我正在尝试在以下存储库中重现Mask RCNN的训练：<a href="https://github.com/maxkferg/metal-defect-detection" rel="nofollow
我正在使用UNet进行图像分割。我从单波段图像开始，并使用以下代码训练了模型：
<pre class="lang-py pre
我已经在C＃中使用keras实现了ML模型。输出是一个4dim向量。
我具有以下预测功能来预测一个条目。
我正在做用于手写数字识别的基本CNN。最基本的例子。而且我的公式应该可以，但是代码没有累加。
我是Keras和CNN的新手，我不知道如何正确地构建CNN网络。
上下文：
我使用了39个功能的时间序列，
我目前正在尝试实施本文第217页中的最小-最大相关性模型：<a href="https://reader.elsevier.com/reader/sd/pii/S003132
我一直在使用此脚本以.h5格式加载模型并将其另存为SavedModel：
<pre><code>import json
import tensorflow.keras as
我想在我的案例研究中利用我在向数据科学领域发现的有前途的神经网络。
我拥有的数据形状为：
我一直在使用着名的dogs-vs-cats kaggle数据集，并尝试提出自己的CNN模型。在将数据集配置到分别包含猫和
我无法运行<code>kerasR::keras_init()</code>，因为它出现以下错误：
<pre><code>keras not available
See reticulate::use_
我使用keras TensorFlow训练了许多模型，每个模型的结果都保存到字典中。
例如
<pre><code>dd = {}
for i in ran
我注意到Discriminator训练函数的一些版本。
<pre><code>batch_size = 100
# set_trainability
D.trainable = True
# create
我有一个继承自<code>tf.keras.model</code>的类：
<pre><code>class MyModel(tf.keras.Model):
def __init__(...):
super
我有一个有效的张量流RNN模型（称为<code>my_model</code>），我使用<code>my_model.save("<dir_to_my_model>"
我建立了一个LSTM模型。原始数据集包含超过28天的2000天数据（财务数据）。我用了20天的时间来丰富X序
我正在尝试学习图像自动编码，但无法使用输入和输出图像来训练模型
例如：
输入图像文件夹：
<pre><code>model_name = "abc.json"
json_file = open(model_name, 'r')
loaded_model_json = json_file.read()
json_file.close()
我正在使用DNN解决问题。有2个输入变量（都是分类变量）和1个目标变量（二进制）。测试数据的准确性
我正在使用Keras和ImageDataGenerator训练CNN。训练和验证准确性令人满意，测试准确性也令人满意。但是，当
<pre><code>history = model.fit(X_train, Y_train,batch_size=32 ,epochs=300,
validation_data = (X_test, Y_test), verbose=2
