<pre class="lang-none prettyprint-override"><code>img_height,img_width = 32, 32
base_model = ResNet50(weights = 'imagenet', include_
我使用以下预训练的 resnet18 代码根据一些输入图像进行分类。
该代码与 RGB 图像一起正常工作，但我想
<a href="https://i.stack.imgur.com/F503F.png" rel="nofollow noreferrer">Resent50 accuracy for USTC-NVIE dataset</a>
我正在使用 keras 中的 resnet 进行超分辨率，我已将我的数据分成训练和测试（70-30）以及测试数据的 20%
我正在使用 resnet 来训练我的数据。我已经冻结了大部分层，只对最后 4 层进行了工作训练。我想更改这
我正在尝试使用 Grad-CAM 算法来获取 1DResNet-18 的注意力值。我从'test_data.npy'导入15个测试样本，我的每个
我正在训练模型来对 2 种类型的图像进行分类。我决定采用迁移学习方法，冻结 resnet50 和新层的每个部
我运行此代码以将预训练的 ResNet50 与 ImageNet 结合使用：
<pre><code>from keras.applications import ResNet50
conv_ba
我有一个 pyTorch 代码来训练一个模型，该模型应该能够检测产品图像中的占位符图像。我没有自己编写
我是深度学习的新手，我正在尝试训练一个 ResNet50 模型来对 3 种不同的手术工具进行分类。问题是我读
当我尝试在我的计算机或 Google Colab 上运行下面的简单代码片段时：
<pre><code>from classification_models.keras
我试图训练一个使用 ResNet 152 作为主干的神经网络，但我遇到了 CUDA 内存不足错误。之后，我添加了下
我正在训练一个 ResNet 模型来对汽车品牌进行分类。
我在训练期间保存了每个 epoch 的权重。
我有一个基于 resnet50 的模型架构，需要定期重新训练。它工作了多年。它在 tensorflow 1.9 版和 keras 2.3.1
我正在尝试制作自定义的 Mask Rcnn 模型，我已经尝试过，但该模型正在对象上制作矩形，如何根据多边形
我想使用 Keras 并构建一个 Resnet 模型，但我只是使用具有 13 个特征的一维数据。在几次不成功的尝试后
我使用的是预训练的 ResNet-50 模型，其中最后一个密集被移除，平均池化层的输出被展平。这样做是为了
我有一个由图像组成的数据集。我正在尝试对此数据集执行多标签分类。但是训练标签包含太多 CSV 文件
所以我有类似 (25000, 178, 178, 3) 形状的数据，其中我有 25000 个样本，每个样本有 3 个不同的颜色通道（不
我看到卷积神经网络有各种层（卷积、池化等）。作为初学者，我不明白为什么要创建 Resnet/VGG 16 等架
