- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
为了让所有事情变得清楚,让我展示整个模型,这非常简单:
from keras.datasets import cifar10 #much more libraries imported
# simple prerocessing
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
batch_size = 32
num_classes = 10
y_train = np_utils.to_categorical(y_train, num_classes)
y_test = np_utils.to_categorical(y_test, num_classes)
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
def base_model():
model = Sequential()
model.add(Conv2D(32, (3, 3), padding='same', input_shape=x_train.shape[1:]))
model.add(Activation('relu'))
model.add(Conv2D(32,(3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64, (3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes))
model.add(Activation('softmax'))
sgd = SGD(lr = 0.1, decay=1e-6, momentum=0.9, nesterov=True)
# Train model
model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])
return model
cnn_n = base_model()
cnn_n.summary()
# Fit model
cnn = cnn_n.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, validation_data=(x_test,y_test)
,shuffle=True, verbose=
0)
正如你所看到的,训练错误和验证甚至没有考虑减少错误
sequential_model_to_ascii_printout(cnn_n)
OPERATION DATA DIMENSIONS WEIGHTS(N) WEIGHTS(%)
Input ##### 32 32 3
Conv2D \|/ ------------------- 896 0.1%
relu ##### 32 32 32
Conv2D \|/ ------------------- 9248 0.7%
relu ##### 30 30 32
MaxPooling2D Y max ------------------- 0 0.0%
##### 15 15 32
Dropout | || ------------------- 0 0.0%
##### 15 15 32
Conv2D \|/ ------------------- 18496 1.5%
relu ##### 15 15 64
Conv2D \|/ ------------------- 36928 3.0%
relu ##### 13 13 64
MaxPooling2D Y max ------------------- 0 0.0%
##### 6 6 64
Dropout | || ------------------- 0 0.0%
##### 6 6 64
Flatten ||||| ------------------- 0 0.0%
##### 2304
Dense XXXXX ------------------- 1180160 94.3%
relu ##### 512
Dropout | || ------------------- 0 0.0%
##### 512
Dense XXXXX ------------------- 5130 0.4%
softmax ##### 10
y_test 还包含其他类:
y_test
array([[0., 0., 0., ..., 0., 0., 0.],
[0., 0., 0., ..., 0., 1., 0.],
[0., 0., 0., ..., 0., 1., 0.],
...,
[0., 0., 0., ..., 0., 0., 0.],
[0., 1., 0., ..., 0., 0., 0.],
[0., 0., 0., ..., 1., 0., 0.]]
为什么模型“看到”只有 1 个类?
PS:我正在遵循本指南:https://blog.plon.io/tutorials/cifar-10-classification-using-keras-tutorial/
最佳答案
我认为这个CIFAR-10任务可以选择Adam优化算法,SGD收敛速度较早。而你设置的学习率太大(可以设置lr=0.01或者lr=0.001),会在冲击最小点附近。这是我的代码:CIFAR-10
关于python - Keras 在一类 Cifar-10 上过度拟合,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51118032/
为了进行微调,您将使用 CIFAR-100 数据集“bus”和“tiger”类的数据。你的任务是找出如何微调预训练的 CNN 模型,使用训练数据(我认为每个类 500 个图像)“bus”和“tiger
我想使用 CIFAR-10 数据集,但我只想要 Frog 、狗、猫、马和鸟类,到目前为止我已经使用了以下代码: # Plot ad hoc CIFAR10 instances from ker
我尝试为 CIFAR-10 数据库构建神经网络。我使用了 Pytorch 框架。 我有一个关于数据加载步骤的问题。 transform_train = T.Compose([ T.Random
我想使用较少的训练数据样本来训练深度神经网络,以减少测试我的代码的时间。我想知道如何使用 Keras TensorFlow 对 Cifar-10 数据集进行子集化。我有以下代码用于训练 Cifar-1
在机器学习方面,我是一个相对初学者。 我一直在使用 Keras 和 TensorFlow 作为后端,但由于某种原因,当我使用 CIFAR-10 数据集时,我没有获得很好的准确性。 这是我的代码。 mo
美好的一天! (或夜晚) CIFAR-10 数据集上的全连接神经网络训练集的误分类错误可以有多低(对于 < 30 个隐藏层)? 是否有可能达到 0.001 或 0? 你能告诉我你的经历吗? 附注我想从
我正在尝试了解 Tensorflow,并且看到了官方示例之一,即 Cifar-10 模型。 在 cifar10.py ,在 inference() 中,您可以看到以下几行: with tf.varia
我想创建一个与 cifar-10 数据集格式相同的数据集,以便与 Tensorflow 一起使用。它应该有图像和标签。基本上,我希望能够获取 cifar-10 代码,但具有不同的图像和标签,并运行该代
我试图在 python 中加载 CIFAR-10 数据集,但它显示的键的名称非常不正常。 dict.keys() 给出以下输出: dict_keys([b'labels', b'batch_label
我已尝试修改 CIFAR-10 示例以在新的 TensorFlow 分布式运行时上运行。但是,在尝试运行该程序时出现以下错误: InvalidArgumentError: Cannot assign
我正在使用 cifar-10 数据集来训练我的分类器。我已经下载了数据集并尝试显示数据集中的图像。我使用了以下代码: from six.moves import cPickle as pickle f
为了让所有事情变得清楚,让我展示整个模型,这非常简单: from keras.datasets import cifar10 #much more libraries imported # simpl
我正在尝试使用深度学习技术构建一个分类器,并使用 cifar-10 数据集来构建一个分类器。我尝试构建一个具有 1024 个隐藏节点的分类器。每个图像的大小为 32*32*3(R-G-B)。由于我的计
我试图在 tensorflow 中使用 cifar100 数据集训练图像分类器模型,但准确率没有增加超过 1.2%。我用谷歌搜索了这个问题并找到了几种解决方案,但我的模型仍然表现不佳。 我实现了一些步
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 2 年前。 Improve this ques
我想使用 cifar 数据集和 keras 框架训练单层神经网络。由于数据集的每个图像都是 32 x 32 x 3,所以我不太确定如何使用没有卷积的单层网络来处理图像。我认为将每个图像展平为形状为 N
我试图使用来自 tensorflow 的 cifar-10 预测单个图像的类别。 我找到了这段代码,但是失败并出现了这个错误: 赋值要求两个张量的形状匹配。 lhs 形状= [18,384] rhs
我正在尝试下载 CIFAR-10 图像数据集; http://www.cs.toronto.edu/~kriz/cifar.html 在 R 中,但我似乎无法提取文件。我已经尝试了所有三种格式 .bi
我正在尝试通过为 cifar 数据集构建分类器来熟悉神经网络。我决定从 tflearn 存储库中获取一个示例,但是我遇到了麻烦。 有一些注意事项: 我正在使用 Jupyter Notebook 来测试
我正在尝试在 Keras 中的 CIFAR-10 数据集上训练 CNN,但只能获得 10% 左右的准确率,基本上是随机的。我正在训练超过 50 个 epoch,批量大小为 32,学习率为 0.01。我
我是一名优秀的程序员,十分优秀!