deep-learning

    0热度

    1回答

    我正在使用MNIST数据集构建用于手写数字识别的ConvNet。我的代码是使用Theano后端在Keras中编写的。 我想训练我的ConvNet,因此它可以识别类的一个子集(例如,仅数字'1'和'2')并输出任何其他类作为通用'未知'类。我知道这可以在Theano上完成,因为它在"Distributed Neural Networks for Internet of Things: The Big

    2热度

    1回答

    我想通过训练AlexNet在黑白图像上使用Circles(标签:“1”)和 Rectangles(标签:“0 “)。我正在使用1800个训练图像(900个圈和900个矩形)。例如: 我train_val.prototxt看起来是这样的: name: "AlexNet" layer { name: "data" type: "Data" top: "data"

    3热度

    2回答

    我有一个小问题,在张量流中恢复模型时使用批量常量。 下面是我的批处理规范从here: def _batch_normalization(self, input_tensor, is_training, batch_norm_epsilon, decay=0.999): """batch normalization for dense nets. Args: inp

    2热度

    1回答

    我已经使用TensorFlow object detection API从零开始训练SSD初始模型。评估脚本显示模型已经学到了一些东西,现在我想使用模型。 我已经看过物体检测ipynb,它可以将单个图像传送给训练有素的模型。但是,这是用于MobileNet的SSD。我已经使用了下面一行(加载元图之后)来打印我训练过的TensorFlow模型的张量名称。 print([str(op.name) fo

    1热度

    1回答

    我对于深度学习及其对时间序列预测的方法颇为陌生。最近我发现了一篇关于time series predicting using Recurrent Neural Networks (RNN) in Tensorflow的文章。 在这篇文章中,测试仪在过去的20个值和模型预测y_pred也为数据集的最后20个值,然后计算y_test和y_pred MSE。我的问题是:如何扩展模型以接收未来下一阶段的预

    2热度

    1回答

    我希望update_op在我运行summary之前运行。有时我只是创建一个tf.summary,并且一切正常,但有时我想做更多花哨的东西,但仍然具有相同的控制依赖关系。不起作用 代码:的作品 with tf.control_dependencies([update_op]): if condition: tf.summary.scalar('summary', summary

    0热度

    2回答

    我只是研究训练DNN的最佳精度。我知道,为了推理,即使是压缩的8位精度也应该可以工作。对于训练,我们需要更高精度的数字。 深度学习(fp16,fp32或fp64)的最佳精度是多少? 我可能会为此使用tensorflow-gpu。

    0热度

    1回答

    我正在写一个caffe python图层,它沿着特定轴(附加代码)转售[0 255]之间的输入,并且正向传递正常工作。这个图层是否需要向后传递?如果是这样,我该如何执行它? caffe_root = 'caffe_root' import sys sys.path.insert(0, caffe_root + 'python') import caffe import numpy as

    0热度

    1回答

    我已经提到了这个问题,但我不太了解Mr.rrrr先生提供的第二种方法 。 overcome Graphdef cannot be larger than 2GB in tensorflow 基本上,我试图用TF内置的图像上的图像变换方法。我遇到了标题中提供的错误。 另外,我是否需要不断为每个迭代创建一个新的会话? 目前,这个过程有点慢,我不知道如何加快速度。 import tensorflow a

    -1热度

    1回答

    我从张量流和深度学习开始,我想分类一些图像,以知道他们是否属于一个类或不(例如狗或不狗)。 目前我有想要的类数据,但我不知道如何构建数据集到“不上课”。该类的数据可以是任何不显示想要的类的图像(例如鸟类,建筑物,弓等),还是必须符合某些标准? (例如只有建筑物),或者也许有一些方法只用一个班级数据进行训练? 编辑:关于我想实现的更多细节,仅检测一个类背后的想法是因为我希望系统学会分类特定的屏幕类型