回答情况：
提问时间：
问题标签：
在pytorch中，我想使用预先训练的模型并训练我的模型来向模型结果中添加一个增量，即： input------------- (my model) --------- Δresult --+-- final_result
浏览 9提问于2021-12-07得票数 1
我发现在(颜色) imagenet数据库(作为.npy)上预先训练过的VGG16网络。是否有针对灰度版本的imagenet数据库进行过预训练的VGG16网络？我正在观察网络性能的增量改进，所以我需要看到当预训练模型‘看’灰度输入时，迁移学习是如何表现的。
谢谢!
浏览 1提问于2018-02-06得票数 6
然后在预训练模型上对数据进行检验，该模型根据一些参数对水泥质量进行预测。数据以一秒的间隔到达。 由于数据是实时到来的，所以我希望实时增量地训练模型。 有没有人能建议如何持续训练模型？
浏览 24提问于2019-05-10得票数 1
回答已采纳
我想在每分钟接收到的数据上逐步训练我的预训练的自动编码器模型。基于这线程，对model.fit的连续调用将逐步训练模型。然而，我的模型的重建误差和总体精度似乎比最初的更差。time.sleep(60) download_model(autoencoder)当我的自动编码器被训练的时候，平均重建误差是0.0206，但是经过30分钟的增量训练，它已经变成0.3737了。
浏览 0提问于2022-03-20得票数 0
常见的经验法则是，在没有立即计算值的情况下，使用STL迭代器上的预增量(也就是说，您只想增加对象/迭代器)。这是因为通常情况下，预增量的实现要比后增量更有效。
但是std：：原子呢？如果我运行静态分析(使用PVS工作室)，我会收到警告说，预增量应该更有效，但是当我查看前增量(在Visual 2015上)的实现时，它看起来比增量后的效率要低吗？在STL原子值上是否有使用前增量大于后增量的一般
浏览 7修改于2017-03-09得票数 3
回答已采纳
我正在尝试创建一个预训练的权重模型文件，该文件可用于初始化类似于imagenet预训练的权重文件或噪声学生的模型。 我有足够大的数据集，这些数据集非常多样化，但特定于我感兴趣的领域。我希望创建一个通用的预训练权重文件，该文件特定于我感兴趣的领域。 我知道我不能训练和保存模型权重，因为在生成的预训练权重文件和我试图使用该预训练权重的网络之间，类的数量不会匹配(因此不会匹配层数)。我在互联网上找不到任何
浏览 23提问于2020-06-29得票数 0
回答已采纳
假设我创建了这个类的一个对象，在此之后，我创建了预增量和后增量，以控制天气的温度。我的问题是，为什么在世界上，预增量工作，但在后增量后，析构函数是被调用的对象？这是我工作前的增量： ++ptr->airTemperature;} Weather temp = *this;
浏览 1提问于2021-05-10得票数 0
回答已采纳
如何增量式训练可用于句子的SGDClassifier线性模型。它通常是用docs.But训练的，我想一个接一个地用句子来训练它，我想增量地把它训练成关于情感的analysis.Any解释，analysis.Any解释在python中会有很大的帮助。任务:推特怀疑的情绪分析:标记推文的增量式训练
提前谢谢。
浏览 1修改于2014-03-27得票数 1
回答已采纳
2回答
在那之后，我提出了一个问题(可能没有意义)：遵循两种不同的替换方法有什么重要的事情: 1.增量训练:一旦知道所有的增量Wij，在呈现下一个训练向量之前，立即更新权重。2.批量训练:为每个样本训练向量计算并存储增量Wij。但是，增量Wij不会立即用于更新权重。权重更新是在训练周期结束时完成的。
我用谷歌搜索了一段时间，但没有找到任何结果。
浏览 0修改于2017-08-05得票数 3
回答已采纳
我在凯拉斯有个受过训练的模特。是否可以使用“.h5”文件中预训练模型的前4个conv层的权重来初始化新模型的前4个conv层？是否必须先加载整个预先训练过的模型？？
是否有任何方法
浏览 6修改于2020-08-19得票数 0
我们正在尝试使用我们准备的语料库对BERT进行预训练。在本教程()的帮助下，我尝试使用云壳使用TPU v3对BERT进行预训练，但云壳的使用限制为每周60小时，这不允许我们有效地执行非常耗时的计算，如BERT预训练。如果我们想在谷歌云平台上使用TPU v3对BERT进行不间断的预训练，最好的方法是什么？
如果可能的话，如果你能提供一个具体的流程，那将是非常有帮助的。
浏览 4提问于2021-11-09得票数 0
我可以访问AWS控制台，并开始探索Sagemaker增量学习文档。目前只有三种内建算法支持增量训练:目标检测算法、图像分类算法和语义分割算法。我想知道我们是否能够成功地使用新的增量样本数据来训练其他(非内置算法)训练图像的初始模型。例如，分类或回归。
浏览 2修改于2022-08-07得票数 0
我对训练一系列图像和对象检测模型很感兴趣，我想知道何时使用像VGG16这样的网络的预训练权重的一般规则是什么。例如，很明显，微调预先训练好的VGG16 imagenet模型权重对您正在寻找子集ie很有帮助。猫和狗。然而，对于我来说，如果你正在训练一个有300个类的图像分类器，其中只有一些是预训练模型中的类的子集，那么使用这些预训练的权重是否是一个好主意就不太清楚了。
围绕这一点的直觉是什么？
浏览 36修改于2017-08-06得票数 1
回答已采纳
我想使用预培训的Alexnet进行转移学习。我在Keras库里找不到它。我是不是漏掉了什么？我在这里看到的另一种选择是创建模型
谢谢,
浏览 3提问于2022-03-05得票数 -2
我将Sports_1M caffe模型转换为Keras，并将其作为预训练模型使用到新的Keras模型中，我还加载了预训练的权重。model
浏览 0修改于2020-08-03得票数 2
当使用像vgg16或inception这样的预训练模型时，使用预培训模型的好处之一似乎是节省训练的时间。
是否有理由在不加载重量的情况下使用预先训练的模型？(使用随机权重)？
浏览 0提问于2021-05-11得票数 0
回答已采纳
阅读几个关于后增量和预增量的问题，我需要尝试解释一个新的程序员在什么样的情况下，我实际上需要一个或另一个。在什么样的场景中，我们会应用后增量操作符，在什么情况下应用预增量操作符更好。
浏览 0修改于2014-03-02得票数 2
回答已采纳
我不仅要利用特征提取器预训练的权重，还要利用特征映射层的分类器/本地化预训练权重，使用tensorflow对象检测API ( tensorflow object Pre)对tensorflow对象检测模型当我的新模型与我用于微调检查点的预训练模型有不同数量的类时，TensorFlow对象检测API将如何处理分类权重张量？当在像SSD这样的ML对象检测模型中微调预训练模型时，我不仅可以用预先训练的权重初始化特征提取器的权重，而
浏览 1修改于2018-03-20得票数 2
回答已采纳
然后是几个可训练变量。我有两个疑问要解决。tf.trainable_variables()包含预训练模型的变量列表
saver.restore(sess，checkpoint_file)为预训练模型返回NoneType
浏览 2提问于2017-08-31得票数 0
当我读到“用于句子分类的卷积神经网络”时，我注意到该论文实现了“CNN-非静态”模型--一个使用来自word2vec的预训练向量的模型，所有的单词--包括随机初始化的未知单词，和预训练向量对每个任务都进行了微调所以我只是不明白预先训练好的向量是如何对每个任务进行微调的。因为据我所知，输入向量是由word2vec.bin(预训练)从字符串转换而来的，就像图像矩阵一样，在训练CNN过程中不能改变。
浏览 4修改于2016-10-18得票数 1
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号