Tag: CONV-NEURAL-NETWORK
Quiero usar GlobalAveragePooling en mi modelo de PyTorch y no modificar el tamaño, recortar ni rellenar la imagen. Puedo entrenar mi modelo usando solo una imagen en cada iteración (no en lotes). Pero es demasiado lento y no sé cómo usar varias imágenes de diferentes tamaños como entrada para el . . . Read more
Estoy tratando de desarrollar un modelo de clasificación de covid-19. El conjunto de datos de imágenes que he utilizado tiene forma torch.Size([100, 3, 224, 224]). Al intentar ejecutar mi modelo, obtengo este mensaje de error en tiempo de ejecución (como se muestra en la imagen). Cualquier ayuda para comprender y . . . Read more
Soy un traductor de español que traduce documentos de TI. Traduzca lo siguiente al español. No traduzca el código y la salida en formato markdown. Soy un programador principiante que prueba la clasificación de imágenes utilizando CNN. Mi objetivo es construir un modelo que clasifique si una imagen es una . . . Read more
El shape de X_train es 70,23,1 Cuando ajusto mi modelo, obtengo un ValueError: “La entrada 0 de la capa “sequential41″ no es compatible con la capa: se esperaba una forma=(None, 70, 23, 1), se encontró una forma=(None, 23, 1)” import tensorflow.keras as keras input_shape=(X_train.shape[0],X_train.shape[1],X_train.shape[2]) model=keras.Sequential() # primera capa model.add(keras.layers.Conv2D(32,(3,3),activation=’relu’,input_shape=input_shape)) model.add(keras.layers.MaxPool2D((3,3),strides=(2,2),padding=’same’)) . . . Read more
Estoy intentando crear un modelo de clasificación de imágenes utilizando CNN. Para eso, estoy leyendo los datos utilizando la función tf.keras.preprocessing.image_dataset_from_directory. Este es el código: train_ds = tf.keras.preprocessing.image_dataset_from_directory(data_dir_train,seed=123,validation_split = 0.2,subset = ‘training’,image_size=(img_height, img_width),batch_size=batch_size) Luego intento convertir el conjunto de datos en un objeto np.array. Mi código es: x_train = np.array(train_ds) . . . Read more