我从教程中复制了这段代码，将 tensorflow 导入为 tf，将 tensorflow_datasets 导入为 tfds，导入 osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'setattr(tfds.image_classification。

我已经从教程中复制了此代码

import tensorflow as tf
import tensorflow_datasets as tfds
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

setattr(tfds.image_classification.cats_vs_dogs, 
'_URL',"https://download.microsoft.com/download/3/E/1/3E1C3F21-ECDB-4869-8368- 
6DEBA77B919F/kagglecatsanddogs_5340.zip")
datos, metadatos = tfds.load('cats_vs_dogs', as_supervised = True, with_info = True)

\'档案中没有名为'PetImages\\Cat\\0.jpg'的项目\'文件\'C:\Users\Timaure\Documents\AI T\AI T.py\'，第 8 行，在 datos 中，metadatos = tfds.load('cats_vs_dogs', as_supervised = True, with_info = True)KeyError: \'档案中没有名为'PetImages\\Cat\\0.jpg'的项目\'

我遇到了这个错误，我是张量和 AI 的新手，在初始行 xx 中遇到了错误，我在网上复制了错误，但没有找到解决方案。我该如何修复它？

我有以下 JSON 字符串：{ \'results\':[ { \'id\':11, \'name\':\'Employee A\', \'isEmployee\':true }, { \'id\':12, \'name\':\'Empl...

我有以下 JSON 字符串：

{  
   "results":[  
      {  
         "id":11,
         "name":"Employee A",
         "isEmployee":true
      },
      {
         "id":12,
         "name":"Employee B",
         "isEmployee":true
      },
      {
         "id":13,
         "name":"Employee C",
         "isEmployee":true
      },
      {
         "id":14,
         "name":"Contractor A",
         "isEmployee":false
      },
      {
         "id":15,
         "name":"Contractor B",
         "isEmployee":false
      }
   ],
   "totalItems":5
}

我需要从中删除 id 和 isEmployee 属性并仅保留 name 属性。

期望结果如下：

{  
   "results":[  
      {  
         "name":"Employee A"
      },
      {  
         "name":"Employee B"
      },
      {  
         "name":"Employee C"
      },
      {  
         "name":"Contractor A"
      },
      {  
         "name":"Contractor B"
      }
   ],
   "totalItems":5
}

如何使用 Newtonsoft JSON.NET 在 C# 中完成此操作？

有两种基本方法，

任何一个

• 将其解析为 JObject（例如 JObject.Parse(json) ）； 来修改对象图 ；序列化现在代表修改后的对象图的原始 JObject。

或者

• 将 JSON 反序列化为 不带 附加属性的强类型对象。C# 类型中不存在的属性将被默默删除。然后序列化刚刚反序列化的对象。

我使用了上面提到的第二种方法（反序列化为模仿 JSON 结构的 C# 对象，然后序列化为 JSON），效果很好。

我正在尝试在图像数据集上训练 CNN 模型，但无法获得 TruePositives、TrueNegatives、FalsePositives 和 FalseNegatives 的十进制值。这怎么可能？错误 sa...

我正在尝试在图像数据集上训练 CNN 模型，但无法获得 TruePositives、TrueNegatives、FalsePositives 和 FalseNegatives 的十进制值。这怎么可能呢？

ERROR sample
Epoch 1/3
36/36  69s 2s/step - false_negatives: 30.1351 - false_positives: 35.3784 - loss: 2.1995 - true_negatives: 389.0540 - true_positives: 437.6487

有一些（tp+tn+fp+tn）不等于样本总数。

完整代码

import pandas as pd
import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator

from tensorflow.keras.layers import Dense,Flatten,InputLayer,Conv2D,MaxPooling2D,Concatenate,Input,BatchNormalization
from tensorflow.keras.models import Sequential,Model
from tensorflow.keras.losses import BinaryCrossentropy,CategoricalCrossentropy
from tensorflow.keras.optimizers import Adam
import matplotlib.pyplot as plt
from tensorflow.keras.models import Model
from sklearn.metrics import classification_report
from tensorflow.keras.callbacks import EarlyStopping

datagen=ImageDataGenerator(rescale=1.0/255.0)
train_gen=datagen.flow_from_directory('train',class_mode='binary',
                                      target_size=(224,224),batch_size=32,shuffle=True)

Output:

Found 1146 images belonging to 2 classes.

tp = tf.keras.metrics.TruePositives()
tn = tf.keras.metrics.TrueNegatives()
fp = tf.keras.metrics.FalsePositives()
fn = tf.keras.metrics.FalseNegatives()
tp.update_state([0.4, .9, .7, .8], [1.0, 0.0, 1.0, 1.0])
tp.result()

output
<tf.Tensor: shape=(), dtype=float32, numpy=3.0>

model_input=Input(shape=(224,224,3))

x=Conv2D(filters=32, kernel_size=(3,3),activation='relu',padding='valid')(model_input)
x=MaxPooling2D(pool_size=(2,2),strides=2)(x)
x=Conv2D(filters=64, kernel_size=(3,3),activation='relu',padding='valid')(x)
x=MaxPooling2D(pool_size=(2,2),strides=2)(x)
x=BatchNormalization()(x)
x=Conv2D(filters=64, kernel_size=(3,3),activation='relu',padding='valid')(x)
x=MaxPooling2D(pool_size=(2,2),strides=2)(x)
x=BatchNormalization()(x)
x=Flatten()(x)
x=Dense(units=1000,activation='relu')(x)
output=Dense(units=1,activation='sigmoid')(x)
model=Model(inputs=model_input,outputs=output)

model.compile(optimizer=Adam(),loss=BinaryCrossentropy(),metrics=[tp,fp,fn,tn])
early_stopping = EarlyStopping(monitor='val_loss', patience=2,restore_best_weights=True)


history=model.fit(x=train_gen,epochs=3,callbacks=[early_stopping])

十进制值错误

Epoch 1/3
36/36  69s 2s/step - false_negatives: 30.1351 - false_positives: 35.3784 - loss: 2.1995 - true_negatives: 389.0540 - true_positives: 437.6487
Epoch 2/3
36/36  61s 2s/step - false_negatives: 7.8378 - false_positives: 13.5135 - loss: 0.1692 - true_negatives: 283.1081 - true_positives: 300.4054
Epoch 3/3
36/36  65s 2s/step - false_negatives: 2.3243 - false_positives: 3.0811 - loss: 0.0546 - true_negatives: 289.8108 - true_positives: 308.3513

存在 Remove 方法（不确定提出这个问题时是否存在）

例如：

var raw = "your json text";
var o = (Newtonsoft.Json.Linq.JObject)JsonConvert.DeserializeObject(raw);
o.Property("totalItems").Remove()
return o.ToString();

或您的确切输入

var parent = JsonConvert.DeserializeObject<JObject>(raw);
((JArray)parent.Property("results").Value)
    .Select(jo => (JObject)jo)
    .ToList()
    .ForEach(x => 
        x
            .Properties()
            .ToList()
            .ForEach(p =>
            {
                if (p.Name != "name")
                    p.Remove();
            }))
    //.Dump();
    ;

当 TensorFlow 对批次进行平均并为您提供此指标的“聚合”版本时，可能会发生这种情况。要测试这一点，请尝试使用 1 个样本批次大小。