我如何調用model.predict以Keras中存儲的GPU數據

我已經構建並訓練了一個Sequential模型。我如何調用model.predict以Keras中存儲的GPU數據

現在，在每個model.predict調用之前，我想要將數據上傳到GPU中，執行一些操作，然後使用存儲在GPU中的輸出調用model.predict，而不下載到內存並切換到keras模型，以便將其上傳到GPU再次。

編輯：我想對輸入圖像在GPU中使用opencv操作，並使用輸出直接調用model.predict，如果可能的話。

2017-02-11 Maruf Maniruzzaman

您可以通過在模型頂部添加Lambda層來輕鬆實現此目的。

這是一個很簡單的例子..你可以從這裏延伸：

import numpy as np 
from keras import backend as K 
from keras.models import Sequential, Model 
from keras.layers import Dense, Lambda, Input, merge 

X = np.random.random((1000,5)) 
Y = np.random.random((1000,1)) 

inp = Input(shape = (5,)) 
d1 = Dense(60, input_dim=5, init='normal', activation='relu') 
d2 = Dense(1, init='normal', activation='sigmoid') 
out = d2(d1(inp)) 

model = Model(input=[inp], output=[out]) 
model.compile(loss='binary_crossentropy', optimizer='adam') 
model.summary() 
model.fit(X, Y, nb_epoch=1) 



X1 = np.random.random((10,3)) 
X2 = np.random.random((10,2)) 

inp1 = Input(shape = (3,)) 
inp2 = Input(shape = (2,)) 

p1 = Lambda(lambda x: K.sqrt(x))(inp1) 
p2 = Lambda(lambda x: K.tf.exp(x))(inp2) 
mer = merge([p1, p2], mode='concat') 
out2 = d2(d1(mer)) 

model2 = Model(input=[inp1, inp2], output=[out2]) 
model2.summary() 

ypred = model2.predict([X1, X2]) 
print ypred.shape

從 model.summary()

在這裏你可以看到兩個模型是如此實質上是使用過程中已經瞭解到的權重共享上層第一個模型的培訓

來源

2017-02-12 11:55:47 indraforyou

我如何調用model.predict以Keras中存儲的GPU數據

回答

相關問題