theano相关内容
我已经定义了一个回归器,如下所示: nn1 = Regressor( layers=[ Layer("Rectifier", units=150), Layer("Rectifier", units=100), Layer("Linear")], regularize="L2", # dropout_rate=0.25, learning_rate=0.01, val
..
我正在使用python3.6 theano, 安装了mingw-w64-x86-64,我的操作系统是Win10_64,安装了cuda, 似乎一切都很好 theano.test()没问题,说我的GPU正在工作, 但它总是告诉我“错误:':: hypot'尚未声明" C:/mingw64/lib/gcc/x86_64-w64-mingw32/6.3.0/include/c++/cm
..
我创建了一个简单的神经网络(Python,Theano),根据人们从不同商店中选择的消费历史来估算他们的年龄.不幸的是,它并不是特别准确. 由于网络不了解常规性,因此可能会影响准确性.对于网络,年龄分类之间没有关系.当前正在从softmax输出层中选择概率最高的年龄. 我已经考虑过将输出分类更改为每个年龄段的加权概率的平均值. 例如,给定的年龄概率:(10岁:20%,20岁:20
..
我试图了解如何使用LSTM对我拥有的特定数据集进行分类. 我研究并找到了keras和imdb的示例: https://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py 但是,我对于必须如何处理数据集才能感到困惑. 我知道keras具有预处理文本方法,但是我不确定该使用哪种方法. x包含n行文本,y则通过幸
..
TensorFlow和Theano似乎都不支持循环计算图,循环元素被实现为具有缓冲和展开功能的循环单元(RNN/LSTM单元),但是此限制主要与反向计算有关.传播.我对计算反向传播并没有特别的需求,而仅对正向传播进行计算. 有没有办法忽略此限制,或者只是打破非循环成分中的任意计算图? 解决方案 TensorFlow 支持. tf.while_loop() 函数允许您指定一个带有任意子
..
我正在尝试使用theano进行二进制LSTM分类. 我已经看过示例代码,但是我想构建自己的代码. 我有一小部分“你好"&我正在使用的“再见"录音.我通过提取它们的MFCC功能并将这些功能保存在文本文件中来对其进行预处理.我有20个语音文件(每个10个),并且每个单词都在生成一个文本文件,因此有20个包含MFCC功能的文本文件.每个文件都是13x56的矩阵. 我现在的问题是:如何使用此文
..
我按照加载和保存中的文档进行保存. > # saving trained model f = file('models/simple_model.save', 'wb') cPickle.dump(ca, f, protocol=cPickle.HIGHEST_PROTOCOL) f.close() ca是训练有素的自动编码器.它是类 cA 的实例.从构建和保存模型的脚本中,我可以毫无问题
..
在下面的示例中,有一个大小为(4,3,3)的3d numpy矩阵+一种关于如何计算numpy中3 * 3矩阵中的4个矩阵的每一个的pinv的解决方案.我也尝试使用在numpy中使用的相同功能,theano希望实现相同,但是失败了.知道如何在theano中做到这一点吗? dt = np.dtype(np.float32) a=[[[12,3,1], [2,4,1], [2,4,2
..
我有两个3dim numpy矩阵,我想根据一个轴做一个点积,而不在theano中使用循环.一个带有示例数据的numpy解决方案将是: a=[ [[ 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0], [ 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0], [
..
我正在使用keras构建用于信号分类的cnn模型.在keras中进行超参数调整和选择步幅和数字过滤器的最佳方法是什么. 解决方案 欢迎来到深度学习的主要问题.没有适合所有问题的有效单一解决方案.不过有一些模式,例如从早期的几个过滤器开始,增加过滤器数量,同时减小尺寸. 对于您来说,最好的方法是开始阅读现有的体系结构,例如Inception,VGG,Resnet等,以了解它们为何以及如何实现
..
我已经使用opencv 读取了如下图像 image = cv2.imread('/data/TestImages/cat.jpg',cv2.IMREAD_UNCHANGED) 此读取的图像由segmentation, np_image, np_logits = sess.run([pred, image, logits]) 调用时会导致错误消息 错误消息为TypeError: Can
..
我正在尝试训练神经网络,以对具有预定义段长的机械臂进行逆运动学计算.我没有在神经网络输入中包括段长度,而是通过训练数据.训练数据是一个具有手臂空间映射的熊猫数据框,其中标签是手臂三个部分的旋转角度,特征是最后一个部分的端点在其中的x和y坐标的解结束于. 我正在将Theano作为后端使用Keras. model = Sequential([ Dense(3, input_shape=(2
..
我有一个自定义的Keras层,我使用Theano作为后端,我想执行以下操作: 假设我们有一个张量为(N,)的张量.我想将K个第一个值设置为固定值x(3或其他...).我怎么做?我假设我必须使用argsort,但我不知道如何使用Theano来实现它. 例如在简单的FF层中,如何将张量a的前N个值设置为值x? def call(self, x, mask=None): a =
..
我正在使用 Keras 和 Theano 后端进入LSTM RNN.尝试使用来自keras回购中的lstm示例时 lstm_text_generation.py的整个代码在github 上,我有一件不太清楚的事情:它是对输入数据(文本字符)进行矢量化的方式: # cut the text in semi-redundant sequences of maxlen characters max
..
背景 我想在Keras中进行“有状态" LSTM的小批量培训.我输入的训练数据在一个大矩阵"X"中,其尺寸为m x n,其中 m = number-of-subsequences n = number-of-time-steps-per-sequence X的每一行都包含一个子序列,该子序列在前一行的子序列保留下来的位置进行拾取.因此,鉴于数据序列较长, Data = (
..
我想用Keras训练一个用于二维回归的神经网络. 我的输入是一个数字,我的输出有两个数字: model = Sequential() model.add(Dense(16, input_shape=(1,), kernel_initializer=initializers.constant(0.0), bias_initializer=initializers.constant(0.0
..
我想使用带有keras的LSTM神经网络来预测时间序列组,但是在使模型与我想要的匹配时遇到了麻烦.我的数据的维度是: 输入张量:(data length, number of series to train, time steps to look back) 输出张量:(data length, number of series to forecast, time steps to l
..
我已经使用Anaconda在Windows 7 64bit上安装Theano(和Keras). 这是我的步骤. 为Python 3.5安装最新的Anaconda conda安装mingw libpython pip安装Theano conda安装pydot-ng pip install keras 编辑.keras/keras.json以使用"theano"代替"tensorflo
..
我使用具有预训练权重的AlexNet(heuritech/convnets-keras)解决8类而不是1000个类别的分类问题.用Model(input=..,output=..)初始化网络并加载初始权重后,我删除了最后两层, Dense(1000)和Activation(softmax),并添加我自己的两层:Dense(8)和Activation(softmax). 但是然后,在运行后我得到了一
..
我尝试在Google Colabs上更新keras.json,但是它抛出UnsupportedOperation错误 还有其他替代方法可以实现这一目标吗? 解决方案 您正在以只读方式打开文件-将'w'传递给第9行的open调用.(
..