深度学习是一个机器学习领域,其目标是使用“深层”(由多层组成)的特殊神经网络架构来学习复杂的功能。此标记应用于有关深度学习体系结构实现的问题。一般机器学习问题应标记为“机器学习”。包括相关软件库的标签(例如,“keras”或“tensorflow”)是有帮助的。
我在导入tensorflow-text时遇到了一系列错误。我首先尝试导入以下运行正常的版本。 !pip 安装tensorflow==2.8 但现在它是这样说的 `导入
Google 给出了以下数据流图作为示例,但没有对场景本身进行任何解释(https://www.tensorflow.org/guide/graphs)。 我无法理解这样一个图表的用例。 W...
如何使用批量标准化而不忘记刚刚在 Pytorch 中使用的批量统计信息?
我处于一个不寻常的环境中,我不应该使用运行统计数据(因为这会被认为是作弊,例如元学习)。然而,我经常对一组点(实际上是 5 个点)进行前向传球......
我试图理解判别模型和生成模型之间的区别。堆栈溢出的有用答案之一是:What is the Difference Between a Generative and a
如何使用 MATLAB Deep Learning Toolbox 在深度学习 LSTM 中应用滑动窗口
我目前正在使用 MATLAB Deep Learning Toolbox 构建 LSTM 网络来进行时间序列回归。因为我的数据有 12 个特征和 1 个响应。将sequenceInputLayer的输入大小设置为...
scores = model.evaluate(test_ds) 多次运行时总是给出不同的结果
当我运行这个单元时,它给了我不同的准确性。 为什么? 我将如何解决它? 我已经设置了种子值。 修复了测试、训练和验证数据 我已经建立了一个 CNN 模型。我想要一个稳定的答案...
我目前正在准备数据集,以便在其上训练 SSD 模型。 我想知道是否必须为每个课程的每个图像进行注释, 或者我是否可以将图像裁剪为
我使用下面的代码来训练unet模型。我的数据集最初由 10000 张图像组成,形状=(256,256,3),运行良好。然而,我经常遇到将其放大到 14000 张图像...
我在 VS code 中使用 Jupyter Notebook 进行深度学习模型构建和训练过程中遇到了一个问题。 我尝试使用 ...
R / RStudio 中的 Keras - 从张量流数据集中提取标签
我有一个图像的张量流测试数据集。我已经使用 CNN 模型对测试数据集进行二元分类(预测),但需要根据这些数据创建一个混淆矩阵
使用register_hook()冻结一部分权重张量并不能加快训练速度
我正在做一种迁移学习,我想冻结权重张量的一部分并训练另一个,如我上一个问题中所解释的 为此,我使用 register_hook() 来设置
错误 self.cap = cv2.VideoCapture(0) 期望“if”语句后有一个缩进块
我想用Python构建人脸识别,我按照youtube上的教程进行操作,然后当我尝试运行该应用程序时出现此错误。 我完全按照教程做的,但我不知道我是否错过了......
我正在 Keras 中执行语义分割任务 - 从背景中对树进行分类。我的图像最初的形状为 (256, 256, 3)。但是,我想将它们的大小调整为 (128, 128) 以加快火车速度...
optree 实际上已经安装了,但是当运行“from keras.models import Sequential”时,它仍然抛出 ImportError 要求我安装 optree,为什么?
我正在尝试使用 VS Code 启动一个小型数据科学项目,目前我在通过运行以下行导入 keras 时遇到问题: LSTM 和 GRU 项目 依赖关系 将 pandas 导入为...
我使用过ARKit人脸追踪。通过使用它,我可以获得人脸特征点 x=faceAnchor.geometry.vertices[638][0] y=faceAnchor.geometry.vertices[638][1] z=faceAnchor.geometry.vertices[638][2] ...
我知道下定义的 KMeans 算法需要特征缩放 sklearn.cluster.KMeans 我的问题是,在使用 KMeans 之前是否需要手动完成,或者 KMeans 会自动执行...
我的问题是关于分割以在卫星图像的一部分上发现轻型车辆。我只有卫星图像和遮罩(我可以在 QGIS 上打开)。 虽然预测掩模有...
我现在对深度学习还是新手,我按照这个 keras 教程使用 Transformer 制作翻译模型(这里是链接)。一切都很好,但我不知道如何保存...
def make_prediction(x0,t0): 输入 = torch.vstack([x0,t0]) Layer_1 = torch.matmul(w0,输入) 返回层_1 损失1 = nn.MSELoss() def loss_function(): u_t=(make_prediction(x,t+
PyTorch 运行时错误:设备 >= 0 && 设备 < num_gpus INTERNAL ASSERT FAILED
我正在尝试使用 YOLOv8 模型进行一些推理,只需使用以下命令: yolo 检测预测源=input.jpg 模型=yolov8n.pt 设备=0 但我收到了与 Py 有关的错误...