Runist
> 博主您好！请问在数据集上的正确率是多少？ 经过MAML训练的模型，稍微训练几步就可以达到70、80的准确率。 Model with maml weight train for 3 step, val loss: 0.8904, accuracy: 0.6700. Model with maml weight train for 5 step, val loss: 0.5034, accuracy: 0.7800. Model...
网络结构是一样的，用的数据集都是同一个dataset，不过数据读取的方式不一样了。之前一个版本训练过程中一些细小的错误已经修正。
是的，都是用Omniglot。你说的用不同数据集的情况，在作者看来maml就是有快速适应的能力。但是我个人觉得无论以什么方式训练，模型都是会有“数据与模型”的相关性。所以evaluate部分的任务是不能和train部分的任务差别很大。你可以试试用omniglot测试一下cifar10或者mnist
> 您好，我照著您的步驟在執行evaluate時出現這個error，想請問是哪個部分出錯了嗎? > > ValueError: Input 0 of layer sequential is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: (5, 28, 28) 你如果正常执行应该是不会出错的，因为模型在接收输入时默认是四个维度[batch_size, Height, Width, Channel]。evaluate内数据读取是以一个batch的数量读取的。你如果需要改动程序，要注意输入数据的维度
> 不好意思，還想請問您數據讀取的方式，及label生成的方式? > 您將Omniglot中的檔案都複製成四個(0,180,270,90)，請問目的為何? 增加Omniglot的数据集的数量，至于复制成0-270，那个代表的是旋转的角度，旋转后的字符都可以看作是一个新的字符。
你的tensorflow版本是不是2.4的？我刚刚验证了一下，2.3的情况下可以使用，2.4的情况会报错。你主要是2.4不支持在单通道图片的情况下，自动broadcast成四维度的。
> 對，原來如此，謝謝! > > 那請問後面兩行 > > ``` > query_image.append(image) > query_label.append(label) > ``` > > 需要改為這個嗎 > > ``` > query_data.append((image, label)) > ``` 版本换了就不需要改了。
So what's the difference between the two method?
I meet the problem too.I search in Google,somebody say that it maybe your keras model isn't match yolov4.weights.So I try to figure out.
> Traceback (most recent call last): > File "convert.py", line 173, in > yolo4_model = Yolo4(score, iou, anchors_path, classes_path, model_path, weights_path) > File "convert.py", line 157, in **init** > self.load_yolo()...