keras相关内容
我使用keras/tensorflow在jupyter笔记本中编写了代码.当我在可在cpu上运行tensorflow的笔记本电脑上运行该代码时,该代码运行良好,但是当我在可在gpu上运行tensorflow的家用计算机上运行相同的代码时,我收到消息“无法创建会话".如果可能的话,我想继续使用gpu. 我将在下面包括我的代码和错误以及终端的输出. 代码(我不包括加载/操作数据的代码其他部
..
我正在Azure中建立循环神经网络: model = Sequential() model.add(GRU(units=512, return_sequences=True, input_shape=(None, x1,))) model.add(Dense(y1, activation='sigmoid')) 但
..
我正在Jupyter Notebook(Python 3.6)中运行Keras神经网络模型 我收到以下错误 AttributeError:“列表"对象没有属性"ndim" 从Keras.model调用.fit()方法后 model = Sequential() model.add(Dense(5, input_dim=len(X_data[0]), activation=
..
我在Jupyter笔记本中运行以下代码: # Visualize training history from keras.models import Sequential from keras.layers import Dense import matplotlib.pyplot as plt import numpy # fix random seed for reproducibili
..
我正在尝试使用以下代码删除在Google colab上上传的文件: from google.colab import files uploaded = files.upload() 如何立即删除文件?例如,如果文件名为"sample.jpg". 解决方案 尝试一下 !rm sample.jpg 然后用!ls -al 检查它是否消失了 更新(2018年11月) 现在,
..
我已经安装了Anaconda的Tensorflow和Keras(在Windows 10上),我创建了一个使用Python 3.5.2的环境(Anaconda中的原始版本是Python 3.6). 当我尝试执行import keras as ks时,得到ModuleNotFoundError: No module named 'keras'. 我试图通过sys.path.append(C:\\
..
在Jupyter Notebook中用Keras训练神经网络时遇到问题.我创建了具有几个隐藏层的顺序模型.训练模型并保存结果后,我想在同一会话中删除该模型并创建一个新模型,因为我有一个for循环来检查不同参数的结果.但是据我了解到的错误,在更改参数,循环时,我只是在模型中添加了图层(即使我在循环中再次使用network = Sequential()对其进行了初始化).所以我的问题是,如何才能完全清
..
我正在尝试做一些深度学习工作.为此,我首先在Python环境中安装了所有用于深度学习的软件包. 这就是我所做的. 在Anaconda中,我创建了一个名为tensorflow的环境,如下所示: conda create -n tensorflow 然后在其中安装了数据科学Python包,例如Pandas,NumPy等.我也在那里安装了TensorFlow和Keras.这是该环境
..
理论上,由于权重具有固定大小,因此预测应该是恒定的.如何在编译后恢复速度(无需删除优化器)? 请参阅相关实验: https://nbviewer.jupyter.org/github/off99555/TensorFlowExperiments/blob/master/test-prediction-speed-after-compile.ipynb?flush_cache=true
..
因此,我使用python 3和jupyter(使用pip)设置了虚拟局域网.一切正常,但如果我尝试导入keras,它将无法在jupyter中工作,并告知未找到模块.但是,如果我在终端中执行相同的文件(python3 test.py),就可以正常工作. which jupyter /usr/local/bin/jupyter which python3 /Users/niro273/Desk
..
当在Jupyter笔记本中使用"verbose = 1"选项运行keras模型时,我开始不再像以前那样获得单行进度状态更新,而是大量更新状态行.见附图.重新启动jupyter或浏览器无济于事. Jupyter笔记本服务器是:5.6.0,keras是2.2.2,Python是Python 3.6.5 请帮助. 单元格内容: history = model.fit(x = train_df
..
我正在运行Keras模型,提交截止日期为36小时,如果我在cpu上训练我的模型大约需要50个小时,有没有办法在gpu上运行Keras? 我正在使用Tensorflow后端,并在未安装anaconda的Jupyter笔记本上运行它. 解决方案 是的,您可以在GPU上运行keras模型.几件事您必须首先检查. 您的系统具有GPU(Nvidia.因为AMD尚未运行) 您已安装了Te
..
我想在其他框架中使用转储的权重和模型架构进行测试. 我知道: model.get_config()可以给出模型的配置 model.to_json以JSON字符串形式返回模型的表示形式,但是该表示形式不包括权重,仅包括体系结构 model.save_weights(filepath)将模型的权重另存为HDF5文件 我想将体系结构和权重保存在json文件中. 解决方案 K
..
在编写用于训练Keras模型的自定义生成器时,我最初尝试使用 generator 语法。所以我从 __ next __ 编辑 yield 。但是,当我尝试用 model.fit_generator 训练我的模式时,我会得到一个错误,我的生成器不是迭代器。解决方法是将 yield 更改为 return ,这也需要重新调整 __ next __ 跟踪状态。与让 yield 为我做的工作相比,这是非常麻
..
在Python中,我使用keras训练了一个图像分类模型,以接收作为[224,224,3]数组的输入并输出预测(1或0)。当我加载保存模型并将其加载到xcode时,它声明输入必须是MLMultiArray格式。 我有没有办法转换UIImage进入MLMultiArray格式?或者有没有办法让我改变我的keras模型接受CVPixelBuffer类型对象作为输入。 解决方案 在你的Co
..
我有一个形状为(?,368,5)的参数张量,以及一个形状为的查询张量(?, 368)。查询张量存储用于对第一张量进行排序的索引。 所需的输出形状为:(?,368,5)。由于我需要它用于神经网络中的损失函数,因此使用的操作应该保持可微。此外,在运行时,第一个轴?的大小对应于batchsize。 到目前为止,我试验了 tf.gather 和 tf.gather_nd ,但是 tf.gat
..
我尝试使用Keras(顺序),但在尝试导入时出现以下错误: 文件“ kaggle_titanic_keras.py“,第3行,来自keras.models的 导入序列 文件“/anaconda/lib/python2.7/site-packages/keras/__init__.py”,第4行, 来自。导入应用程序 文件“/anaconda/lib/py
..
我一直在使用tensorflow和python3支持。我的代码中有一行会引发错误。 此处的错误: 返回-10。 * np.log10(K.mean(K.square(y_pred - y_true))) AttributeError:'Tensor'对象没有属性'log10' 解决方案 你可以这样做: 返回10.0 * K.log(1
..
我正在构建一个用于一类分类的图像分类器,其中我使用了自动编码器。 运行此模型时我遇到了这个错误 autoencoder_model.fit : ValueError:检查目标时出错:预期model_2有形状(无,252,252,1)但是有形状的数组(300,128,128,3) num_of_samples = img_data.shape [0] labels = np.
..
我正在构建一个图像分类器,其中我有66个类和图像大约50000,我的电脑的RAM是12 gb我的ram不足以训练图像我的问题是图像的分辨率会影响图像的准确性模型我正在使用卷积神经网络。 解决方案 如果您正在使用具有完全连接层的卷积神经网络来获得预测概率,输入层将具有固定的大小,因此您需要预处理所有图像到该大小以馈送到网络。 如果您的图像大小小于此大小,您需要插入并增加大小,以便通过进
..