keras相关内容
我有兴趣在拟合我的 keras 模型时创建回调.更详细地说,我想在每次 epoch 结束时从带有 val_acc 的机器人电报中收到一条消息.我知道你可以在 classifier.fit() 中添加一个 callback_list 作为参数,但是许多回调是由 keras 预先构建的,我不知道如何添加自定义的. 谢谢! 解决方案 以下是我如何向回调添加验证准确性的示例: class
..
我想通过代码a xor来练习keras,但是结果不对,下面是我的代码,感谢大家的帮助. from keras.models import Sequential从 keras.layers.core 导入密集,激活从 keras.optimizers 导入 SGD将 numpy 导入为 np模型 = Sequential()# 两层model.add(密集(input_dim=2,output_d
..
我在 Keras 中有一个模型,我正在优化均方误差.但是,如果我在指标中使用与 Keras 的 losses.py 相同的代码,我会得到不同的结果.这是为什么? 作为一个指标: def MSE_metric(y_true, y_pred):返回 K.mean(K.square(y_pred, y_true)) 对于模型: model.compile(optimizer=SGD(lr=0
..
我正在尝试使用 Keras 设计一个优先考虑预测性能的神经网络,但我无法通过进一步减少层数和每层节点数来获得足够高的准确度.我注意到我的很大一部分权重实际上为零(> 95%).有没有办法修剪密集层以减少预测时间? 解决方案 不是专用的方式 :( 目前没有简单(专用)的方式使用 Keras 来做到这一点. 正在https://groups.google.com 上进行讨论/for
..
我想创建一个网络,其中输入层中的节点仅连接到下一层中的某些节点.这是一个小例子: 到目前为止,我的解决方案是将 i1 和 h1 之间的边的权重设置为零,并且在每个优化步骤之后,我将权重与矩阵相乘(I称这个矩阵掩码矩阵),其中除了i1和h1之间边的权重的条目外,每个条目都是1.(见下方代码) 这种方法对吗?或者这对 GradientDescent 有影响吗?是否有另一种方法可以在 Ten
..
为了使结果可重现,我已将 20 多篇文章添加到我的脚本中,并将最多的功能添加到我的脚本中……但失败了. 在官方消息中,I red 有 2 种种子 - 全局种子和可操作种子.可能是,解决我的问题的关键是设置操作种子,但我不知道在哪里应用它. 请您帮我用 tensorflow(版本 > 2.0)实现可重现的结果吗?非常感谢. from keras.models import Sequen
..
我的网络有两个时间序列输入.其中一个输入有一个固定向量,每个时间步都重复.有没有一种优雅的方法将这个固定向量加载到模型中并使用它进行计算? 解决方案 您可以使用 jdehesa 描述的张量参数创建静态输入,但是张量应该是 Keras(而不是 tensorflow)变量.您可以按如下方式创建: from keras.layers import 输入从 keras 导入后端为 K常数 = [
..
我是 TensorFlow 和数据科学的新手.我做了一个简单的模块,应该弄清楚输入和输出数字之间的关系.在这种情况下,x 和 x 平方.Python中的代码: 将 numpy 导入为 np将张量流导入为 tf# TensorFlow 只记录错误消息.tf.logging.set_verbosity(tf.logging.ERROR)特征 = np.array([-10, -9, -8, -7,
..
是否可以将向量传递给训练有素的神经网络,使其仅从训练识别的类的子集中进行选择.例如,我有一个经过训练可以识别数字和字母的网络,但我知道我接下来运行它的图像不会包含小写字母(例如序列号的图像).然后我向它传递一个向量,告诉它不要猜测任何小写字母.由于这些类是互斥的,因此网络以 softmax 函数结束.以下只是我想尝试但没有真正奏效的示例. 将 numpy 导入为 npdef softmax(ar
..
我是一名经验丰富的 Python 开发人员,但在机器学习方面完全是新手.这是我第一次尝试使用 Keras.你能说出我做错了什么吗? 我正在尝试制作一个神经网络,它采用二进制形式的数字,并在除以 7 时输出其模数.(我的目标是执行一个非常简单的任务,只是为了看看一切正常.) 在下面的代码中,我定义了网络,并在 10,000 个随机数上对其进行了训练.然后我在 500 个随机数上对其进行测
..
我想为多任务深度学习任务设计一个神经网络.在 Keras API 中,我们可以使用“顺序"或“函数"方法来构建这样的神经网络.在下面,我提供了用于构建网络的代码,使用这两种方法构建具有两个输出的网络: 顺序 seq_model = Sequential()seq_model.add(LSTM(32, input_shape=(10,2)))seq_model.add(密集(8))seq_m
..
我正在 Keras 中创建模型并想计算我自己的指标(困惑度).这需要使用非标准化概率/logits.然而,keras 模型只返回 softmax 概率: model = Sequential()模型.添加(嵌入层)model.add(LSTM(n_hidden, return_sequences=False))模型.添加(辍学(dropout_keep_prob))模型.添加(密集(vocab_
..
我的输入形状应该是 100x100.它代表一个句子.每个词是一个 100 维的向量,一个句子最多有 100 个词. 我向 CNN 输入了 8 个句子.我不确定这是否意味着我的输入形状应该改为 100x100x8. 然后是以下几行 Convolution2D(10, 3, 3, border_mode='same',input_shape=(100, 100)) 抱怨: 输入
..
这个问题也作为 github 问题 存在.我想在 Keras 中构建一个包含 2D 卷积和 LSTM 层的神经网络. 网络应该对 MNIST 进行分类.MNIST 中的训练数据是 60000 张手写数字从 0 到 9 的灰度图像.每张图像为 28x28 像素. 我已将图像分成四部分(左/右、上/下)并按四个顺序重新排列它们以获得 LSTM 的序列. |||1 |2||图片|->---
..
我正在Python Keras 中拟合一个神经网络. 为了避免过度拟合,我想监控训练/验证损失并创建一个适当的回调,当训练损失远小于验证损失时停止计算. 回调的一个例子是: callback = [EarlyStopping(monitor='val_loss', value=45,verbose=0, mode='auto')] 当训练损失与验证损失相比太小时,有没有办法停止训练
..
我正在将 Kears 与 tensorflow 一起使用,并且我有一个带有 3 个输出的模型,我只想训练其中的 2 个. model = Model(input=input, output=[out1,out2,out3])model.compile(loss=[loss1, loss2, loss3], optimizer=my_optimizer)损失1(y_true,y_pred):返回计
..
我正在 Keras 中实现多层感知器并使用 scikit-learn 执行交叉验证.为此,我受到了问题 Cross Validation in凯拉斯 from sklearn.cross_validation import StratifiedKFold定义加载数据():# 使用这个函数加载你的数据定义创建模型():# 使用这个函数创建你的模型def train_and_evaluate__mo
..
从 Keras 的 imdb 数据集中恢复原始文本 我想从 Keras 的 imdb 数据集中恢复 imdb 的原始文本. 首先,当我加载 Keras 的 imdb 数据集时,它返回了单词索引的序列. >>>(X_train, y_train), (X_test, y_test) = imdb.load_data()>>>X_train[0][1, 14, 22, 16, 43,
..
我目前正在使用神经网络和拟合函数训练我的数据. history=model.fit(X,encoded_Y,batch_size=50,nb_epoch=500,validation_split=0.2,verbose=1) 现在我使用了validation_split 作为20%.我的理解是我的训练数据将是 80%,测试数据将是 20%.我很困惑如何在后端处理这些数据.是将前 80% 的样本
..
Caffe 不仅可以打印整体准确度,还可以打印每类准确度. 在 Keras 日志中,只有整体准确性.我很难计算单独的类别准确率. 纪元168/2000s - 损失:0.0495 - acc:0.9818 - val_loss:0.0519 - val_acc:0.9796纪元169/2000s - 损失:0.0519 - acc:0.9796 - val_loss:0.0496 - val
..