Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
Estoy construyendo un modelo CNN con un conjunto de datos de imágenes de tamaño de 230 MB y Google Colab se bloquea incluso con mini-lotes de 16 y 8. En total hay 40,000 imágenes. Por favor sugiera un remedio para lo mismo o sugiera otra plataforma gratuita con mejor capacidad . . . Read more
Estoy aprendiendo Quantization, y estoy experimentando con Sección 1 de este cuaderno. Quiero usar este código en mis propios modelos. Hipotéticamente, solo necesito asignar a la variable model en Sección 1.2 <h1>cargar modelo</h1> model = BertForSequenceClassification.from<em>pretrained(configs.output</em>dir) model.to(configs.device) Mis modelos son de una biblioteca diferente: from transformers import pipeline. Entonces .to() . . . Read more
Estoy entrenando un modelo para transferir el estilo de una imagen a otra, y estoy recortando imágenes para hacerlo recorte por recorte. Luego, cuando reconstruyo la imagen resultante, obtengo algo como esto. ¿Sabes cómo puedo eliminar este efecto de cuadrícula de mi imagen?
Tengo 101 carpetas del 0 al 100 que contienen imágenes sintéticas de entrenamiento. Este es mi código: dataset = tf.keras.utils.image_dataset_from_directory( ‘Pictures/synthdataset5′, labels=’inferred’, label_mode=’int’, class_names=None, color_mode=’rgb’, batch_size=32, image_size=(128,128), shuffle=True, seed=None, validation_split=None, subset=None,interpolation=’bilinear’, follow_links=False,crop_to_aspect_ratio=False ) from keras.models import Sequential from keras.layers import Dense, Conv2D, Flatten model = Sequential() model.add(Conv2D(32, kernel_size=5, activation=’relu’, input_shape=(128,128,3))) . . . Read more
Tengo una lista de 500,000 direcciones de diferentes tipos y también tengo una lista de nombres específicos de puntos en la base de datos. Quieres encontrar estos nombres de puntos según las direcciones. Pero hay un problema, muchos nombres de puntos están mal escritos en las direcciones; por ejemplo: Nombres . . . Read more