keras相关内容
我有一个变量,我想要预测到未来30年。遗憾的是,我没有太多样品。 df = pd.DataFrame({'FISCAL_YEAR': [1979,1980,1981,1982,1983, 1984, 1985, 1986, 1987, 1988, 1989, 1990, 1991, 1992, 1993, 1994, 1995, 1996, 1997, 1
..
散布在我的站点上的传感器(相同类型)以不定期的间隔手动向我的后端报告。在报告之间,传感器聚合事件并将其作为批报告。 以下数据集是批量收集的序列事件数据的集合。例如,传感器1报告了2次。在第一批2个事件和第二批3个事件上,而传感器2报告了1次3个事件。 我要将此数据用作我的列车数据X ensors_id Batch_id 时间戳 Feature_1 Feature_n 1 1 202
..
我正在尝试使用MLP进行分类。以下是模特的外观。 import keras from keras.models import Sequential from keras.layers import Dense, Dropout from keras.utils import np_utils model = Sequential() model.add(Dense(256, activ
..
在KERAS中,哪些指标更适合多标签分类:accuracy或categorical_accuracy?显然,在这种情况下,最后一个激活函数是sigmoid,而AS损失函数是binary_crossentropy。 推荐答案 我不会对类别不平衡的分类任务使用准确性。 尤其是对于多标签任务,您可能会认为您的大多数标签都是假的。也就是说,与所有可能的标签的基数相比,每个数据点只能有一小部分标
..
我使用的数据非常不平衡。 我正在使用VGG16训练图像分类器。我冻结了VGG16中的所有层,接受最后两个完全连接的层。 BATCH_SIZE = 128 EPOCHS = 80 当我设置Shuffle=False时,每个类的查准率和召回率都非常高(介于.80-.90之间)但当我设置Shuffle=True时,每个类的查准率和召回率下降到0.10-0.20。我不确定发生了什么。请帮
..
我正在开发一个回归神经网络,它使用Kera 1.2.1、TensorFlow后端和用于动态图像增强的生成器。 我希望根据与每个图像相关联的标签来增加我的随机数据集。 例如,在每个时期,我只想包括被标记为0.00的图像的25%。 另一方面,如果图像标记为-.20,我想将其旋转/翻转/完全旋转某个随机量。 问题是,我如何才能有选择地根据图像数据的标签来增加图像数据? 这可能吗? 推
..
有没有人能帮我把这个模型转换成PyTorch?我已经尝试过像这样How can I convert this keras cnn model to pytorch version从凯拉斯转换到火炬,但训练结果不同。谢谢。 input_3d = (1, 64, 96, 96) pool_3d = (2, 2, 2) model = Sequential() model.add(Convolut
..
我刚刚在here中读到了Kera权重初始值设定项。在文档中,只介绍了不同的初始值设定项。例如: model.add(Dense(64, kernel_initializer='random_normal')) 我想知道当我未指定kernel_initializer参数时,默认权重是多少。 有办法访问它吗? 推荐答案 每一层都有自己的初始化权重的默认值。对于大多数层,例如Den
..
如前所述,我正在尝试在训练我的模型之前标准化我的数据集。我之前使用tf.keras.preprocessing.image.ImageDataGenerator来做这件事。 train_data = tf.cast(train_data, tf.float32) train_gen = ImageDataGenerator( featu
..
ValueError:无法将大小为40000的数组重塑为形状(1,32,32,3) 我正在尝试使用Trafficsign数据集构建一个接口,但是我尝试通过nn的输入图像不是正确的输入形状(1、32、32、3)。请帮帮我,我已经试了很久了 import pandas as pd from tensorflow.keras.models import Sequential from tenso
..
我正在使用单镜头探测器(SSD),更具体地说,在Keras中使用this implementation。 当我检查SSD300时(虽然我注意到这也适用于SSD512),我注意到在每个卷积组之后都会有一个最大池来降低特征映射的维度。到目前为止还不错,但是在第5组之后(准确地说是在第5层之后),应用的最大池使用跨度1。我无法在SSD的original work上验证这一点,因为它是用Caffe写
..
我是R中的新手,正在尝试Rstudio中的keras。通过运行FIT()进行的所有accuracy、loss交互绘图都显示在Viewer窗格中,而不是Rmarkdown文件中。 所有其他绘图通常在Rmarkdown文件中打印,但不使用kera。 我还检查了RStudio中的Global settingsTools>Global Options>R Markdown>Show outpu
..
我想要可视化我的神经网络。因此,我使用from tensorflow.keras.utils import plot_model并按如下方式使用: model = Sequential() model.add(Dense(8, activation="relu")) model.add(Dense(1)) plot_model(model, to_file="
..
我尝试使用FIT_GENERATOR和TALOS(用于超参数调优)。早些时候,当我使用FIT方法时,我得到了内存错误,所以当我在这里搜索时,人们说我应该尝试使用FIT_GENERATOR。前面我给了太多的参数,所以即使使用FIT_GENERATOR,我也得到了内存错误,现在我减少了参数的数量,现在我得到了不同的错误。请查找下面的代码和错误。 代码: def yield_arrays_t
..
我希望在训练迭代中访问训练点,并通过使用训练集中未包括的数据点将软约束合并到我的损失函数中。我将使用this post作为参考。 import numpy as np import keras.backend as K from keras.layers import Dense, Input from keras.models import Model # Some random tra
..
我不确定我是否理解了TensorFlow Kerasmixed precision的概念。我的目标是运行浮点16精度的tf.keras模型,以提高推理速度。这能以混合精度完成吗? 我正在培训我的模型之前设置此策略: from tensorflow.keras.mixed_precision import experimental as mixed_precision policy =
..
我想打印LSTM层的状态值。 class CustomCallback(keras.callbacks.Callback): def on_epoch_end(self, epoch, logs=None): encoder_outputs, state_h, state_c = self.model.layers[1].output print(sta
..
以下是重现该错误的简单代码: import os os.environ["CUDA_VISIBLE_DEVICES"]="-1" import numpy as np from keras.models import Sequential from keras.layers import Conv1D, Flatten, Dense import tensorflow as tf mod
..
在注意到我在培训期间不能(再)这样做后,我编写了一个单元测试来保护模型。 @pytest.mark.usefixtures("maybe_run_functions_eagerly") def test_save_model(speech_model: Tuple[TransducerBase, SpeechFeaturesConfig]): model, speech_featur
..
SkLearning清楚地定义了如何使用其自己的分类模型绘制混淆矩阵1。 但将其与使用数据生成器的Kera模型一起使用又如何呢?让我们看一看示例代码: 首先,我们需要训练模型。 import numpy as np from keras import backend as K from keras.models import Sequential from keras.layers.core
..