We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
在模型训练的时候,如果只有正样本,负样本很少甚至没有,且没有标签数据,该如何修改关于roc_auc_score和test的相关内容呢?希望得到您的回答。
The text was updated successfully, but these errors were encountered:
我想在训练中test了一部分图片进行计算auc和roc,根据他们的大小来判断是否存储最新的权重,此部分的test中的数据相当于是起了验证集的作用,如果你没有负样本以及标注,你也可以把正样本和全黑的ground_truth作为验证集传进去。这是我的理解,不知道是否正确,欢迎讨论。
Sorry, something went wrong.
我现在是这么操作的,使用正样本和全黑的ground_truth。我现在使用这个模型,在test时耗时非常久,不知道你遇到了这个问题嘛?我是改了网络的参数,传入512*512的图像
我想在训练中test了一部分图片进行计算auc和roc,根据他们的大小来判断是否存储最新的权重,此部分的test中的数据相当于是起了验证集的作用,如果你没有负样本以及标注,你也可以把正样本和全黑的ground_truth作为验证集传进去。这是我的理解,不知道是否正确,欢迎讨论。 我现在是这么操作的,使用正样本和全黑的ground_truth。我现在使用这个模型,在test时耗时非常久,不知道你遇到了这个问题嘛?我是改了网络的参数,传入512*512的图像
肯定很慢的,因为模型在算特征分布协方差的时候是逐像素算的:for i in range(H *W),特别占显存,能跑起来都算不错的了。
No branches or pull requests
在模型训练的时候,如果只有正样本,负样本很少甚至没有,且没有标签数据,该如何修改关于roc_auc_score和test的相关内容呢?希望得到您的回答。
The text was updated successfully, but these errors were encountered: