• 全部
  • 关注
  • 有问必答
  • 等你来答

排行榜

  • 用户榜
  • 标签榜
  • 冲榜分奖金

频道

  • 编程语言
  • 前端
  • Java
  • Python
  • 大数据
  • 人工智能
  • 数据结构与算法
  • 嵌入式
  • 其他
  • 运维
  • 网络
  • 服务器
  • 移动开发
  • 后端
  • 开发工具
  • 微软技术
  • 硬件开发
  • 游戏
  • 吐槽问答
  • 测试
  • 小程序
  • 高考
  • 安全
  • 云计算
  • PHP
  • 开放平台
  • 软件工程
  • 设计
  • 职场和发展
  • 区块链
  • 产品/运营
  • 多彩生活
  • HarmonyOS
  • 搜索
  • 设计模式
最新最热精华悬赏待回答 筛选
  • 1

    回答

现在的话是将VGG特征层全部冻掉,如果我想只冻结前几层,不全部冻结,该怎么做呢? ## 获取vgg16的特征提取层 vgg = vgg16.features # 将vgg16的特征提取层参数冻结,不对

  • 3

我用的是VGG的迁移模型,跑出来预测结果就是这样,真的好苦恼,是过拟合了吗,但测试损失并不大啊。

JasonSun1997
采纳率50%
  • 3

    回答

是这样的,我是先写了mnist的模型,能不能封装一下做成model然后迁移学习用来自己的模型。我看网上都是公众的那些VGG啊 Resnet的。不知道自己的模型行不行。如果可以的话,通过CIfar10

  • 1

我怎么觉得这俩没有什么区别呢,有没有懂的给我讲讲我怎么觉得这俩没有什么区别呢,有没有懂的给我讲讲

wargzn_
采纳率50%
  • 6

train.py参数设置 报错RuntimeError: CUDA error: out of memory 因为自己的电脑没有GPU,老师给了一个jupyter账号。代码在自己的电脑上可以运行,但在

m0_53664180
采纳率33.3%
  • 1

是不是通过训练动物数据集,就可以直接把人体关键点检测的算法直接使用在动物身上呢?多人姿态估计也可以吗?

MichealJoe
采纳率100%
  • 1

    回答

如果两个经典网络并联,可以分别加载这两个网络的预训练权重吗?

  • 1

    回答

(env) PS D:\编程学习\项目\mysite> py manage.py makemigrationsSystem check identified some issues: WARNI

  • 1

    回答

当训练好模型后,有新的数据需要添加,而新的数据中又包含增量的特征,这时候不想重新提取特征并训练,如何进行特征增量学习?

  • 1

    回答

环境是server2016标准版 svn用的是VisualSVN-Server-3.6.4,同步的机器用的一摸一样的,svn同步机器 到37443这个版本就卡在这里过不去了,svnsync init

  • 1

    回答

片段代码如下:都是进行迁移学习的代码部分, input_shape=t_x.shape[1:] in_lay = tf.keras.layers.Input(shape=input_shape) ba

  • 1

    回答

本人是新入门深度学习,目标识别与分类这一块的,想请问一下我先用一个数据集跑出来的权重文件,当作我目标数据集的预训练权重,再把类别数修改成目标数据集里的类别数,这能算作迁移学习吗?具有可行性吗?目前学的

  • 1

    回答

使用GAIL(Generative Adversarial Imitation Learning)实现逆向强化学习,按照其思路使用PyTorch编写一个模仿学习的程序去模仿一组对gym里面的Pendu

  • 1

    回答

最近看了一篇论文《A Connection Between Generative Adversarial Networks, Inverse Reinforcement Learning, and E

  • 1

    回答

如何保障现有的业务系统向万里数据库迁移过程中,数据迁移能顺利有效进行?

  • 1

    回答

我仿照这个教程https://www.jianshu.com/p/0237ebbee5d5,用tf-slim的resnet50去微调分类office,我在dslr和webcam上分别训练的模型在各自验

xh135345
采纳率0%