【问题标题】:Keras Transfer LearningKeras 迁移学习
【发布时间】:2020-05-13 18:15:10
【问题描述】:

假设我想训练一个 ConvNet 来告诉我照片中是否下雨,程序将如何?

鉴于我有两个火车变量 trainXtrainYtrainX 将是照片,trainY 将是标签(例如 rainno-rain)。

网络的目标是输出“正确”的答案。问题是:我是否只需要运行 model.predict() 函数并期望得到有效结果?

提前感谢您的帮助。

【问题讨论】:

  • 首先,您需要创建模型结构,然后将其拟合到您的数据中。那么只有你可以做 model.predict()

标签: python machine-learning keras conv-neural-network transfer-learning


【解决方案1】:

1) 构建您的 CNN 模型:层、激活函数...

2) 使用现有的 trainXtrainY-Dataset 对其进行训练。 (使用Augmentation最终获得更好的结果)

3) 使用另一个数据集进行验证,假设它们被称为:testXtestY

4) 修改你的模型的设置,直到你的准确率和损失足够高以满足你的需要......

5) 享受你的 CNN

这可以帮助您: Building a CNN with Keras

【讨论】:

  • 两件事:“设置”是指批量大小,动量?对于 X 和 Y,我是对的吗? X 是照片,Y 是标签?
  • X 和 Y 是对的,X 是照片,Y 是标签...但是通过设置,我将专注于修改模型本身。添加新层、去除不必要的层、更改内核大小、填充、丢弃率、过滤器的数量……构建自己的 CNN 时必须输入的所有参数。没有“正确”数量的内核或层...更像是反复试验...批量大小和动量也是可变的,您可以密切关注它们,但优化通常开始得更早
猜你喜欢
  • 1970-01-01
  • 2020-10-04
  • 2021-06-03
  • 2021-02-01
  • 1970-01-01
  • 2019-06-06
  • 2023-03-19
  • 2020-02-11
  • 2019-09-19
相关资源
最近更新 更多