CenterCrop(224),为什么我们首先将图像大小调整为256，然后将中心裁剪为224？我知道224x224是ImageNet的默认图像大小，但为什么我们不能直接将

发布：2022-10-16 标签：pytorch conv-neural-network

问题描述我有一个名为charMatrixList的矩阵列表，长度为40744。我将此列表转换为numpy数组，形状变为(40744，32，30)。此数字数组作为输入传递给神经网络。当作为输入传递到LSTM层时，我收到的错误与Conv2D层输出的形状有关。fromkeras.mod

发布：2022-10-16 标签：keras lstm conv-neural-network

问题描述我有一个很大的数据集，我想用它来训练带有Kera的CNN(太大了，无法将其加载到内存中)。我总是使用ImageDataGenerator.flow_from_dataframe进行培训，因为我将图像放在不同的目录中，如下所示。datagen=ImageDataGenera

问题描述我正在尝试在KERAS中创建多输出模型。该模型从卷积开始，旨在将两个独立的致密层的结果叠加在一起。我为回归任务创建了一些随机数据，其中x1是输入，df是标签。df包含三列。在定义了列车和测试拆分并形成模型后，我在拟合模型时收到错误。有人能帮我更正代码吗？x1=np.ran