问题标签 [efficientnet]

当提供 tf.data.Dataset 来训练 EfficientnetB0 模型时，我收到以下错误：

我真的很想知道为什么会发生这种情况，因为当我从我的数据集创建一个批次时：

我得到了预期的结果（64、224、224、3）。

但是在创建模型后，当我开始训练时会出现上述错误：

有谁知道为什么数据集中的切片具有形状 (64,224,224,3) 但模型无法识别批量维度？当我尝试训练 keras.application 模型时，一切正常。我使用 tensorflow 2.1 和效率网络的 pip 安装。谢谢

我有一个超级模型，它使用子模型作为特征提取层。我的代码是模块化的，因此我可以轻松地通过更改我分配的任何子模型来切换我使用哪个子模型来执行特征提取：

我保存和加载 ubermodel 及其权重的例程也知道哪个子模型用于特征提取：

使用任何子模型，我都可以执行初始训练运行并将 ubermodel 保存到磁盘。如果我尝试继续训练或微调任何包含 VGG16 子模型的 ubermodel，load_weights用于加载权重，一切正常。但是，当我load_weights使用任何具有高效网络子模型（或者说，keras.applications.xception.Xception）的 ubermodel 时，我会收到以下错误：

我究竟做错了什么？

有没有一种方法，我们可以加载网络架构，然后在 Keras 中从头开始训练它？

我有个问题。

我必须取 EfficientNet(shape=(,7,7,1280)，我称之为 x) 的最后一个 conv 层的输出，然后计算 H = wT*x+b。我的 w 是 [49,49]。之后我必须在 H 上应用 softmax 然后再做.

H 和 x 具有相同的形状=[49,1280]。

我找不到任何可以帮助我在代码 python 中翻译它的东西。你能帮助我吗？谢谢。

作为初学者，我正在尝试使用 TensorFlow 训练我的自定义数据集，但在开始训练时出现以下错误：

这是我的命令行：

我正在使用 EfficientNetB7 和 EfficientNetB0 模型来训练我的数据集，并且正面临一个重大异常。EfficientNetB7 在 40 个 epoch、lr_callback、4 个 nb_classes、imagenet 权重下给出了 96.4% 的准确率。

因此，我尝试通过使用 4 个 EfficientNetB0 模型来独立预测 4 个类别来提高准确度，但准确度停留在 50%。我尝试改变学习率，看看它是否停留在局部最小值，但准确度是一样的。

我还尝试了其他神经网络，例如 ResNet50，但准确率仍然停留在 50%。谁能告诉我我在哪里犯了错误。

我正在尝试使用 EfficientNet-B0 构建模型。模型的详细信息显示在下面的代码中。尝试学习时出现以下错误。

我怀疑 m.children() 可能会产生影响。如果有人知道这个错误的原因，请告诉我。谢谢你。

我正在使用 Google Colab，我想使用 EfficientNet Noisy Student 的权重。https://www.kaggle.com/c/bengaliai-cv19/discussion/132894

首先，我通过以下方式安装了软件包：

然后我尝试了上面提到的网站上的代码：

并得到这个值错误：

有人知道如何解决这个问题吗？

我看过很多使用 EfficientNetB0 作为基线模型的文章，但我还没有看到有人使用 EfficientNetB7。从 EfficientNet Github 页面 ( https://github.com/qubvel/efficientnet ) 我看到 EfficientNetB7 取得了非常高的准确率结果。为什么不是每个人都只使用 EfficientNetB7？是因为内存限制还是有其他使用 EfficientNetB0 的考虑？

我已经在 Keras 中实现了一个 EfficientNet，用于使用图像生成器解决二进制问题。在测试用例中，当我预测输出时，它返回一个具有一组概率但只引用一个类的数组，这里是代码和输出：

输出是：

现在，当打印 4 个不同图像的预测时，它会返回：

基本上每个图像只有一个输出概率（我认为），并且无法说哪个是实际的类。不是吗？我该怎么做才能解决这个问题？

谢谢

编辑：

包括型号代码