keras

    4熱度

    3回答

    我有興趣在Keras中使用ImageDataGenerator進行數據增補。但是它要求帶有子目錄的培訓目錄和驗證目錄分別作爲下面的內容(這是從Keras文檔中獲得的)。我有一個包含2個子目錄的單個目錄(Data/Class1和Data/Class2)。我如何隨機地將其分爲訓練和驗證目錄 train_datagen = ImageDataGenerator( rescale=1./255,

    2熱度

    1回答

    我正在研究這個轉移學習個人項目的特徵提取器,並且Kera的VGG16模型的預測函數看起來很慢(一批4幅圖像需要31秒)。我確實期望它很慢,但不確定預測函數是否比應該慢。 data = DataGenerator() data = data.from_csv(csv_path=csv_file, img_dir=img_folder, batch_size=ba

    2熱度

    1回答

    我使用的是張量流1.3.0後端的keras 2.0.8。 我在類init中加載模型,然後用它來預測多線程。 import tensorflow as tf from keras import backend as K from keras.models import load_model class CNN: def __init__(self, model_path):

    0熱度

    1回答

    我正在使用keras來訓練迴歸模型。我的代碼如下所示: estimators = [] estimators.append(('standardize', StandardScaler())) estimators.append(('mlp', KerasRegressor(build_fn=baseline_model, epochs=100, batch_size=32, verbose=

    0熱度

    1回答

    我正在Keras模型上執行超參數調優優化任務與sklearn。我想一個管道內優化KerasClassifiers ... 代碼如下: import numpy as np import pandas as pd from keras.models import Sequential from keras.layers import Dense from keras.wrappers.sci

    7熱度

    1回答

    作爲一個實驗,我構建了一個keras模型來逼近矩陣的行列式。但是,當我運行它時,每個時代的損失都會下降,驗證損失會上升!例如: 8s - loss: 7573.9168 - val_loss: 21831.5428 Epoch 21/50 8s - loss: 7345.0197 - val_loss: 23594.8540 Epoch 22/50 13s - loss: 7087.745

    1熱度

    1回答

    我正在研究迴歸問題。這個問題的性能指標之一是「符號準確性」,這意味着我想看看預測值是否具有相同的真實值的符號。我知道mse可以以某種方式顯示預測值和真實值之間的接近程度,但我希望在驗證過程中看到符號的準確性。 更具體地說,在訓練之後,我使用下面的方法來檢查準確性。我想要定製的指標是在驗證過程中實現以下方式。 (np.multiply(predict_label,test_label)>0).sum

    0熱度

    1回答

    我試圖收集特定張量/(向量/矩陣)在角膜張量內的索引。因此,我試圖使用tf.gather和tf.where來獲取在收集功能中使用的索引。 然而,當測試相等時,tf.where爲匹配值提供元素明智的索引。我希望能夠找到張量(向量)的索引(行),這些索引與另一個相等。 這對找到張量中與一組感興趣的熱點向量相匹配的單向量向量特別有用。 我有一些代碼來說明到目前爲止的缺點: # standard imp

    1熱度

    1回答

    我想在我的機器的GPU運行Cifar-10 CNN代碼,但我面臨着以下問題: 尺寸(1)必須在區間[0,2),其中, 2是輸入中的維數。對於'metrics/acc/ArgMax'(op:'ArgMax'),輸入形狀爲:[?,?],[]。 這裏是我的代碼: import os os.environ["THEANO_FLAGS"] = "mode=FAST_RUN,device=cuda0,flo

    1熱度

    1回答

    創建客戶Keras Optimizer時,主要功能是Optimizer.get_updates()。我能夠創建一個固定步驟優化器,但我不知道如何執行諸如運行平均值之類的操作,因爲我必須使用先前調用該函數時計算出的值。 例如,consider RMSprop。每次調用函數時,累加器是不是重置? accumulators = [K.zeros(K.int_shape(p), dtype=K.dtype