在预先训练的模型中不需要一些已有的类
腱流目标检测。
我知道你可以在这里用现有的预训练模型训练新类：
https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md
但我只想检测“人”和“车”，这两个类已经存在，不需要进一步的培训。
然而，模型如faster_rcnn_inception_v2_coco，它检测90类，运行太慢，我。
有没有办法减少类的数量，从而使检测运行得更快？
PS：我已经将COCO数据集过滤成只有“人”和“车”的数据集，但是按照我在谷歌上搜索的常见步骤，我得到了糟糕的训练结果。我只能成功地检测到“person”。想一想原因是什么。
共有1个答案
我自己解决了。如果您在coco中使用“人”或“车”，在预先培训的模型中，id是1和3，并且不能更改。
在. config中，设置'num_classes'=3，尽管你的类num是2。
3是适合'car'-id。
（例如。如果你选择2类，人=1，卡车=8，你的num_classes应该是8）
另外，适当选择你的时代，你可以看到：http://neuralnetworksanddeeplearning.com/chap3.html
-
文章信息 通过本教程，你可以掌握技能：使用预先训练的词向量和卷积神经网络解决一个文本分类问题 本文代码已上传到Github 本文地址：http://blog.keras.io/using-pre-trained-word-embeddings-in-a-keras-model.html 本文作者：Francois Chollet 什么是词向量? ”词向量”（词嵌入）是将一类将词的语义映射到向量空间
-
我发现很难创建自己的openNLP模型。谁能告诉我，如何拥有自己的模型。培训应该如何进行。 输入应该是什么，输出模型文件将存储在哪里。
-
我有一个模型。预训练的pkl文件以及与ml模型相关的所有其他文件。我想把它部署到aws sagemaker上。但是在没有培训的情况下，如何将其部署到aws sagmekaer，就像aws sagemaker中的fit（）方法一样，运行train命令并推送模型。焦油gz到s3位置，当使用deploy方法时，它使用相同的s3位置来部署模型，我们不会在s3中手动创建与aws模型创建的位置相同的位置，并使
-
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
-
我使用以下代码将预先训练的ResNet50 keras模型导出到tensorflow中，以便为tensorflow提供服务： 最后，我使用以下函数对tensorflow服务进行预测： 然后，我从一个ipython shell中使用上面的两个函数从ImageNet的val集中选择随机的imagenes，我已经在本地存储了这些ImageNet。问题是tensorflow服务总是为我发送的所有图像返回相
-
因此，我在TensorFlow 2中使用tf.keras框架重新训练了一个预先训练的ResNet50 V2模型，在顶部添加了两个密集层。现在我想在基本ResNet模型中可视化层中的权重。但是，重新加载保存的模型 导致 如您所见，ResNet模型的层没有单独列出，这意味着调用 只会导致 因此，如何访问基本ResNet50 V2模型中每个层内部的权重？
-
TensorFlow-Lite Android演示与它提供的原始模型mobileNet_quant_v1_224.tflite一起工作。参见：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/lite 他们还在这里提供了其他预训练的lite模型:https://github.com/tensorflow/
-
问题内容： 我正在尝试在Keras中创建模型，以便根据图片进行数值预测。我的模型具有 密集的net121 卷积基础，顶部还有几个附加层。除最后两个图层外的所有图层均设置为。我的损失是均方误差，因为这是一项回归任务。在训练期间，我得到了，而对同一批数据的评估给出： 时代1/1 32/32 [==============================]-0s 11ms / step- 损耗： 2.5