问题标签 [batchsize]

我已经实现了这个简单的数据增强层，基本上它将图像旋转一个特定的角度（我知道它可以通过 ImageDataGenerator 来完成，但这只是为了解释问题）。

然后，我的模型（包括该层）通过使用 ImageDataGenerator 的 fit 方法进行训练，以自动获取生成器。我收到此错误是因为批量大小的值为无。

TypeError：len >= 0 或单个整数的预期序列对象

我正在使用 tensorflow 进行测试。我将数据集放入两个文件夹中。我配置了batch_size,height和width，train_data但是我看不到它们matplotlib或在模型中使用它。

错误是：

我认为这train_date.take(1)不会占用文件，但我不明白为什么以及如何修复它，知道吗？

我是 TensorFlow 和 keras 的新手。我正在学习使用 python (Chollet) 进行深度学习一书中的教程。也可以在这里找到：https ://www.kaggle.com/pankrzysiu/6-3-1-a-temperature-forecasting-problem

在问题陈述中，我们要预测未来 24 小时的温度。对于数据设置，他定义了以下生成器：

并创建三个对象：

根据我对这段代码的理解，变量“rows”的长度等于批量大小。

当生成器创建目标时，它似乎为每个批号创建一个目标。我不明白这段代码如何返回 24 小时的目标值，以及为什么 test_gen 也用 batch_size=batch_size 调用。

如果问题不清楚，请指出。

我正在 Tensorflow 中训练一个具有可变批量大小的模型（输入：[None, 320, 240, 3]）。问题是在训练后量化期间我不能有任何动态输入，因此没有“无”，并且使用 edgetpu 编译器我不能有大于 1 的批量。

我目前的方法是再训练一个固定批次大小为 1 的 epoch。但这有点乏味。

是否可以将输入从 [None, 320, 240, 3] 更改为 [1, 320, 240, 3] 或 [320, 240, 3] 而无需再次训练？

我正在使用 Weka 对二进制数据集进行分类。我想RandomForest用作分类器。我发现RandomForest有许多属性。我想知道这些属性的含义以及它们在分类时是如何工作的。Weka 分享了一些详细信息，可以从 的属性窗口的更多选项卡中找到RandomForest。

我附上截图

这些属性有一些定义：

bagSizePercent -- 每个包的大小，作为训练集大小的百分比。

numIterations -- 随机森林中的树数。

outputOutOfBagComplexityStatistics -- 执行袋外评估时是否输出基于复杂性的统计信息

numFeatures -- 设置随机选择的属性的数量。如果为 0，则使用 int(log_2(#predictors) + 1)。

等等。

所以那些 1 行无法清除我的疑问。如果有人通过分享属性的深入视图来帮助我，那将非常有帮助。

在一些论文中，作者在训练设置或实验设置下提到了具有特定数字的批量大小。而在相应的代码中，有 max_source_length 和 max_target_length 值，论文中提到了这一个。

拜托，我想明白这一点。

我的数据大小是 6011 ，它是一个素数，因此，唯一将此数据平均划分的批量大小数字是 1 或 6011。但是，我需要批量大小为 32 ，这意味着 steps_per_epoch 等于到 6011/32 =187.84。我的问题是，如果我将 steps_per_epoch 设置为 188，训练的最后一步（步骤编号 188）会发生什么？它会包含剩余的 6011-(187*32)= 27 个样本吗？

我正在编写一个水印检测算法，并且我尝试了来自 Kaggle 的代码来微调 ResNet，但是当我在 Jupyter 笔记本中运行相同的代码时，当 Kaggle 中的示例代码有大约 97% 时，我得到 50% 的准确率准确性。我的 PC 上没有安装 GPU，我将批量大小更改为 32。你知道为什么我的准确率会降低 40% 吗？

我的代码：

我正在以 EDSR 作为基准模型来处理图像超分辨率任务。在 EDSR 之后，我没有在我的模型中使用任何批处理规范层。我突然想出了一个关于批量大小的愚蠢问题。

目前，我正在使用 batch-size=32 训练我的模型（如在 EDSR 中）。但由于我没有使用任何批量标准化技术，我看不出有任何理由使用大于 1 的批量大小。但我对自己的想法没有信心，因为作者的实现使用大于 1 的批量大小。

有人可以帮我解决这个问题吗？我错过了什么？

我正在尝试将 MLP 与 2 个类一起使用。

X_train 是一个 numpy 数据数组 (217,36 (36inputs)) X_test 是一个 numpy 数据数组 (100,36) y_train 是一个 [1,0] 或 [0,1] 的 numpy 数组（指定每个类别的类别sample) 大小为 (217,2) 和 y_test 与大小 (100,2) 相同

以下是我使用 Pytorch 的代码：

但是有一个错误：

回溯（最近一次通话最后）：

文件“C:\users\Harry.spyder-py3\done.py”，第 218 行，在 test()

文件“C:\users\Harry.spyder-py3\done.py”，第 212 行，测试正确 += predicted.eq(targets.data.view_as(predicted)).sum()

RuntimeError：形状“[4]”对于大小为 8 的输入无效

任何人都可以帮助我吗？我认为这是批量大小的问题，所以我尝试使用不同的批量大小但不起作用:(