Estoy entrenando neural network para mi proyecto usando Keras. Keras ha proporcionado una función para la parada temprana. ¿Puedo saber qué parámetros deben observarse para evitar que mi neural network se sobrecaliente utilizando una parada temprana?
Cuando entrenamos redes neuronales convolucionales para tareas de clasificación de imágenes, generalmente queremos que nuestro algoritmo aprenda los filtros (y sesgos) que transforman una imagen dada en su etiqueta correcta. Tengo algunos modelos que estoy tratando de comparar en términos de tamaño del modelo, número de operaciones, precisión, etc. Sin embargo, el tamaño del modelo […]
Estoy tratando de implementar una U-Net con Keras con backend Tensorflow para una tarea de segmentación de imagen. Tengo imágenes de tamaño (128,96) como entrada a la red junto con imágenes de máscara de tamaño (12288,6) ya que están aplanadas. Tengo 6 clases diferentes (0-5) que dan la segunda parte de la forma de las […]
Estoy tratando de producir una CNN usando Keras, y escribí el siguiente código: batch_size = 64 epochs = 20 num_classes = 5 cnn_model = Sequential() cnn_model.add(Conv2D(32, kernel_size=(3, 3), activation=’linear’, input_shape=(380, 380, 1), padding=’same’)) cnn_model.add(Activation(‘relu’)) cnn_model.add(MaxPooling2D((2, 2), padding=’same’)) cnn_model.add(Conv2D(64, (3, 3), activation=’linear’, padding=’same’)) cnn_model.add(Activation(‘relu’)) cnn_model.add(MaxPooling2D(pool_size=(2, 2), padding=’same’)) cnn_model.add(Conv2D(128, (3, 3), activation=’linear’, padding=’same’)) cnn_model.add(Activation(‘relu’)) cnn_model.add(MaxPooling2D(pool_size=(2, 2), padding=’same’)) […]
Estoy trabajando en un problema de clasificación de píxeles de imagen utilizando redes neuronales de convolución. El tamaño de mis images entrenamiento es 128x128x3 y el tamaño de la mask etiqueta es 128×128 Hago entrenamiento en Keras de la siguiente manera: Xtrain, Xvalid, ytrain, yvalid = train_test_split(images, masks,test_size=0.3, random_state=567) model.fit(Xtrain, ytrain, batch_size=32, epochs=20, verbose=1, shuffle=True, […]
Estoy usando VGG16 con keras para la transferencia de aprendizaje (tengo 7 clases en mi nuevo modelo) y como tal quiero usar el método de predicción y predicción incorporado para generar las predicciones de mi modelo. Sin embargo, utilizando el siguiente código: preds = model.predict(img) decode_predictions(preds, top=3)[0] Recibo el siguiente mensaje de error: ValueError: decode_predictions […]
Soy nuevo en Pytorch. He estado tratando de aprender cómo ver mis imágenes de entrada antes de comenzar a entrenar en mi CNN. Me está costando mucho cambiar las imágenes a una forma que se puede usar con matplotlib. Hasta ahora he intentado esto: from multiprocessing import freeze_support import torch from torch import nn import […]
He construido un modelo Convolutional LSTM utilizando Tensorflow ConvLSTMCell (), tf.nn.dynamic_rnn () y tf.contrib.legacy_seq2seq.rnn_decoder () Tengo 3 capas de codificador y 3 capas de decodificador, los estados iniciales de los decodificadores provienen de los estados finales de los codificadores. Tengo 128, 64 y 64 filtros para la capa 1, capa 2 y capa 3 respectivamente. […]
Así que en los últimos meses he estado aprendiendo mucho sobre redes neuronales con Tensorflow y Keras, así que quería intentar hacer un modelo para el conjunto de datos CIFAR10 (código a continuación). Sin embargo, durante el proceso de entrenamiento, la precisión mejora (de aproximadamente el 35% después de 1 época al 60-65% después de […]
He entrenado una neural network convolucional (CNN) con los siguientes datos que tenía en un archivo binario (etiqueta, nombre de archivo, datos (píxeles)): [array([2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0]), array([’10_c.jpg’, ’10_m.jpg’, […]