Questions tagged «tensorflow»

TensorFlow是一个用于机器学习和机器智能的开源库。TensorFlow使用具有沿边缘流动的张量的数据流图。有关详细信息,请参见https://www.tensorflow.org。TensorFlow是根据Apache 2.0许可发布的。


1
为什么我的Keras模型会学会识别背景?
我正在尝试使用预训练的模型(也在该数据集上进行训练)在Pascal VOC2012上训练Deeplabv3 +的Keras实现。 我得到了奇怪的结果,其准确度迅速收敛到1.0: 5/5 [==============================] - 182s 36s/step - loss: 26864.4418 - acc: 0.7669 - val_loss: 19385.8555 - val_acc: 0.4818 Epoch 2/3 5/5 [==============================] - 77s 15s/step - loss: 42117.3555 - acc: 0.9815 - val_loss: 69088.5469 - val_acc: 0.9948 Epoch 3/3 5/5 [==============================] - 78s 16s/step - loss: 45300.6992 …

2
为什么学习率导致我的神经网络的权重急剧上升?
我正在使用tensorflow编写简单的神经网络以进行一些研究,并且在训练时遇到“ nan”权重的许多问题。我尝试了许多不同的解决方案,例如更改优化器,更改丢失,数据大小等,但无济于事。最后,我注意到学习速度的变化使我的体重产生了难以置信的变化。 使用.001(我认为是非常保守的)的学习率,最小化函数实际上将成倍地增加损失。一个世纪之后,损失可能从数千个跃升至一万亿个,然后达到无穷大('nan')。当我将学习率降低到.0001时,一切正常。 1)为什么单个数量级会产生这种影响? 2)为什么最小化函数实际上会执行与其功能相反的操作,并使损失最大化?在我看来,无论学习速度如何,都不应该发生这种情况。

2
在CNN模型中使用更多图层时出现内存错误
在我的Dell Core i7-16GB RAM-4gb 960m GPU笔记本电脑上,我正在使用3d CNN对肺部CT图像进行分类的项目。我正在使用Tensorflow的CPU版本。图像准备为numpy数组大小(25,50,50)。 我的CNN模型具有2个转换层,2个maxpool层,1个FC层和输出层。通过这种架构,我可以训练大约(5000至6000)个样本的模型。添加更多层后,我的模型现在具有6个转换层,3个最大池层,FC和输出层。我的问题是在更改架构后,仅使用了1000多个样本,我的内存被填满,并且出现内存错误。我试图做较小的批次,但是每次都会出现相同的错误。我有两个问题: 为什么通过添加更多层,模型需要更多内存? 有什么办法可以解决这类问题?

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.