小编Min*_*ink的帖子

我已经看到端点错误(EPE)用作确定流量估算与地面实况流程的接近程度的度量标准,但我有一些关于它的问题并且希望有人可以启发我:

• 它究竟代表什么？
• 你怎么算呢？
• 为什么用它？

两个问题:

1)有没有人知道我是否可以将新图像类添加到预先训练的Inception-v3模型中？例如,我想在许多国旗上训练TensorFlow,但我需要确保我仍能识别ImageNet层次结构中的图像.我意识到有一种方法可以擦除顶层的Inception并在我的类上完全重新训练模型,但这非常有限且耗时.

2)另外,有没有办法输出包含图像接收的标签的整个层次结构？我希望能够不仅具体了解Inception如何标记图像,但我希望从ImageNet中看到所有更广泛的"同义词".例如,我不仅仅看到输出"玩具贵宾犬",而是对"动物/驯养动物/狗/贵宾犬/玩具贵宾犬"感兴趣.

任何回复都非常感谢.

我目前正在计划我的第一个Conv.在Tensorflow中实现NN,并且已经阅读了Tensorflow 网站上提供的许多教程以获得洞察力.

似乎基本上有两种方法来创建自定义CNN:

1)使用Tensorflow图层模块tf.layers,这是"高级API".使用此方法,您可以定义由tf.layers对象组成的模型定义函数,并在main函数中实例化a tf.learn.Estimator,将模型定义函数传递给它.从这里开始,可以在对象上调用fit()和evaluate()方法Estimator,分别训练和验证.链接:https://www.tensorflow.org/tutorials/layers.主要功能如下:

def main(unused_argv):
  # Load training and eval data
  mnist = learn.datasets.load_dataset("mnist")
  train_data = mnist.train.images  # Returns np.array
  train_labels = np.asarray(mnist.train.labels, dtype=np.int32)
  eval_data = mnist.test.images  # Returns np.array
  eval_labels = np.asarray(mnist.test.labels, dtype=np.int32)

  # Create the Estimator
  mnist_classifier = learn.Estimator(
      model_fn=cnn_model_fn, model_dir="/tmp/mnist_convnet_model")

  # Set up logging for predictions
  # Log the values in the "Softmax" tensor with label "probabilities"
  tensors_to_log = …

首先，我是一名学生，对IDE的经验有限。我的情况是，我的机器上目前有两个版本的Eclipse（OSX El Capitan），一个是C / C ++ IDE（Mars），另一个是Java IDE（Mars.2）。我对将Java IDE升级到Eclipse Neon感兴趣。

卸载当前的Mars.2版本是一个好主意，还是仅在拥有的版本上安装Neon？

或者，还有另一种简单的升级方法吗？

如果解决方案涉及卸载Mars.2版本，那么我需要删除哪些文件/目录，以便C ++ IDE保持功能？

对于新手问题，我深表歉意，但我希望获得专家的支持，并带入我的（充满希望的）职业生涯。

谢谢。

首先，我是ML / CV领域的新手，并且目前正在使用Caffe训练自定义转换网络。

我对平均图像减法感兴趣，以在我的训练图像上实现基本数据标准化。但是，我对均值减法的工作原理及其确切好处感到困惑。

我知道可以从训练集中计算出“平均图像”，然后从训练，验证和测试集中减去“平均图像”，以使网络对不同的背景和光照条件不太敏感。

这是否涉及计算每个图像中所有像素的平均值，并将其取平均值？或者，是否将每个像素坐标的值在集合中的所有图像上平均（即，所有图像在位置（1,1）处的像素平均值）？这可能要求所有图像的大小均相同...

另外，对于彩色图像（3通道），每个通道的值是否单独平均？

任何清晰度将不胜感激。