一直在尝试构建一个 CNN 来对 MFCC 数据进行分类,但 model 立即过拟合。 数据: 18 000 个文件(80% 训练,20% 测试) 5 个标签数据中的 5 个类别都是等量的。 这个 model 被创建用于处理比 18k 更多的文件,所以我被告知要尽我所能减少网络,这可能会有所帮助 ...
一直在尝试构建一个 CNN 来对 MFCC 数据进行分类,但 model 立即过拟合。 数据: 18 000 个文件(80% 训练,20% 测试) 5 个标签数据中的 5 个类别都是等量的。 这个 model 被创建用于处理比 18k 更多的文件,所以我被告知要尽我所能减少网络,这可能会有所帮助 ...
我需要在一张照片中检测object(硬币),也就是在它周围画一个矩形。 我尝试了 Mark-RCNN、Retina、Yolo、SSD - 结果相同。 矩形并不完美。 如果您查看在线提供的示例,您会明白我的意思: 查看图片在本文提供的图片中,您可以看到建议的矩形“切割”了 object,将其一部分留在 ...
我有两个文件夹,X_train 和 Y_train。 X_train 是图像,Y_train 是矢量和.txt 文件。 我尝试训练 CNN 进行回归。 我不知道如何获取数据和训练网络。 当我使用“ImageDataGenerator”时,它假设 X_train 和 Y_train 文件夹是类。 上 ...
我正在构建一个带有训练数据(28659、257)和测试数据(5053、257)的 Conv1D model,但我遇到了一个值错误,上面写着:预期 min_ndim=3,发现 ndim=2。 收到的完整形状:[无,256] 数据集的大小 model 测试精度 错误来自 fit(),但我无法计算出我 ...
我想要一个激活 function 诸如 mish mish(x)=x * tanh(softplus(x))之类的激活函数,而不是sigmoid(x) = 1 / (1 + exp(-x))我希望将它用作conv_layer1 = Conv3D(filters=8, kernel_size=(3, ...
不支持将字符串转换为浮点数。 尝试使用 model.fit() 位会给我一个错误。 应该可能导致批量处理数据。 代码: 错误: ...
我正在尝试对磁共振图像进行语义分割,这是一个通道图像。 要从 U-Net 网络获取编码器,我使用此 function: 它的总结是: 我试图了解神经网络是如何工作的,我有这段代码来显示最后一层权重和偏差的形状。 有了这个 output: 我试图了解Filters' shape是什么意思(3, 3, ...
你好, 我在手头的主题上挣扎。 我将从我的目标开始: 我想用一系列图像(视频)训练以下 model - 准确地说是 10。 我的逻辑:为此,我创建了一个视频数据库并将每个视频中的 10 帧提取到 np.array object 中。 每帧的大小为 (255,255) 且为灰度。 总结:输入形状为( ...
我目前正在尝试重新创建论文中使用的 CNN model “使用 CNN 进行面部表情识别:kernel 大小和过滤器数量对准确性的影响的研究”,作者 Abhinav Agrawal 和 Namita Mittal ( https://doi.org/10.1007/s00371-01-9 )-. ...
我正在尝试获得 10 节课的 ROC。 我使用过 CNN model (keras)。 我能够得到一对 rest 曲线,但我想得到一对一。 以下是我的代码片段。 此代码生成一个 vs rest 曲线但是我想得到像这张图片这样的曲线可以这样做吗? 帮助将不胜感激。 ...
我正在尝试根据经过训练的 model 预测输入图像的 label,但在下面的代码中出现'str' object has no attribute 'decode' 。 我不明白它在说什么以及如何解决它。 ...
试图将数据集中的数据加载到数组 data[] 中,给我一个广播错误。 代码: 错误: ...
我收到此代码错误,我不确定如何重塑我的张量。 ...
我正在尝试训练代理玩Connect4游戏。 我找到了一个如何训练它的例子。 板的表示是 1x6x7 数组: 使用了这种神经网络架构: 在与随机移动的智能体 2 的游戏中,它的得分还不错: 这里建议将 3 层表示作为改进代理的方法之一: 我试图实现它,这是新的 3 层板表示的示例: 当我使用当前的 ...
我是 Python 的新手,我正在尝试为一个项目启动 CNN。 我安装了 gdrive 并尝试从 gdrive 目录下载图像。 之后,我试图计算该目录中的图像。 这是我的代码: 但是,我收到以下错误。 你能帮忙吗? 建议后,我的代码如下所示: ...
我想用图像数据训练一个 CNN model。 我有 2 类(面具和不面具)。 我通过以下代码导入并保存数据: 我像这样构建 model: model.summary 给我以下结果: 然后我安装了 model 但 kernel 停止。 我的拟合代码是: 我的 tensorflow 版本是 2.2. ...
def my_model(): inputs = keras.Input(shape=(height,width,3)) x = layers.Conv2D(32,3)(inputs) x = layers.BatchNormalization(input_shape=(32 ...
我试图弄清楚如何根据这些条件拆分数据,以便在此运行 CNN: 将训练/测试数据集分成两组:一组 class 标签 < 5,一组 class 标签 >= 5。从训练和测试数据集中打印出结果两组的形状。 上面的代码是我加载数据的方式。 下面是我如何解释它,但我不确定我是否做对了,因为训练图像 ...
在我将图像转换为灰度之前,一切都很好。 所以 rgb 的形状是(256, 256, 3)但灰度有(256, 256) 。 当我喂它时,我得到了那个错误。network = Sequential() network.add(Convolution2D(32, kernel_size=(3, 3), ...
我找到了很多关于类似问题的答案,但它们几乎是关于“去除扁平层”。 但是我没有对输入层使用任何展平层。 因此,通过搜索,我将整个代码中的 () 更改为 [],如下所示: model.add(Conv3D(32, kernel_size = (3,3,3), input_shape = (32, 32 ...