es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

Tag: IMAGE-CLASSIFICATION

Callback de programador de tasa de aprendizaje de XGBoost.

Estoy utilizando XGBoost para la clasificación de imágenes y cada vez que quiero usar los callbacks LearningRateScheduler o LearningRateDecay, obtengo algunos errores. Utilizo las mismas funciones que uso para LearningRateScheduler en Keras. def read_lr_from_file(lr_file, epoch): with open(‘LR.txt’, mode=’r’) as lr_file: for line in lr_file: step, lr = line.split(‘:’) lr = . . . Read more

¿Este archivo de texto en realidad es una imagen?

Encontré este repositorio de GitHub sobre clasificación de imágenes (imágenes de hombres y mujeres) utilizando una red neuronal artificial, los datos de entrenamiento son 2 directorios “./male” y “./female”, cada uno contiene una lista de archivos de texto. Estos archivos de texto contienen filas de números, cada fila contiene 16 . . . Read more

learner.recorder.plot() produce un error de atributo para “plot”.

Soy nuevo en redes neuronales y estoy usando fast.ai para entrenar un conjunto de datos Cifar10 utilizando una red neuronal residual. Después de ejecutar learner.lr_find(), intenté graficarlo usando learner.recorder.plot(), Pero luego se produjo un error de atributo: el objeto ‘wideResNet’ no tiene el atributo ‘plot’. python wideResNet = myResidualNeuralNetworkFunction Por . . . Read more

¿Cómo funciona la codificación one hot en el generador de datos de imágenes de Keras?

Tengo 3 clases para las imágenes, gato, vaca y perro. test_batches_1 = ImageDataGenerator(preprocessing_function=tf.keras.applications.vgg16.preprocess_input) \ .flow_from_directory(directory=test_path_1, target_size=(224,224), classes=['gato', 'perro','vaca'], batch_size=10, shuffle=False) Cuando hago test_batches_1.class_indices Obtengo esto {'gato': 0, 'perro': 1, 'vaca': 2} Y cuando hago esto: – test_imgs1, test_labels1 = next(test_batches_1) print(test_labels1) Obtengo esto: – [[1. 0. 0.] [1. 0. 0.] . . . Read more