0 投票

2 回答

122 浏览

tensorflow - 来自高效网络迁移学习的错误预测

我是 TensorFlow 迁移学习的新手，我选择 tfhub 来简化查找数据集的过程，但现在我很困惑，因为当我尝试使用来自互联网的图像时，我的模型给出了错误的预测。我使用了没有微调的efficientnet_v2_imagenet1k_b0 特征向量来训练来自https://www.kaggle.com/drgfreeman/rockpaperscissors的rock-paper-scissors 数据集。我使用图像数据生成器和来自目录的流进行数据处理。

这是我的模型

这是我的火车结果

这是我在这里的测试结果

这是我第二次在使用 tfhub 进行迁移学习时得到这样的结果。我想知道为什么会发生这种情况以及如何解决它，这样这个问题就不会再发生了。非常感谢您的帮助，并为我的英语不好感到抱歉。

2021-09-18T00:48:35.787

0 投票

1 回答

46 浏览

python - 堆叠模型的结果比基础模型差

我使用 5 个高效网络模型制作了一个堆叠模型，用于 Kaggle 比赛。下面给出的是堆叠模型的架构：

堆叠模型的性能指标：

基本模型的性能指标：

但是，当我使用堆叠模型进行 Kaggle 预测时，我得到了 0.551 的分数，而当我使用其中一个基本模型时，我得到了 0.581 的分数。

为什么会这样？堆叠模型不应该比基本模型提供更好的结果吗？

python tensorflow deep-learning ensemble-learning efficientnet

2021-09-27T06:05:05.713

0 投票

1 回答

111 浏览

python - Tensorflow 神经网络中的形状不正确 - 形状中的批量大小

我正在关注有关在 Keras 上实现 EfficientNet 的教程：

张量流

我正在使用自己的数据集，因此必须手动加载它。出于某种原因，批量大小包含在张量形状中，并且会引发错误。

我不断收到错误消息：

前面的 32 显然是批量大小。但我不知道为什么这是形状并且无法弄清楚它是否匹配。

python tensorflow tensor dimensions efficientnet

2021-10-05T17:12:30.980

0 投票

0 回答

17 浏览

conv-neural-network - 在efficientnet中，为什么要同时执行一个maxpooling和卷积层？

我已经实现了一个 Unet-EfficientNetb2 来分割生物医学图像。当我看到模型摘要时，我在第一层看到以下内容：

型号：“型号”

层（类型）输出形状参数#连接到

input_1 (InputLayer) [(无, 512, 896, 1) 0

stem_conv (Conv2D) (无, 256, 448, 32) 288 input_1[0][0]

stem_bn (BatchNormalization) (None, 256, 448, 32) 128 stem_conv[0][0]

stem_activation (激活) (无, 256, 448, 32) 0 stem_bn[0][0]

block1a_dwconv (DepthwiseConv2D (None, 256, 448, 32) 288 stem_activation[0][0]

我的问题是......是否首先将最大池化应用于原始图像，然后再应用卷积层？我没有找到有关此的信息。

我非常感谢一些信息:)

最好的，

conv-neural-network unity3d-unet efficientnet

2021-10-14T14:48:27.480

0 投票

1 回答

72 浏览

python - 改进 EfficientNet 的结果

晕那里，我还在python中挣扎。现在我将使用 EfficientNet 模型来检测棕榈油的成熟度。我正在使用 5852 张训练图片，分为 4 个班级（每班 1463 张）和 132 张测试图片（每班 33 张）。用 200 epoch 测试后，结果还差得远。我有什么解决方案可以改善结果吗？这是我的模型准确性和模型损失的结果。

这是我的代码

https://colab.research.google.com/drive/18AtIP7aOycHPDR84PuQ7iS8aYUdclZIe?usp=sharing

你的帮助对我来说意义重大。

python deep-learning google-colaboratory overfitting-underfitting efficientnet

2021-10-23T05:32:25.410

0 投票

0 回答

114 浏览

python - 用于迁移学习的 TensorFlow hub 与 tf.keras.applications

我试图弄清楚使用来自 tensorflow hub 的预训练模型与使用来自 tf.keras.applications 的完全相同的架构之间有什么区别。我已经尝试训练 2 个具有相同架构的模型 - 一个来自 tf hub，另一个来自 tf.keras.applications，这应该会产生可比较的结果，但是结果却大不相同。你能解释一下区别吗？

以下是这两种模型的示例。

第二个

python tensorflow keras transfer-learning efficientnet

2021-10-23T10:40:32.710

0 投票

0 回答

76 浏览

python - EfficientNet B0 模型在测试时无法预测正确的类别

我使用训练数据集训练了一个有效的netB0 模型，该数据集包含大约 400 张军队人员、公众和军用车辆（特别是每个类别的坦克）的图像。在训练集上对其进行训练后，我得到了大约 98% 的准确率，在测试集上，我得到了相当不错的准确率。

测试集上的混淆矩阵为：[Army, general, vehicle]

但是当我尝试预测一个单独的图像时，它并不能很好地预测它。我尝试了 StackOverflow 的不同解决方案，但无法使任何工作。

预测结果为：[0, 1, 0] 军队

python tensorflow keras computer-vision efficientnet

2021-10-27T06:41:31.163

0 投票

0 回答

69 浏览

python - 微调超模型

我不确定我是否可以使用新的超参数正确调整我的模型。前两个代码块解释了构建，最后一个块是我质疑模型的地方。

我创建了一个模型来设置超参数搜索空间，如下所示：

然后我调整模型以获得最佳超参数：

这是我不确定我是否通过了正确的模型的地方。我正在解冻 tune_model.layers，但我不知道我是否应该只通过 model.layers。当我两者都完成时，我得到了类似的验证准确性，所以我无法判断一种方法或另一种方法是否正确。

python tensorflow computer-vision hyperparameters efficientnet

2021-10-27T15:40:50.840

0 投票

0 回答

34 浏览

python - InvalidArgumentError：不兼容的形状：EfficientNet 分割中的 [25,224,224] 与 [25]

'我的代码哪里是我的错误，请帮助和错误输出 InvalidArgumentError：不兼容的形状：[25,224,224] vs. [25] [[node Equal（定义在 /Users/gorke/dedneme/bakak.py:118）]] [Op :__inference_train_function_589177]

函数调用栈：train_function

2021-11-14 16:36:06.192807: I tensorflow/core/platform/cpu_feature_guard.cc:142] 这个 TensorFlow 二进制文件使用 oneAPI 深度神经网络库 (oneDNN) 进行了优化，以在性能关键操作中使用以下 CPU 指令： AVX AVX2 要在其他操作中启用它们，请使用适当的编译器标志重建 TensorFlow。2021-11-14 22:12:50.532037：W tensorflow/core/framework/op_kernel.cc:1755] 未知：InvalidArgumentError：无法计算 Mul，因为输入 #1（从零开始）应该是浮点张量，但它是bool 张量 [Op:Mul] Traceback（最近一次调用最后一次）：

文件“C:\Users\gorke\anaconda3\lib\site-packages\tensorflow\python\ops\script_ops.py”，第 242 行，调用返回函数（设备、令牌、参数）

文件“C:\Users\gorke\anaconda3\lib\site-packages\tensorflow\python\ops\script_ops.py”，第 131 行，调用 ret = self._func(*args)

文件“C:\Users\gorke\anaconda3\lib\site-packages\tensorflow\python\autograph\impl\api.py”，第 302 行，在包装器中返回 func(*args, **kwargs)

文件“C:/Users/gorke/dedneme/segmentation.py”，第 121 行，在 get_iou_vector intersection = np.sum(t * p)

文件“C:\Users\gorke\anaconda3\lib\site-packages\tensorflow\python\ops\math_ops.py”，第 1125 行，在 binary_op_wrapper 返回 func(x, y, name=name)

文件“C:\Users\gorke\anaconda3\lib\site-packages\tensorflow\python\ops\math_ops.py”，第 1457 行，在 _mul_dispatch 中返回 multiply(x, y, name=name)

文件“C:\Users\gorke\anaconda3\lib\site-packages\tensorflow\python\util\dispatch.py”，第 201 行，在 wrapper return target(*args, **kwargs)

文件“C:\Users\gorke\anaconda3\lib\site-packages\tensorflow\python\ops\math_ops.py”，第 509 行，乘法返回 gen_math_ops.mul(x, y, name)

文件“C:\Users\gorke\anaconda3\lib\site-packages\tensorflow\python\ops\gen_math_ops.py”，第 6165 行，在 mul _ops.raise_from_not_ok_status(e, name)

文件“C:\Users\gorke\anaconda3\lib\site-packages\tensorflow\python\framework\ops.py”，第 6843 行，在 raise_from_not_ok_status Six.raise_from(core._status_to_exception(e.code, message), None)

文件“”，第 3 行，在 raise_from

tensorflow.python.framework.errors_impl.InvalidArgumentError：无法计算 Mul，因为输入 #1（从零开始）应该是一个浮点张量，但它是一个布尔张量 [Op:Mul]

2021-11-14 22:14:44.710685：W tensorflow/core/framework/op_kernel.cc:1755] 未知：InvalidArgumentError：无法计算 Mul，因为输入 #1（从零开始）应该是浮点张量，但它是bool 张量 [Op:Mul] Traceback（最近一次调用最后一次）：