[当前最佳0.00000 @ypw/ 0.20631 @LeeJuly30] Kaggle ImageNet Dogs


#317


使用了Stanford数据集,参考培神的思路,前两天提交的结果,之前忘mark了


#318

原来那个app是干这个的。。。


#319

是的,包括里面还有一些js,css文件,还有一个html文件。都和这次的比赛无关。


#320

大佬,能帮我改一下上面的代码,使之能够顺利提取特征吗,我的是keras 2.0.5 版的,不知道为什么提取特征的时候慢的要死,这是培文大佬的猫狗大战链接https://ypw.io/dogs-vs-cats-2/#more


#321

model.predict_generator 的 API 已经改为 steps,也就是多少个 batch,而你仍旧在用 generator.nb_sample (注意,这个仍然是旧的用法),因此它预测了 batch_size * samples 个样本,也就是说会耗费16倍的时间和生成16倍大小的文件,因此这篇文章中的代码已经过时了,你可以参考其中的思想,但是无法直接参考其中的代码。

参考链接:https://keras.io/models/model/#predict_generator


#323

能不能把改动贴一下?就是应该怎么改?


#324

如果我的训练数据是60600,测试是3000的话,batchsize均为100,那是不是model.predict_generator的steps是606和30?


#325

很好,你认真思考了问题,并且做出了解答,这个答案是没有问题的。其实还有一个情况需要考虑,如果样本数除不尽,有多余的样本,只要样本够多,那么直接丢弃也是没问题的。


#327

嗯,好的,很感谢,培神的解惑


#328


大佬,model.fit API 好像更改了,出现了如上图错误


#329

请自己看报错,然后自己提出假设,然后自己思考原因,然后自己修改代码。

很明显报错是因为 shape 没对上,根据你的模型,你是进行的30分类,但是输入了 (60600, 1) 的 shape,因此你需要先进行 one-hot 编码,然后再进行训练。你不会是在猪分类吧。


#330

对啊,就是猪脸识别:joy:


#331

如果我图片做了数据增强,是不是就不能用预训练的模型抽取特征了?


#332

用预训练模型抽取特征,是不是要自然图片?


#333

用图像增强的话,直接训练就好了,不一定非要自然图片。


#335

用了图像增强,可以用预训练模型抽取特征,然后再训练吗??


#336

可以,如果你需要扩充几十倍数据,只需要准备几十倍的内存就好了,大概几百个G。


#338

大佬,你有参加猪脸识别比赛吗??


#339

net.add(nn.GlobalAvgPool2D())这一句,是不是可以省略?
图片尺寸已经是1*1了


#340

那是旧版本的mxnet,resnet152_v1 没有GlobalAvgPool2D,新版本的mxnet 有就不用加了