Une couche de convolution(convolutional layers) est une couche permetant de recuperer les caractéristiques(variables) les plus pertinentes d,un objet (images pour notre cas) #Ginola#
bonjour Natacha, merci pour tout le travail abattus. pour des questions de logistique, je suis la formation et je travail avec jupiter notebook, mon probleme est que dead kernel apparait, je voudrais savoir la raison. merci
Bonsoir; déjà je voudrais vous remercier pour vidéos de bonnes qualité et vos explication claires ! Je me demandais pourquoi considérez vous que le model est bon sur le set de validation étant donné que l'accuracy avoisine 0.5 ? Il me semble que sur un set de validation binaire cela est équivalent à faire deviner le model étant donnée que l'espérance E[ choisir le bon label ] = 0.5. Merci beaucoup
Le modèle surapprend un peu. J'ai dit qu'il fallait justement plus d'images pour obtenir de meilleures performances. J'ai utilisé uniquement 2600 images pour entraîner le modèle, ce qui n'est pas suffisant. Le modèle n'est pas très performant
Natacha c ' est #unique#
Tu es un Model.j,Admire d,abord la détermination et je copie eins zu eins.
Merci beaucoup Natacha
#Ginola
Ça fait plaisir ☺
Avec plaisir Ginola
Merci beaucoup!
Avec plaisir 😊
👍
😊
Une couche de convolution(convolutional layers) est une couche permetant de recuperer les caractéristiques(variables) les plus pertinentes d,un objet (images pour notre cas)
#Ginola#
bonjour Natacha, merci pour tout le travail abattus. pour des questions de logistique, je suis la formation et je travail avec jupiter notebook, mon probleme est que dead kernel apparait, je voudrais savoir la raison. merci
la memoire de ton pc n'est pas dense. La ram
Bonsoir; déjà je voudrais vous remercier pour vidéos de bonnes qualité et vos explication claires ! Je me demandais pourquoi considérez vous que le model est bon sur le set de validation étant donné que l'accuracy avoisine 0.5 ? Il me semble que sur un set de validation binaire cela est équivalent à faire deviner le model étant donnée que l'espérance E[ choisir le bon label ] = 0.5. Merci beaucoup
Le modèle surapprend un peu. J'ai dit qu'il fallait justement plus d'images pour obtenir de meilleures performances. J'ai utilisé uniquement 2600 images pour entraîner le modèle, ce qui n'est pas suffisant. Le modèle n'est pas très performant
👍👍👍