keras

    1熱度

    1回答

    這是我的Python代碼: from PIL import Image labels = ['airplane','automobile','bird','cat','deer','dog','frog','horse','ship','truck'] from keras.datasets import cifar10 (X_train, Y_train), (X_test,y_te

    1熱度

    1回答

    我想基於this文章基於圖像分割任務使用Keras構建CNN。由於我的數據集很小,我想使用Keras ImageDataGenerator並將其送到fit_generator()。所以,我沿着Keras網站上的example。但是,由於壓縮圖像和掩膜生成器不起作用,我遵循此answer並創建了我自己的生成器。 我的輸入數據大小爲(701,256,1),我的問題是二進制(前景,背景)。對於每張圖片,

    1熱度

    1回答

    我建立keras簡單LSTM模型和訓練有素如下: model = Sequential() model.add(LSTM(activation='tanh',input_dim=6,output_dim=50,return_sequences=False)) model.add(Dense(output_dim=1,activation = 'sigmoid')) model.compile

    2熱度

    1回答

    當我開始訓練模型時,以前沒有保存模型。我可以安全地使用model.compile()。我現在已將該模型保存在h5文件中,以便使用checkpoint進行進一步培訓。 說,我想進一步訓練模型。我很困惑,我可以在這裏使用model.compile()嗎?並且應該在model = load_model()聲明之前還是之後?如果model.compile()重新初始化所有的權重和偏見,我應該在model

    -1熱度

    1回答

    模型培訓之後我如何預測和評估我的指標? 代碼是這樣的: for patch in generator(): pred = model.predict(np.array(patch, dtype=patch.dtype)) loss_val_partial,accuracy_val_partial = model.test_on_batch(np.array(patch, dt

    0熱度

    1回答

    我想實現一個簡單的RNN來預測整數序列中的下一個整數。所以,我有一個數據集是如下: Id Sequence 1 1,0,0,2,24,552,21280,103760,70299264,5792853248,587159944704 2 1,1,5,11,35,93,269,747,2115,5933,16717,47003,132291,372157,1047181,2946251,8289

    0熱度

    1回答

    因爲在使用自適應優化器時(在調用.fit()時學習速率計劃重置),因此在線學習與Keras無法正常工作,所以我想查看是否可以手動設置它。然而,爲了做到這一點,我需要找出最後一個時代的學習速度。 那就是說,我怎樣才能打印每個時代的學習率?我想我可以通過回調做到這一點,但似乎每次都必須重新計算它,我不確定如何與亞當做到這一點。 我發現這在另一個線程,但它僅與SGD工作: class SGDLearni

    2熱度

    1回答

    我有句子嵌入尺寸爲2*1*300的句對的輸出X.我想把這個輸出分成兩個形狀爲1*300的向量來計算它的絕對差值和乘積。 x = MaxPooling2D(pool_size=(1,MAX_SEQUENCE_LENGTH),strides=(1,1))(x) x_A = Reshape((1,EMBEDDING_DIM))(x[:,0]) x_B = Reshape((1,EMBEDDING_D

    0熱度

    1回答

    我已經實現了一個lambda函數來將圖像的大小從28x28x1調整爲224x224x3。我需要從所有頻道中減去VGG的平均值。當我嘗試,我得到一個錯誤 類型錯誤:「張量」對象不支持項目分配 def try_reshape_to_vgg(x): x = K.repeat_elements(x, 3, axis=3) x = K.resize_images(x, 8, 8, dat

    0熱度

    1回答

    我一直在嘗試實現一個基本的多層LSTM迴歸網絡來找出加密電子貨幣價格之間的相關性。 在遇到無法使用的訓練結果後,我決定嘗試使用一些沙盒代碼,以確保在重試完整數據集之前我已經明白了。 問題是我不能讓凱拉斯推廣我的數據。 ts = 3 in_dim = 1 data = [i*100 for i in range(10)] # tried this, didn't accomplish an