keras

    1熱度

    1回答

    我試圖讓我如何使用由Keras模型產生的權重來計算Python中的結果清楚的認識(即預測值,而不使用Keras模型來預測)。當我有比下面的一個簡單的案件(2個功能,沒有隱藏層或1個功能隱藏層),我得到的結果,我希望(我計算出的值作爲模型預測值相同)。在下面的代碼中,輸出值不一致。所以我要麼不理解,要麼看不到什麼。如果病人可以用簡單的英語解釋我怎麼能做到這一點,我會很高興。 示例代碼(具有2點的特徵

    0熱度

    1回答

    我發現了兩種可能的解決方案,用Keras中的RNN處理可變尺寸輸入序列。 溶液之一: input = Input(shape=(None, num_classes)) 然後我可以把任何序列大小作爲用於訓練和驗證的輸入。 解決辦法二: input = Input(shape=(max_seq_length, num_classes)) ... pad_sequences(input_data

    0熱度

    1回答

    我有一個包含N個觀測值和F特徵的時間序列數據集。每個功能都可以顯示(1)或不顯示(0)。因此,該數據集是這樣的: T F1 F2 F3 F4 F5 ... F 0 1 0 0 1 0 0 1 0 1 0 0 1 1 2 0 0 0 1 1 0 3 1 1 1 1 0 0 ... N 1 1 0 1 0 0 我試圖使用基於LSTM架構

    -1熱度

    1回答

    我在訓練輸入數據中有類別信息,我想知道什麼是規範化它的最好方法。 類別信息,如「城市」,「性別」等 我想使用Keras處理過程。

    -1熱度

    1回答

    我試圖使用我自己的數據集,它由兩個類別組成。我不明白怎麼能解決這個問題。我怎樣才能解決這個問題?它看起來像模型獲取圖像的形狀作爲輸入,而不是實際的圖像。 print X_train.shape print y_train.shape print X_test.shape print y_test.shape (55, 3, 150, 150) (55, 1) (14, 3, 150,

    1熱度

    1回答

    我有一個csv太大,無法一次讀入內存,所以我想把它塊出來,並一塊一塊地裝入keras模型。儘管chunksize & steps_per_epoch正確地說明了我的csv中有多少行,但我仍然對StopIteration錯誤產生誤解,因此我誤解了fit_generator函數的工作原理。 代碼: import pandas as pd import numpy as np from keras.

    0熱度

    2回答

    我正在嘗試與Keras進行機器學習。 我不是數學家,我只有如何神經網絡,作品的一個基本的瞭解(哈哈明白了嗎?),這樣下去容易在我身上。 這是我當前的代碼: from keras.utils import plot_model from keras.models import Sequential from keras.layers import Dense from keras import

    1熱度

    1回答

    我正在實施一個損失函數,該函數將使用由0s and 1s組成的掩模張量(M)來消除一些損失值,給出預測(P)和地面實況(G)張量。 所以,我有2種可能的方式: 逐元素乘法: loss = K.sum(M * K.binary_crossentropy(G, P)) 條件選擇: bin_ce = K.binary_crossentropy(G, P) loss = K.sum(tf.where(t

    0熱度

    1回答

    我已經創建了一個CNN模型來試圖預測圖像是狗還是貓,但是在輸出中我不知道它的預測結果。請看下圖: import pandas as pd from keras.models import Sequential from keras.preprocessing.image import ImageDataGenerator from keras.layers import Dense, Fla

    2熱度

    1回答

    我的模型在第4個紀元後停止訓練,即使我期望它在這之後繼續訓練。我已經將顯示器設置爲驗證丟失和耐心等級爲2,我認爲這意味着在驗證損失連續增加2個時期後,訓練停止。但是,培訓似乎在此之前停止。 我定義EarlyStopping如下: callbacks = [ EarlyStopping(monitor='val_loss', patience=2, verbose=0), ]