自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

上一步保存

qq_40661327的博客

06月 03月 02月

原创论文笔记：ResNet论文笔记

论文笔记：ResNet论文笔记论文地址1. Introduction1.1提出问题1.2分析问题1.3解决问题1.3解决问题论文地址Deep Residual Learning for Image Recognition1. Introduction1.1提出问题最近一些研究表明，网络的深度似乎是一个很重要的因素，作者提出了一个问题：Is learning better network...

2020-03-15 21:49:45 638

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

Stealers CSDN认证博客专家 CSDN认证企业博客

码龄7年

暂无认证

IP 属地：四川省

IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）

9: 原创

13万+: 周排名

153万+: 总排名

10万+: 访问

: 等级

538: 积分

28: 粉丝

101: 获赞

10: 评论

420: 收藏

私信

关注

分类专栏

最新评论

TF2.0模型训练
m0_51504177: 为啥这个网络能干到零点九啊，你这个截图里面训练几成后直接突变，复现不成功啊
损失函数：binary_crossentropy
starfish_2021: 怎么从binary_crossentropy公式得出“各个i是相互独立的”这个结论的？在我理解：binary_crossentropy同时评价的是正类、负类的真实分布和预测分布的相似程度(相当于既要提高TP也要降低FP)，而categorical_crossentropy只评价正类的真实分布和预测分布的相似程度。之所以这样是因为categorical_crossentropy一般搭配softmax做多分类，是softmax在正向传播让正类与非正类产生负相关性，所以损失只用评价正类在反向优化时就能同时满足优化正类非正类的要求。而binary_crossentropy做二分类也好、多标签分类也好，一般配合用sigmoid，sigmoid正向传播时各类的输出是相互独立的，所以优化时既要考察正类的分布相似度也要考察负类的分布相似度。因果关系理清楚才有助于新手理解嘛
TF2.0模型保存
Stealers: load_model()方法，需要读取包含模型信息的文件，如果读取的只是模型的权重是不行的，看看这不是这个点引起的
TF2.0模型保存
凱凱我菜菜菜: model = load_model('./model/') model.evaluate(x_test, y_test, verbose=2) 报错啊老哥， ValueError: Could not find matching function to call loaded from the SavedModel. 不匹配，但是把加载模型去掉就可以运行
TF2.0模型保存
凱凱我菜菜菜: new_model = load_model('./model/') new_model.evaluate(x_test, y_test, verbose=2) 老哥，保存后，再加载，使用加载的new_model进行预测，会报错 ValueError: Could not find matching function to call loaded from the SavedModel. model = load_model('./model/') model.evaluate(x_test, y_test, verbose=2) 这样同样报错，同样的问题。真的是难啊老哥

原创 论文笔记：ResNet论文笔记

空空如也

空空如也

原创论文笔记：ResNet论文笔记