-
1 votesanswersviews
如何读取.hdf5数据文件作为卷积神经网络的输入?
我使用以下链接以HDF5格式保存了大量图像及其标签:Saving and loading a large number of images (data) into a single HDF5 file,它提供了以下按键 .数据集列表: ['test_img', 'test_labels', 'train_img', 'train_labels', 'train_mean', 'val_img', ... -
2 votesanswersviews
重量文件用于不同尺寸的图像
我想训练CNN,其中图像尺寸是128 * 512,然后我想使用这个重量文件来训练其他具有128 * 1024尺寸的数据 . 这意味着我想在不同数据(128 * 1024)的训练时间内使用预先训练的重量文件 . 有可能或我该怎么办? 我想这样做是因为我只有300张尺寸为128 * 1024的图像,而我有5000张尺寸为128 * 512的图像,两个数据集都不同 . 谢谢 -
-1 votesanswersviews
转学习为什么删除最后隐藏的图层?
通常在阅读有关转移学习的博客时会说 - 删除最后一层,或删除最后两层 . 也就是说,删除输出图层和最后隐藏图层 . 因此,如果转移学习也意味着改变成本函数,例如从交叉熵到均方误差,我知道你需要将最后一个输出层从1001层softmax值更改为输出浮点数的Dense(1)层,但是: 为什么还要更改最后一个隐藏图层? 如果使用Keras和其中一个具有imagenet权重的预定义CNN模型,最后... -
0 votesanswersviews
如何在不使用ImageDataGenerator类的情况下查找Bottleneck功能
我有一个Images的数据集,它有很多类 . 我将我的训练图像放在SINGLE目录中 . 我的想法是使用VGG16 / Inception模型的瓶颈功能,这些功能是在Imagenet数据集上预先训练的 . 我正在浏览Keras Document和其他相关的博客,并发现如果我必须使用Keras的ImageDataGenerator类和fit_generator,我的训练图像应该根据不同的类位于不同的... -
0 votesanswersviews
具有Keras的神经网络ValueError
我必须用keras训练一个神经网络 . 为此,我使用了一些具有以下形状的测试数据: print(" Training data: {}".format(x_Train.shape)) print(" Training data: {}".format(y_Train.shape)) print(" Test data: ... -
0 votesanswersviews
转移学习 - 使用Adam Optimizer将使用SGD训练的模型的权重初始化为新网络
我正在使用VGG-16的基础架构培训多任务(分类和回归任务)模型,我正在使用AdamOptimizer . 我想从ImageNet数据集上训练的VGG-16模型传递权重 . 但这里使用的优化器是随机梯度下降(SGD) . 有没有办法可以将重量和偏见从SGD转移到亚当? -
0 votesanswersviews
ValueError:检查目标时出错:期望dense_2具有形状(无,2)但是具有形状的数组(321,3)
我想使用keras创建一个图像分类器,并用一些示例图像训练它 . 然后,我将使用预先训练的模型并在最后添加几个层,但首先,我想了解keras和CNN . 我的控制台输出以下错误: ValueError:检查目标时出错:期望dense_2有形状(None,2)但是有形状的数组(321,3) 这是我的代码: from __future__ import absolute_import from _... -
1 votesanswersviews
ValueError:检查输入时出错:期望conv3d_1_input具有形状(704,11,3,1)但是具有形状的数组(72000,704,11,3)
我正在努力将图像输送到3D卷积网络 . 图像是704 x 11 x 3图像,我收到以下错误 . 列车图像的数量是72000,CNN的输入形状是 (704,11,3,1) . ValueError:检查输入时出错:预期conv3d_1_input具有形状(704,11,3,1)但是具有形状的数组(72000,704,11,3) 下面是我在keras中编写的代码,用于提供给网络 . x = cv... -
0 votesanswersviews
从Keras模型中将特征提取到数据集中
我使用以下代码(由here提供)运行CNN来训练MNIST图像: from __future__ import print_function import keras from keras.datasets import mnist from keras.models import Sequential from keras.layers import Dense, Dropout, Flatte... -
0 votesanswersviews
如何使Keras在密集层中有两个不同的初始化器?
我有两个单独设计的CNN,用于相同数据的两个不同特征(图像和文本),输出有两个类 在最后一层: 对于图像(resnet),我想使用“he_normal”作为初始化器 flatten1 = Flatten()(image_maxpool) dense = Dense(output_dim=2, kernel_initializer="he_normal")(flatten1) ... -
0 votesanswersviews
重新训练初始v3时验证准确度低
我正在使用带有25000张图像的猫狗数据集 . xtrain.shape = (25000, 224, 224, 3) ytrain.shape = (25000, 2) 然后使用InceptionV3,我试图在这个数据集上微调模型 . from keras.applications.inception_v3 import InceptionV3 base_model = InceptionV3... -
0 votesanswersviews
CNN - 培训准确度为1.0,验证准确度为1.0 . 预测返回0.0
我正在尝试 Build 一个CNN,其训练集为206个图像,并测试一组19个图像 . 我已经构建了一个包含2个卷积层和一个完整连接的模型 . 我已将dropout添加到完整连接以避免过度拟合 . 在第一个时期,损失从0.02开始,准确度为0.88 . 验证准确度为1.00 . 对于49个其他时期,训练和验证准确度保持在1.00 . 只是为了检查,我试图预测使用正确的图像和错误的图像 . 两次预测都... -
0 votesanswersviews
train_and_evaluate tensorflow API不记录所有步骤
我编写了自定义估算器来训练和评估MNIST数字 . 在这里,我使用了估算器的train_and_evaluate API进行训练和评估 . 这是我的训练规范片段train_spec = tf.estimator.TrainSpec(input_fn = train_input_fn,hooks = [logging_hook],max_steps = 420) . 我在train_input_fn... -
0 votesanswersviews
如何使用暹罗网络保存,恢复,预测(三重丢失)
我正在尝试开发一个用于简单面部验证的暹罗网络(以及第二阶段的识别) . 我有一个网络,我设法训练,但我有点困惑,如何保存和恢复模型制作预测与训练模型 . 希望可能是该领域的有经验的人可以帮助取得进展.. 以下是我创建暹罗网络的方式,首先...... model = ResNet50(weights='imagenet') # get the original ResNet50 model mo... -
0 votesanswersviews
卷积神经网络输出相同的值
我正在使用tensorflow训练CNN识别验证码图像 . 我正在使用多字符分类,而不是在个别角色上对网络进行分段和训练 . 我的训练集中有大约60,000张图像 . 问题是我的CNN在几次迭代后开始输出相同的值 . 然后我将输入图像标准化 . 图像是RGB值,因此范围为[0,255] . 归一化后,输入图像为[0,1] . 即使在归一化之后,CNN在几次迭代后输出相同的值 . 我减少了号码 . ... -
1 votesanswersviews
在Keras的CNN训练冻结
我正在Keras(Tensorflow后端)训练CNN模型 . 我用 fit_generator() 进行了飞行增强 . 该模型将图像作为输入,并且应该预测自驾车的转向角 . 在此之后训练就冻结了 . 我曾尝试更改批量大小,学习率等,但它不起作用 . 训练在第一纪元结束时冻结 . 请帮忙! [BATCH_SIZE=32 INPUT_IMAGE_ROWS=160 INPUT_IMAGE_COLS=3... -
1 votesanswersviews
Keras多输出模型
我正在使用Keras功能API来构建 a model with multiple (five) outputs and the same input ,以便同时预测数据的不同属性(在我的情况下是图像) . 该模型的摘要如下(大写字母是已经预训练的VGG16上添加的图层): 馈送到CNN的数据形状如下: # input images ('x_train shape:', (23706, 224, ... -
0 votesanswersviews
用于检索权重的Tensorflow操作
我目前正在使用在Keras中实现的U-Net(https://arxiv.org/pdf/1505.04597.pdf)来分割显微镜图像,并希望利用出版物中介绍的权重图 . 我无法找到如何将权重贴图单独加载到我的自定义丢失函数中,因此我决定将权重贴图和标签图像(通过图像乘法)组合并将它们作为y_true加载到我的网络中 . 现在我正在努力使用tensorflow操作将我的y_true分成真正的标签... -
0 votesanswersviews
在使用Keras训练之前调整MNIST图像的大小
我一直致力于一个涉及CNN及其权重的项目,我一直在努力减少CNN中存在的权重数量 . 我想在训练CNN之前将MNIST图像从28x28调整为14x14,但我不知道如何在Keras中完成 . 以下是导入MNIST数据集和构建CNN时使用的代码示例: # LOAD MNIST DATA (X_train, y_train), (X_test, y_test) = mnist.load_data() #... -
0 votesanswersviews
在线数据增加的使用是否是CNN模型之间的公平比较
我正在使用我的卷积神经网络中的图像的在线数据增强 . 我正在使用Keras ImageDataGenerator . 在每批中增加图像,然后在这些图像上训练模型 . 我正在比较不同的模型,但由于图像是动态增强的,这是否公平,因为每个模型的图像都略有不同? -
0 votesanswersviews
如何选择1-D信号(accelrometer信号)的张量形状?由于张量形状,我一直得到VlaueError
我正在尝试为CNN建模1-D信号,但我无法理解等级错误 . 我的程序是这样的: #Weights def init_weights(shape): init_random_dist = tf.truncated_normal(shape, stddev=0.1) return tf.Variable(init_random_dist) #Bias def init_bias(s... -
0 votesanswersviews
在keras中训练开放面模型后嵌入预测输出即使是1个时期也是纳米但没有训练给出有效的嵌入输出
代码来自this github repo . repo为模型提供代码,我们的目标是训练模型,基于类似于OpenFace模型实现的三元组丢失函数生成128个嵌入 . 型号代码如下所述 . 仅在使用opencv调整图像大小后才提供输入 def createmodel(): myInput = Input(shape=(96,96,3)) x = ZeroPadding2D(padding=(3, ... -
0 votesanswersviews
CNN没有正确训练和测试
我试图解决二进制分类任务 . 我有一个20,000 X 50的0和1的矩阵,每张图片20,000张图片是4392的维度向量,在此过程中我将重塑为61 * 72并通过网络 . 在我通过网络传递图像后,我想为每个图像获得50个零和1的维度向量,然后在预测结果与我加载的真实值之间进行比较 . 我有一个卷积神经网络,我使用这个例子 Build :https://pythonprogramming.net/...