cnn

Вопрос или проблема Я работал над этим в последние несколько дней и не мог разобраться. Публиковал в различных группах, на StackOverflow и т. д., и получил предложения от многих пользователей. Я реализовал эти предложения в коде, представленном ниже

Вопрос или проблема Я только начинаю изучать область машинного обучения. Я учусь использовать keras для получения практического опыта. Я выбрал классификацию данных 20_newsgroups для своей задачи, я использовал glove.6B.50d.txt для встраиваний.

Вопрос или проблема Я хочу разработать приложение для распознавания номеров на беговых номерах (для учебных целей), используя Keras API. Я могу управлять обучением модели CNN для обнаружения разных цифр, но как локализовать только определенные области

Вопрос или проблема Я провожу некоторые эксперименты с CNN и у меня есть 2 сверточных слоя с 32 и 64 фильтрами соответственно. Я начал с размеров ядра 3×3 и заметил, что когда я увеличил его до 5×5, 7×7 и т.д., время за эпоху резко возросло! Почему это происходит?

Вопрос или проблема При обучении CNN одним из вариантов является увеличение изображения с нулями или его увеличение. Когда следует выбирать каждый из этих методов? Какие критерии используются для выбора метода? Это зависит от задачи.

Вопрос или проблема В настоящее время я работаю над реализацией свёрточного слоя на Python для модели обработки естественного языка. Однако я столкнулся с проблемой в свёрточном слое, которую не могу решить. Проблема состоит из двух частей: Получение

Вопрос или проблема Я смотрю на пример лабораторной работы из курса на Coursera под названием “Введение в Tensorflow”. В этой модели CNN они постепенно увеличивают количество фильтров с 16 до 32, а затем до 64. Почему мы не увеличиваем его до 128 и больше?

Вопрос или проблема Чтобы проиллюстрировать вышеуказанный заголовок. Предположим, у вас есть pdf-документ, который в основном отсканирован с бумажной копии, теперь есть набор фиксированных вопросов, на которые нужно ответить из самого документа.

Вопрос или проблема Я создал CNN с нуля на Python с использованием Numpy, чтобы решить задачу распознавания рукописных цифр MNIST. Он состоит из свертки (3 фильтра 3×3), слоя максимального объединения (пуллинг 2×2) и выходного слоя с 10 метками.

Вопрос или проблема Я хочу предсказать, выйдет ли машина из строя на основе самой последней серии измерений, полученных с помощью бортовых датчиков. У меня есть несколько десятков машин, каждая из которых имеет датчик, который делает измерение через равные интервалы.

Вопрос или проблема Мне нужно классифицировать изображения на 2 категории: одобренные и отклоненные. Категория отклоненных имеет разные типы изображений, которые не разрешены (подкатегории), например, нуд или графические картинки с насилием, или аниме и т.

Вопрос или проблема Я обучаю CNN на изображениях, которые имеют много горизонтальных черных линий (из-за особенностей сенсора). Я думаю о том, чтобы удалить эти артефакты с помощью какой-то предподготовки (интерполяция, медианные фильтры…

Вопрос или проблема Я пытаюсь подогнать модель с использованием генератора и получаю следующую ошибку: ValueError: Слой модели ожидает 2 входа, но получил 3 входных тензора. Полученные входы: [<tf.Tensor 'IteratorGetNext:0' shape=(None, None) dtype=float32>

Вопрос или проблема Данные представляют собой набор изображений Canadian Institute for Advanced Research (CIFAR10). Оптимизатор — SGD Скорость обучения — 0.01 Моментум — 0.9 Потери — категориальная кросс-энтропия Метрика — точность Мой вопрос: это хорошая модель?

Вопрос или проблема В статье ResNet описаны входные размеры первого остаточного блока 56x56x64, что вызвано фильтром 7x7x64 на первом слое. Однако в статье показан остаточный блок с размером входа 56x56x256. Как это возможно изменить с 56x56x64 на 56x56x256?

Вопрос или проблема У меня простая задача классификации – если два признака, изображенные на простом графике XY, показывают «излом» или характерный поворот, то метка истинна, иначе ложна. Я пытался обнаружить «изломы» на этих графиках, используя

Вопрос или проблема Я вижу, что потери валидации используются для предотвращения переобучения обучающей выборки, а кросс-валидация используется для обобщения результатов моделей. Используются ли они для схожих целей или результатов?

Вопрос или проблема Я пытаюсь подогнать CNN UNet под задачу, очень похожую на перевод изображений. Входные данные сети – это бинарная матрица размером (64,256), а выход – размером (64,32). Колонки представляют собой статус канала связи, где

Вопрос или проблема У меня есть архитектура CNN, которая хорошо работает с изображениями 32x32x3. Могу ли я использовать ту же архитектуру для набора данных, состоящего из изображений 28x28x1? (Оба набора данных имеют 10 классов).

Вопрос или проблема Это очень общий вопрос, поэтому давайте возьмем очень общий пример: представьте модель CNN, которая различает изображения лиц собак и кошек. У нас есть два типа обучающего набора данных: один с полными признаками и один с дефектными.