回答情况：
提问时间：
问题标签：
1回答
编辑:这是所有有问题的人仍然是的完整代码
我试着用SIFT和蝴蝶结做一个图像识别项目。到目前为止，我正努力训练和制作我的字典。5节课？)
浏览 3修改于2017-01-18得票数 8
回答已采纳
我已经训练了我的深度学习模式，最初有5门课，现在我想增加另一门课，而不用再为这5门课重新训练整个模式。我怎么能这么做？
浏览 0修改于2019-08-06得票数 2
我试着用4种不同的类别训练神经网络来进行图像分类：大楼(8k培训实例)树木(1k训练实例)我是否必须将每堂课的训练样本数目限制在所有课程的最少数目？
浏览 0修改于2018-07-30得票数 3
回答已采纳
我想训练一个使用CIFAR-10进行几个镜头图像分类的模型。因此，我必须用少量的类来训练模型，并使用其余的类进行测试。我在想，如果我只有10节课，我该怎么做呢？(例如6节培训课和4节测试课，可以吗？)
浏览 3修改于2022-07-21得票数 0
我必须使用OpenCV 2.4.6来做蝴蝶结(单词袋)，我所有的代码都是c++。现在我想用蟒蛇来做。
我已经搜索了()。但我没有得到答案。然后从，我知道也许没有OpenCV-python用于鞠躬。因为我已经用C++训练了词汇，现在当我得到一张照片时，我想得到与词汇表相比较的弓形矢量。C++使用BOWImgDescriptorExtractor()函数来完成它。
浏览 2修改于2017-02-01得票数 1
回答已采纳
/8/18主要训练Player_1课程4038.1687 16/8/18主要培训133个Player_1课程3573.4509 23/8/18主要培训repr
浏览 0修改于2018-09-09得票数 2
回答已采纳
我不明白为什么Weka评估类构造函数需要训练实例才能工作。理论上，评估只依赖于经过训练的模型(下一段代码中的)和测试数据(TestingSet)。
谢谢!
浏览 0修改于2015-09-16得票数 8
1回答
我有4节课--很好笑，不好笑。我尝试了像VGG16/19 densenet201这样的预训练模型，但我的模型过于拟合，训练准确率超过95%，测试精度约为30 %。有人能给我建议吗?我还能尝试什么？训练图像- 6K
浏览 0提问于2020-03-02得票数 0
我需要训练一个有100个类的数据集。每堂课都有200张图片。以前有人用yolo v5训练过这么大的数据集吗？你需要什么GPU？谢谢。
浏览 5提问于2022-02-22得票数 0
1回答
我认为，就我而言，没有必要开设两门课。我的结果是预测一个客户会放弃他的合同。所以我想一堂课就足够了(一节课退出，0节课)。我在和一个亚当优化师一起训练。一天结束后，我想到了
这意味着，如果我预测一个客户会辞职，我就能有78%的信心相信他真的会辞职。相反，如果他放弃合同，我以66%的预测，他会这样做。或者说得更清楚一点:如果我的训练错误和测试错误的
浏览 0修改于2020-06-20得票数 0
回答已采纳
L希望将数据集分成50%的训练集和50%的测试集。然而，它返回50%的训练集和
浏览 0提问于2017-11-24得票数 5
回答已采纳
我一共有10节课。我不能丢下这些模糊的图像。如何对模型进行训练，以提高模糊和非模糊训练数据集的准确性？目前，我的准确率是11%。
图像是用高斯模糊模糊的。请大家提出一个好的方法来训练这个模特。
浏览 0提问于2020-09-16得票数 0
回答已采纳
在分类课(在第三个视频中)中，他说了以下几行但是，一旦有了参数θ，就定义了决策边界。“
训练集和假设之间有什么区别？为什么决策边界是假设的属性，而不是训练集的属性？
浏览 3提问于2017-07-13得票数 5
回答已采纳
我有三节课。(50k用于训练，12k用于验证)通过使用预训练的vgg16和resnet50，并冻结模型，仅在顶部训练密集层，我达到了99%的验证准确率。
浏览 17提问于2017-08-08得票数 0
我必须在皮肤病变图像上从头开始重新训练inceptionV3模型。每堂课我应该使用多少张图片？
浏览 0提问于2018-06-16得票数 0
回答已采纳
1回答
我想使用Caffe和伴随着Caffe的googlenet网结构来训练一个基于我自己的图像数据的模型。我有14种分类。但是我确实只有大约250张用于训练的图像和80张用于测试的图片。够了吗？有没有办法找出我每堂课需要多少张图片？
浏览 3提问于2016-01-15得票数 2
回答已采纳
我有一个预先训练过的语义分割网络，它已经在城市景观数据集及其19个类(人、车、交通标志、…)上接受了培训。。其中之一就是“人”。我只对这门课感兴趣。提前感谢！
浏览 0提问于2022-09-15得票数 0
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