machine-learning 相关问题

有关机器学习算法的实施问题。关于机器学习的一般问题应该发布到他们的特定社区。

我想将我的 CNN 深度特征提供给传统分类器，即随机森林。我不想使用 MLP（多层感知器）来对我的问题进行分类，但需要其他分类器。我有我的数据...

python machine-learning keras deep-learning classification

回答 1 投票 0

ValueError：层“dense_2”需要 1 个输入，但它收到了 2 个输入张量

我无法加载我的模型，它一直说错误 ValueError：层“dense_2”需要 1 个输入，但它收到了 2 个输入张量。收到的输入：[ 我无法加载我的模型，它一直说错误 ValueError：层“dense_2”需要 1 个输入，但它收到了 2 个输入张量。收到的输入：[，] 这是我的代码 image_generator = ImageDataGenerator( rescale=1./255, rotation_range=20, zoom_range=0.2, width_shift_range=0.2, height_shift_range=0.2, horizontal_flip=True, validation_split=0.2 ) train_dataset = image_generator.flow_from_directory( directory=path_to_dataset, target_size=(224, 224), batch_size=32, subset='training' ) validation_dataset = image_generator.flow_from_directory( directory=path_to_dataset, target_size=(224, 224), batch_size=32, subset='validation' ) # Menentukan jumlah kelas (num_classes) berdasarkan jumlah subfolder dalam dataset num_classes = len(train_dataset.class_indices) from tensorflow.keras.applications.mobilenet import MobileNet # Load the MobileNet model pre_trained_model = tf.keras.applications.MobileNetV2(input_shape=(224, 224, 3), include_top=False, weights='imagenet') pre_trained_model.summary() # Print dataset information for debugging print(f"Training dataset shape: {train_dataset.image_shape}") print(f"Validation dataset shape: {validation_dataset.image_shape}") pre_trained_model.trainable = False # Menambahkan layer kustom di atas model pre-trained model = tf.keras.Sequential([ pre_trained_model, tf.keras.layers.GlobalAveragePooling2D(), tf.keras.layers.Dense(1024, activation='relu'), tf.keras.layers.Dropout(0.5), tf.keras.layers.Dense(num_classes, activation='softmax') ]) # Compile model #from tensorflow.keras.optimizers import RMSprop model.compile(optimizer=Adam(learning_rate=0.0001), loss='categorical_crossentropy', metrics=['accuracy']) batch=40 history = model.fit(train_dataset, validation_data=validation_dataset, epochs=20, steps_per_epoch = train_dataset.samples//batch, validation_steps = validation_dataset.samples//batch, verbose = 1 ) # Load the model model_save_path = '/content/drive/MyDrive/Machine Learning/saved_models/model_plastik.h5' # Load the model, ensuring it's compiled if needed loaded_model = tf.keras.models.load_model(model_save_path) # Now you can modify the loaded model if necessary # For example, if you want to extract a sub-model: input_layer_index = 0 # Replace with the actual index dense_2_index = 3 # Replace with the actual index loaded_model = tf.keras.models.Model(inputs=loaded_model.layers[input_layer_index].input, outputs=loaded_model.layers[dense_2_index].output) # Check the configuration of the loaded model for i, layer in enumerate(loaded_model.layers): print(f"Layer {i}: {layer.name} - Input shape: {layer.input_shape} - Output Shape: {layer.output_shape}") print("Revised model loaded successfully.") 我尝试加载模型，我希望它加载到测试有同样的问题，只需尝试使用功能 API 实现相同的架构即可。

python tensorflow machine-learning keras tf.keras

回答 1 投票 0

使用序列数据进行多类分类，LSTM Keras 不起作用

我正在尝试对顺序数据进行多类分类，以根据源的累积读取来了解某些事件的来源。我正在使用带有 64 个的简单 LSTM 层...

machine-learning keras deep-learning lstm

回答 1 投票 0

尝试训练 yolo 自定义模型时，data.yaml 文件中的相对路径出现问题

我正在尝试创建一个训练管道，以使用用户输入的标记图像来训练自定义 yolov9 模型。我遇到一个问题，如果我让 data.yaml 文件使用相对路径，我会收到错误...

python machine-learning neural-network yolo ultralytics

回答 1 投票 0

如何仅通过知道输出之和来训练神经网络？

在我的 ML 项目中，我需要调整某个函数 f，在我的数据集中我只知道 f 评估的总和，例如在本例中： f(a1,b1,c1) + f(a2,b2,c2) + … = S 我只知道...