关于keras示例pretrained_word_embeddings的问题
我对Keras示例 pretrained_word_embeddings 有疑问加深对它如何工作的了解. 在这种模型中使用dropout层是否合理? 最后的MaxPooling1D层每次都必须覆盖所有输出形状吗?在原始模型中，最后一个转换层的输出为35，我们将maxpool设置为相同的35值. 我是否可以说增加值128(内核数)会提高准确性? 放置额外的conv层以提高准确
..
machine-learning相关内容
Keras LSTM精度过高
我试图在Keras中使用LSTM，但是即使在第一个时期之后，准确性似乎仍然过高(90％)，而且我担心训练不正确，我从这篇文章中得到了一些建议: https://machinelearningmastery.com/text-一代lstm-recurrent-neural-networks-python-keras/ 这是我的代码: import numpy from keras.
..
keras将模型权重保存到一个文件中
我有一个keras模型，该模型可以保存每个时期的权重，如何制作一个文件 这是保存模式的行 我有50个历元，我将得到50个权重，我只希望将1个权重保存在一个文件中 > model.save_weights('checkpoint_epoch_{}.hdf5'.format(k)) 不知道我该怎么做才能将其保存在一个文件中，因为我以后必须将权重转换为张量流模型 所需
..
在Keras中，辍学对象的体重是多少?
我目前正试图找到一种方法来检索给定层的“权重"被忽略(特别是当我在测试阶段使用“训练"标志来使用辍学时). 有没有找到它的简单方法，还是我有义务创建一个自定义的辍学图层? 解决方案 没有简单的方法. Keras的tensorflow后端简单地调用tf.nn.dropout，它通过生成其输入大小的随机矩阵来工作，并且如果随机矩阵中的对应值小于阈值，则将输入中的值设置为零. 这是关键步骤
..
Keras多标签分类"to_categorical"错误
接收 IndexError:索引3超出了尺寸1为3的轴1的边界 尝试在输出向量上使用Keras to_categorical创建单点编码时. Y.shape = (178,1).请帮助(: import keras from keras.models import Sequential from keras.layers import Dense import numpy as
..
ReLU没有学习处理负输入Keras/Tensorflow
我希望我的神经网络将负值转换为正值.从理论上讲，这可以使用ReLU函数和1个节点来完成，输入输入权重为-1(因此，负输入乘以-1 =正输入. 它只会继续输出0.下面的代码.我使用-1作为输入值，以查看它是否至少可以在单个输入上学习. 我尝试添加更多的图层，但无济于事请参见编辑，如果我添加更多的内容，则DIT帮助 train_input = np.asarray([[-1]]*10
..
Sklearn指标值与Keras值有很大不同
我需要一些帮助，以了解在Keras中拟合模型时如何计算准确性. 这是训练模型的示例历史记录: Train on 340 samples, validate on 60 samples Epoch 1/100 340/340 [==============================] - 5s 13ms/step - loss: 0.8081 - acc: 0.7559 - val_lo
..
使用Keras在卷积神经网络中始终相同的二元类预测的原因和可能的解决方案是什么?
我正在尝试解决签名识别问题.我使用GPDS数据库，合并了正版和伪造签名的所有组合，从而产生了200万个200x200像素图像的输入. 我使用Keras创建了一个基本的CNN，由于硬件的限制，Im仅使用了大约5000个输入和最多10个时期进行训练.我的问题是，当我开始训练模型(model.fit命令)时，我的准确度大约在50％左右，这是我的数据集的余量，而当纪元结束时，准确度恰好是50％.当我
..
网络完全融合后，停止Keras Training
我将如何配置Keras使其停止训练，直到收敛或损失为0为止?我本来想过拟合的.我不想设置时期数.我只是想让它在收敛时停止. 解决方案 使用 EarlyStopping 回调.您可以自由选择要观察的损失/指标以及何时停止. 通常，您会看到“验证损失"(val_loss)，因为这是最重要的变量，它表明您的模型仍在学习概括. 但是，由于您说过想要过度拟合，因此您可以查看“训练损失"(
..
如何在Keras中创建自定义图层以获取和操纵渐变
我正在尝试从通过对抗性学习缓解不必要的偏见 模型架构是 1)输入层 2)密集的定长层 3)自定义渐变项目层 4a)任务1层 4b)任务2层(对抗性任务) 我想使用自定义图层(3)处理任务1和任务2的渐变.目前，我计划在自定义图层的调用中添加类似的内容 @tf.RegisterGradient('blah') def proj_gradients(op, grad):
..
如何正确使用vgg模型的中间层
我所做的是: from keras.applications.vgg16 import VGG16 from keras.layers import * from keras.models import Model import numpy as np vgg_model = VGG16(weights='imagenet', include_top=False, input_shape
..
Keras模型的predict_proba()方法不存在
我试图通过调用Keras模型的predict_proba()生成班级成绩，但似乎该功能不存在！是否因为我在Google中看到了一些示例而弃用了?我正在使用Keras 2.2.2. 解决方案 predict_proba()和predict_classes()方法
..
AttributeError:"NoneType"对象没有属性"fit_generator"
代码: import numpy as np import pandas as pd import os from tqdm import tqdm # Fix seeds from numpy.random import seed seed(639) from tensorflow import set_random_seed set_random_seed(5944) # Impo
..
在Keras的Alexnet模型中使用预先训练的权重
我正在尝试使用 bvlc_alexnet.npy : #load the weight data weights_dic = numpy.load('bvlc_alexnet.npy', encoding='bytes').item() conv1W = weights_dic["conv1"][0] # (11, 11, 3, 96) con
..
使用Keras使用ANN预测正弦
我是机器学习的新手，所以如果这个问题经常出现，我会提前道歉，因为我无法找到令人满意的答案. 作为教学活动，我一直在尝试训练ANN以预测正弦波.我的问题是，尽管我的神经网络准确地训练了正弦波的形状，但在验证集和较大的输入中却没有这样做.因此，我首先将输入和输出作为 x = np.arange(800).reshape(-1,1) / 50 y = np.sin(x)/2 其余代码按
..
Tensorflow& Keras无法加载.ckpt保存
因此，我正在使用ModelCheckpoint回调保存我正在训练的模型的最佳时期.它可以保存，没有错误，但是当我尝试加载它时，出现错误: 2019-07-27 22:58:04.713951: W tensorflow/core/util/tensor_slice_reader.cc:95] Could not open C:\Users\Riley\PycharmProjects\myNN
..
在每个时期之后进行自定义回调以记录某些信息
我知道如何在每个时期后保存模型: savemodel = ModelCheckpoint(filepath='models/model_{epoch:02d}-{loss:.2f}.h5') model.fit(X, Y, batch_size=4, epochs=32, verbose=1, callbacks=[savemodel]) 如何具有自定义的回调函数来记录某些信息:
..
Keras阵列输入错误
我收到以下错误: ValueError: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 6 arrays but instead got the fo
..
Keras:一维输入的卷积层
我无法为1D输入向量构建CNN. 输入值示例: df_x.iloc[300] Out[33]: 0 0.571429 1 1.000000 2 0.971429 3 0.800000 4 1.000000 5 0.142857 6 0.657143 7 0.857143 8 0.971429 9 0.000
..
提高连体网络的准确性
我使用Keras Functional API编写了这个小模型，以发现两个人之间对话的相似性.我正在使用Gensim的Doc2Vec嵌入将文本数据转换为向量(vocab大小:4117).我的数据平均分为56个阳性病例和64个阴性病例. (是的，我知道数据集很小-但这就是我目前所拥有的全部). def euclidean_distance(vects): x, y = vects
..