training-data

    1

    1答えて

    私はいくつかの特定のオブジェクト(おそらく2〜3個のオブジェクト)の独自のモジュール(画像)を訓練し、OpenCV DNNモジュールを使用してこれらのオブジェクトを検出することができますか? 私はすでに、OpenCVでssd_mobilenet_v1_coco_11_06_2017のプレトレーニングを受けた単純なものを試しました。これは動作してオブジェクトを検出できます。 しかし、私は自分のモジュ

    2

    2答えて

    私は現在tensorFlowで遊んでいて、チュートリアルがちょっと単純であると思っていたとしても、自分のデータを入力しようとすると真の作業が始まります。 私は動物と背景の非常に基本的なデータセットの作曲家を使用しました。 私は3つのtfrecords(train/val/test)を作成しました。 私はそれらを読んで、シンプルなモデルを訓練しようとしました(ここのAlexnet)。 "FLAGS.

    0

    1答えて

    これまでのところ、RandomForestでCARETパッケージを使用してトレーニングを行っていました。 私は、CARETのtrainのクロスバリデーション機能を使用しており、すべてがうまくいきます。 これは、ニューラルネットワークを使ってみたいと思って、RSNNSパッケージをアップロードするまでです。今、私が電車を使用しようとしているとき(私の古いrfアルゴリズムで)、次のエラーが出る。 Err

    2

    1答えて

    私はDlibを使用して顔検出器を訓練しようとしています。私はトレーニングのために1000枚近くの画像を選択しました。ドキュメントごとに、私はtraining_with_face_landmarks.xmlというイメージを使用して作成しました。しかし、私は理解していません testing_with_face_landmarks.xmlファイルに使用される画像は何ですか? training_with_

    0

    1答えて

    私は信号分類(2つのクラス:患者とコントロール)にCNNを使用しています。 早期停止を使用する妥当性検査のエラーが改善されなくなるまでトレーニングを停止したい私はこれを実装するために、Pythonコードを書くことができません。 私はこれを試しましたが、それ以上は進めませんでした。 validation = cross_entropy.eval(feed_dict= {x:valid_x,y_:va

    0

    1答えて

    私は予測を行うためにsvmクラシファイアをトレーニングしようとしています。訓練されたモデルを使用しようとすると、このエラーが発生します。テストデータがモデルと一致しません。私はなぜこれが起こっているのではない。これは、このエラーの背後にある理由は、私はSVM分類器を混同しているトレーニングとテストデータの観測のIDが含まれていることである私のコード # to prepare the trainin

    0

    1答えて

    現在、クラシファイアのモデルをトレーニングしています。昨日、作成した分類モデルをテストすると、より正確になることがわかりました。モデルをテストする方法をインターネットで検索しました:testing openNLP model。しかし、私はそれを働かせることはできません。なぜなら私は1.5の代わりにOpenNLPバージョン1.83を使っているからです。誰でも私のモデルをOpenNLPのこのバージョン

    0

    1答えて

    自分のエンティティでNERの空白のモデルを訓練したいと思います。これを行うために、私は(私は関連する各列に1例の行を提供します)。CSV形式で、現在で、次の形式でエンティティタグを備えたデータセットを使用する必要があります。 コラム:文を 値:[ 'たい; @コマンド; 2; 6'、 'りんご'; 7;フルーツ@ 13' ]:データ 値:私はりんご 列をしたいです コラム:エンティティ 値: 値を

    1

    1答えて

    私の仕事はVGGベースのネットワークを通して顕著性マップを得ることです。 しかし、私が想像しているように、ミスの損失は減少しません。だから、なぜ私の損失が減少しないのか分かりません。 ps。トレーニングデータセットはSALICONです。 は、ここに出力です: training epoch 1, loss value is 0.041423566639423 training epoch 2, l

    0

    1答えて

    ケラでVGGネットワ​​ークを少し実験しています。 私が使用するデータセットは、バラ、ヒマワリ、タンポポ、チューリップ、デイジーなど5クラスの花のデータセットです。 小さなCNNネットワーク(以下のコードではVGGではありません)を使用するとすぐに収束し、約8エポック後に約75%の検​​証精度に達しました。 次に、私はVGGネットワ​​ーク(コード内のコメントアウトされた領域)に切り替えました。