Keras过拟合

2019-06-29 Keras/kernel visual

Modelimage.pngblock1(64of64):方向边缘和颜色image.pngblock2(first64of128):简单纹理image.pngblock3(first64of256):自然图像中的纹理：羽毛、眼睛、树叶等image.pngblock4(first64of512)image.pngblock5(first64of512)image.png
七点水Plus·2023-08-27 08:51

基于Keras的inception_v3猫狗识别迁移学习

话不多说，直接上代码；#1-加载数据fromkeras.applications.inception_v3importpreprocess_inputfromkeras.preprocessing.imageimportImageDataGeneratorIMSIZE
人工智能教学实践·2023-08-27 07:33

【DL】第 3 章：生成对抗网络（GAN）

使用Keras从头开始构建和训练深度卷积GAN(DCGAN)使用DCGAN生成新图像了解训练DCGAN时面临的一些常见问题了解WassersteinGAN(WGAN)架构如何解决这些问题了解可以对WGAN
Sonhhxg_柒·2023-08-27 06:33

强化学习系列--深度Q网络（DQN算法）

强化学习系列--深度Q网络（DQN算法）介绍示例代码（pytorch实现）示例代码（keras实现）介绍深度Q网络（DeepQ-Network，DQN）是一种强化学习算法，通过结合深度神经网络和Q-learning
lqjun0827·2023-08-26 16:14

基于Keras的网红小姐姐相似图像检索

而且单就图像识别来讲，Keras使用起来比Chainer更方便，所以安装使用Keras框架。（注：使用Keras框架的另一个原因是"Keras"的五个字母包含在"Kaiser"当中。）
Python芸芸·2023-08-26 13:18

深度学习调参技巧

大数据没爆卡速度可以是一个好的指标，但是也要注意模型的泛化能力，比如是否有过拟合或者欠拟合的现象。你可以使用交叉验证或者早停法来避免过拟合，或者增加模型的复杂度或
子燕若水·2023-08-26 09:54

【深度学习_TensorFlow】过拟合

写在前面过拟合与欠拟合欠拟合：是指在模型学习能力较弱，而数据复杂度较高的情况下，模型无法学习到数据集中的“一般规律”，因而导致泛化能力弱。
畅游星辰大海·2023-08-26 09:19

CEEMDAN-and-LSTM-CNN-CBAM模型时序数据预测（Python代码，有中文注释，三份不同数据集测试集效果均佳，无需修改数据路径，解压缩直接运行）

CEEMDAN-and-LSTM-CNN-CBAM模型时序数据预测（Python代码，三份不同数据集测试集效果均佳，无需修改数据路径，解压缩直接运行）_哔哩哔哩_bilibili版本要求：TensorFlow>=2.4.0numpy>=1.19.4keras
深度学习的奋斗者·2023-08-26 06:19

基于Python的机器学习实践（portein）

数据准备）（4）数据建模（5）查看模型（6）模型预测（7）结果输出数据集https://download.csdn.net/download/llf000000/86724465简介机器学习最担心的事情：过拟合
pythonSuperman·2023-08-26 03:40

术语理解

当一个完整的数据集通过了神经网络一次并且返回一次，这个过程称为epoch在神经网络中传递完整的数据集一次是不够的，需要我们将完整的数据集在同样的神经网络中传递多次，但是随着epoch次数的增加，神经网络中的权重更新次数也增加，曲线从欠拟合到过拟合
唐僧骑马彤那个彤·2023-08-25 21:36

tensorflow 中batch normalize 的使用

但是最近在调slim中的resnet的时候，发现训练集有很高的accuracy（如90%），但是测试集的accuracy还是很低（如0%，1%），这肯定不是由于欠拟合或者过拟合导致的。
LanWong·2023-08-25 20:50

L1正则化和L2正则化有什么区别

L1正则化偏向于稀疏,它会自动进行特征选择,去掉一些没用的特征,也就是将这些特征对应的权重置为0.L2主要功能是为了防止过拟合,当要求参数越小时,说明模型越简单,而模型越简单则,越趋向于平滑,从而防止过拟合
顾子豪·2023-08-25 16:57

人工智能-深度学习书籍介绍

1.GoogleAI研究人员，以及颇受欢迎的流行的深度学习库Keras的作者FrancoisChollet，在2017年10月份写下了这本《DeepLearningwithPython》。
干掉ios·2023-08-25 16:45

算法工程师面试

1、编程语言2、基本算法3、传统的机器学习算法机器学习模型4、常见机器学习问题过拟合问题、交叉验证问题、模型融合、模型选择问题1)几种模型（SVM，LR，GBDT，EM）的原理以及公式推导；2)RF,GBDT
遇见百分百·2023-08-25 11:25

mnist.load_data()出现错误

\python35\Lib\site-packages\keras\datasets中3.在.
Bingoyear·2023-08-25 07:14

论文笔记：When Do Contrastive Learning Signals Help Spatio-TemporalGraph Forecasting?

2022SigSpatial1intro1.1背景论文认为数据稀缺是阻碍时空图（STG）预测的一个关键问题在这一领域的公共数据集通常只包含几个月的数据，限制了可以构建的训练实例数量——>学习模型可能会对训练数据过拟合
UQI-LIUWJ·2023-08-25 05:57

决策树算法和实际应用

目录相关概念什么是决策树，它的工作原理是什么构造剪枝策树的构造过程中，有哪些重要的问题需要解决如何对决策树进行剪枝，避免过拟合现象的发生决策树算法分类ID3、C4.5和CART算法分类对比简述CART算法
数据与后端架构提升之路·2023-08-24 23:51

Pytorch-day09-模型微调-checkpoint

微调半精度训练起源：1、随着深度学习的发展，模型的参数越来越大，许多开源模型都是在较大数据集上进行训练的，比如Imagenet-1k，Imagenet-11k等2、如果数据集可能只有几千张，训练几千万参数的大模型，过拟合无法避免
闪闪发亮的小星星·2023-08-24 11:26

正则化的线性回归：岭回归和 Lasso 回归

目录1.岭回归2.Lasso回归3.Lasso回归和岭回归的同和异：参考资料引言注：正则化是用来防止过拟合的方法。
赵孝正·2023-08-24 05:50

正则化的线性回归 —— 岭回归与Lasso回归

注：正则化是用来防止过拟合的方法。在最开始学习机器学习的课程时，只是觉得这个方法就像某种魔法一样非常神奇的改变了模型的参数。但是一直也无法对其基本原理有一个透彻、直观的理解。
颐水风华·2023-08-24 05:19

机器学习——线性回归衍生(过拟合、正则化、岭回归和LASSO回归)

过拟合、正则化、岭回归、LASSO回归为什么会出现线性回归的衍生方法——正规方程法的局限过拟合模型复杂度过拟合的概念防止过拟合的办法正则化岭回归(RidgeRegression)1.Ridge回归基本思想
whether-or-not·2023-08-24 05:19

正则化的线性回归 岭回归、Lasso回归

文章目录概述岭回归效果Lasso回归效果线性回归效果概述正则化的线性回归岭回归就是正则化的线性回归，线性回归容易出现过拟合，正则化是防止过拟合的常用方法。换句话说是修正后的最小二乘法。
宁缺100·2023-08-24 05:48

秋招记录-拼多多

口述思路就好3、神经网络中解决过拟合的方法？4
文哥的学习日记·2023-08-23 16:29

Keras深度学习实践5—卷积神经网络可视化

内容参考以及代码整理自“深度学习四大名“著之一《Python深度学习》查看完整代码，请看：https://github.com/ubwshook/MachineLearning神经网络的模型是“黑盒”，也就是说模型很难用人类可以理解的方式提取和呈现。其实对于卷积神经网络来说，它非常适合可视化，因为他们是视觉概念的表示。人们开发了多种技术对齐进行可视化解释。最容易理解的方法如下:可视化卷积神经网络的
小可哥哥V·2023-08-23 11:26

无脑入门pytorch系列（五）—— nn.Dropout

这里写目录标题官方定义demoDropout的位置官方定义Dropout是一种常用的正则化方法，通过随机将部分神经元的输出置为0来减少过拟合。Dr
暗夜无风·2023-08-23 10:29

总结记录Keras开发构建神经网络模型的三种主流方式：序列模型、函数模型、子类模型

Keras是一个易于使用且功能强大的神经网络建模库，它是基于Python语言开发的。Keras提供了高级API，使得用户能够轻松地定义和训练神经网络模型，无论是用于分类、回归还是其他任务。
Together_CZ·2023-08-23 07:24

【笔记】【LSTM算法】一、Keras的简介

用Keras搭建LSTM网络，预测时间序列，用MAE当做评价指标一般会用到mae和maep来作为评价指标1.关于Keras1）简介Keras是由纯python编写的基于theano/tensorflow
墨鱼mo·2023-08-23 04:55

keras语义分割--从保存的模型中分割测试图像

训练模型参照keras官方例程得到训练模型，将其保存在路径：save_model\oxford_segmentation.h5，即将代码callbacks=[keras.callbacks.ModelCheckpoint
saw009·2023-08-23 00:06

在使用tf.nn.weighted_cross_entropy_with_logits_v2(labels, logits, pos_weight)时，如何传递参数logits？

如果网络的输出是preds，那么不能直接将preds传递给logits，而应该使logits=K.log(preds/(1-preds))，其中K来自于importtensorflow.keras.backendasK
saw009·2023-08-23 00:06

keras语义分割--准备分割数据集--方式2

使用keras的ImageDataGenerator准备分割数据集1.不要验证集img_size=(160,160)batch_size=4seed=1#图像数据生成器，可在该函数内实现数据集增强datagen
saw009·2023-08-23 00:35

前馈神经网络解密：深入理解人工智能的基石

前馈神经网络概述什么是前馈神经网络前馈神经网络的工作原理应用场景及优缺点二、前馈神经网络的基本结构输入层、隐藏层和输出层激活函数的选择与作用网络权重和偏置三、前馈神经网络的训练方法损失函数与优化算法反向传播算法详解避免过拟合的策略四
TechLead KrisChang·2023-08-22 21:51

0x08权重衰退与数值稳定性

权重衰退我们通过获取更多的数据来缓解过拟合，或者我们可以使用正则化技术来使得模型容量得以限制本质上权重衰退就是L2正则化，通过函数与0的距离来衡量函数的复杂度我们通过引入系数λ\lambdaλ来作为超参数来控制正则项的重要程度等价于
INGg__·2023-08-22 17:00

机器学习,过拟合与欠拟合,正则化与交叉验证

目录机器学习过拟合与欠拟合正则化与交叉验证正则化交叉验证机器学习的目的是使学到的模型不仅对已知数据而且对未知数据都能有很好的预测能力。不同的机器学习方法会给出不同的模型。
ZhangJiQun&MXP·2023-08-22 15:19

Pytorch-day09-模型微调-checkpoint

微调半精度训练起源：1、随着深度学习的发展，模型的参数越来越大，许多开源模型都是在较大数据集上进行训练的，比如Imagenet-1k，Imagenet-11k等2、如果数据集可能只有几千张，训练几千万参数的大模型，过拟合无法避免
闪闪发亮的小星星·2023-08-22 01:55

目标检测中边界框回归算法(bounding box regression)

目标检测中边界框回归算法(boundingboxregression)本笔记将学习如何训练自定义深度学习模型，以通过Keras和TensorFlow的边界框回归来预测目标检测。
gaoshine·2023-08-21 21:06

【深度学习】丢弃法（dropout）

丢弃法在小虾的这篇文章中介绍了权重衰减来应对过拟合问题（https://blog.csdn.net/qq_33432841/article/details/107879937），下面在介绍一种应对过拟合问题的方法丢弃法
苦逼的虾·2023-08-21 21:35

Dropout (nn.Dropout()) (为什么神经网络中的dropout可以作为正则化)(model.eval())(为什么Dropout可看作是一种集成学习)

Dropout字面意思就是“丢掉”，是为了防止神经网络出现过拟合，让隐藏层的节点在每次迭代时(包括正向和反向传播)有一定几率(keep-prob)失效。以提高模型的泛化能力，减少过拟合。
hxxjxw·2023-08-21 21:05

深度学习的正则化

正则化是为了降低模型的复杂度，和损失函数一起作用于模型中来避免模型过拟合。主要有L1正则化和L2正则化。L1正则化是L2正则化是。其中L2正则化又被成为岭回归。
约德尔人winter·2023-08-21 19:06

python中的cnn：介绍和基本使用方法

在Python中，我们通常使用深度学习框架如TensorFlow、Keras或PyTorch来实现CNN。这里，我将给出一个
StrongCertain·2023-08-21 18:37

道路检测（python代码）

以下是主要流程的简要概述：导入库和组件：导入所需的库，包括NumPy、scikit-learn和Keras等。定义模型结构：定义了一个卷积神经网络（CNN）模型的结构。
深度学习的奋斗者·2023-08-21 16:37

神经网络改进：注重空间变化,权重参数调整，正则化， 熵的简单理解

K-means））神经网络改进：权重参数调整自注意力机制（数据间关联性）多注意力机制（加权）正则化（增加模型参数，不要拟合的太真）数学上解释正则化的作用为什么参数小模型会简单正则化正则化为什么可以防止过拟合卷积网络和循环神经网络让我们对神经元展开结构继续改造的能力
ZhangJiQun&MXP·2023-08-21 13:24

PReLU——Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification

1.摘要在的基础上作者提出了，在几乎没有增加额外参数的前提下既可以提升模型的拟合能力，又能减小过拟合风险。针对的矫正非线性，作者设计了一个鲁棒的的参数初始化方法。
seniusen·2023-08-21 10:21

Python常用库

本周我们一起来了解一下：python库的导入数据分析常用python库：Numpy,SciPy,Matplotlib,pandas,StatsModels,scikit-learn,keraspython
水木冰河·2023-08-21 09:22

BN和LN之间的关系

同时，Normalization也有一定的抗过拟合作用，使训练过程更加平稳。具体地，Normalization的主要作用
壹晴天·2023-08-21 08:59

Normalization

深度学习中的Normalization:（i.更好train；ii.防过拟合）1对神经元输出规范化：BatchNorm/LayerNorm/InstanceNorm/GroupNorm2对权重规范化（WeightNorm
7ccc099f4608·2023-08-21 00:54

tensorflow 使用CPU而不使用GPU的问题解决

今天发现一个怪现象，在训练keras时，发现不使用GPU进行计算，而是采用CPU进行计算，导致计算速度很慢。
求索_700e·2023-08-20 22:09

无涯教程-TensorFlow - Keras

Keras易于学习的高级Python库，可在TensorFlow框架上运行，它的重点是理解深度学习技术，如为神经网络创建层，以维护形状和数学细节的概念。
Hi无涯教程·2023-08-20 19:35

分离硬件和代码、稳定 API，PyTorch Lightning 1.0.0 版本正式发布

机器之心报道机器之心编辑部还记得那个看起来像Keras的轻量版PyTorch框架Lightning吗？
视学算法·2023-08-20 15:05

tf.keras.layers.ActivityRegularization

添加对于inputactivity(输入与权值相乘后的值)的正则化损失.tf.keras.layers.ActivityRegularization(l1=0.0,l2=0.0,**kwargs)参数l1L1
又双叒叕苟了一天·2023-08-20 14:27

神经网络基础-神经网络补充概念-53-将batch norm拟合进神经网络

代码实现importnumpyasnpimporttensorflowastffromtensorflow.keras.modelsimportSequentialfromtensorflow.keras.layersimportDense
丰。。·2023-08-20 13:15
上一页 32 33 34 35 36 37 38 39 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他