keras-2

    1熱度

    1回答

    我試圖建立一個模型,如下圖所示。這個想法是採用多個分類特徵(一個熱點向量)並將它們分開嵌入,然後將這些嵌入向量與一個LSTM的3D張量結合起來。 隨着以下代碼Keras2.0.2,創建具有多個輸入的Model()對象時,它會引發類似於this問題的AttributeError: 'NoneType' object has no attribute 'inbound_nodes'。任何人都可以幫我弄

    1熱度

    1回答

    我正在學習如何與TF後端進行圖像識別Keras工作,所以我仍然不知道我在這裏做錯了什麼。 我試圖堆疊2個模型,其中一個是VGG16,另一個是我爲了學習如何堆疊而創建的隨機模型。我想對5個類別中的圖像進行分類。 問題出現在最後一部分,當我運行fit_generator。它不是產生一個有效的元組,而是產生它看起來是一個列表。我看到很多人遇到類似的問題,但在他們的案例中,輸出結果是None,所以我不確定

    -4熱度

    1回答

    我瀏覽了examples provided by Keras,這些都是非常簡單的例子。如果我能找到Keras製作的全面研究項目的例子,我會很高興。從軟件工程的角度瞭解項目是如何構建的。例如。模型構建/訓練/評估/推理的面向對象設計。檢查點的使用和早期停止,數據預處理等。 有沒有人知道任何這樣的示例存儲庫? 謝謝!

    0熱度

    1回答

    我想與keras一起使用交替更新規則。 也就是說每批我想打電話給一個常規的基於漸變的步驟,然後調用一個自定義步驟。 我想通過繼承優化器或回調來實現它(並使用批次調用)。但是,兩者都不會,因爲它們都缺少批處理數據和批處理標籤(而且我都需要)。 關於如何實現keras自定義交替更新的任何想法? 如果需要的話,我不介意直接打電話tensorflow具體方法,只要我能保持使用該項目與keras框架包裹(與

    3熱度

    1回答

    我試圖確定模型的準確性而無需進行培訓並更新權重,因此我已將所有圖層設置爲trainable = False。 當我在shuffle = False的發電機上運行fit_generator時,每次都會得到一致的結果。 當我在shuffle = True的發生器上運行fit_generator時,結果會跳轉一點。假設輸入數據相同,並且模型沒有訓練,我希望模型的內部狀態不會改變,並且不管排序如何,相同數

    2熱度

    1回答

    我已經使用Theano後端實現了具有Keras的卷積自動編碼器。我正在改變我的方法來嘗試處理不同大小的圖像。只要我使用numpy的stack函數來建立數據集(等大小的圖像),我是金。但是,對於不同大小的圖像,我們不能使用stack,而fit需要一個numpy數組。所以我改爲fit_generator以避免大小檢查。問題在於最後一層預期將16作爲輸入中的最後一個維度,我不明白爲什麼它會獲得原始圖像的

    4熱度

    1回答

    我想用mnist數據集訓練一個簡單的神經網絡。出於某種原因,當我獲得歷史記錄(從model.fit返回的參數)時,驗證準確性高於訓練準確性,這非常奇怪,但是如果在評估模型時檢查得分,則得到更高訓練的準確性比測試準確。 出現這種情況,每次,不管模型的參數。另外,如果我使用自定義回調並訪問參數'acc'和'val_acc',則會發現相同的問題(數字與歷史記錄中返回的數字相同)。 請幫幫我!我究竟做錯了

    0熱度

    1回答

    我正在使用l2_regularization Tensorflow有 - tf.nn.l2_loss 我可以使用它嗎? K.sum(K.square(K.abs(重量))) tf.nn.l2_loss 我可以在Keras(Tensorflow後端)此互換使用?

    0熱度

    1回答

    我想能夠幾層在一起,但指定如下面的輸入,東西之前: # conv is just a layer, no application conv = Conv2D(64, (3,3), activation='relu', padding='same', name='conv') # this doesn't work: bn = BatchNormalization()(conv) 請注意,

    1熱度

    1回答

    我想在Keras中訓練一個具有一個輸入和兩個輸出的模型,但是我有幾個驗證設置問題。 1)Keras functional API documentation表示當有多個輸出時,model.fit可以將numpy數組列表作爲輸出。但是,對於model.fit的validation_data參數,它表示模型可以採用表單(x_val,y_val)或(x_val,y_val,val_sample_weig