keras

    0熱度

    1回答

    我在添加對binary_crossentropy的懲罰時遇到了問題。當預定義的錯誤組的平均值違反某個閾值時,這個想法是懲罰損失函數。 以下是幫助函數,它用掩碼錶示組和已計算的crossentropy。它會簡單地返回違反某個閾值的次數來懲罰調用它的實際損失函數。 def penalty(groups_mask, binary_crossentropy): errors = binary_c

    -1熱度

    1回答

    Iam新的keras和測試一些教程與mnist圖像後,我想用我自己的數據集進行訓練。數據是從0-9的數字.png圖像。 我命令他們進入10個班級,每個包含100個.png圖像的數字分開(所以一個文件夾爲0,一個文件夾爲1,一個文件夾爲2等..)。 現在我想知道如何使用python加載圖像,以便keras使用它們?

    2熱度

    3回答

    標準是FLOAT32但我在什麼條件下是確定使用float16疑惑? 我一直運行比較兩者的數據類型相同covnet,並沒有發現任何問題。對於大型數據集,我更喜歡float16,因爲我可以少擔心內存問題..

    0熱度

    2回答

    我想用我自己的灰度圖像微調VGG16模型。我知道我可以微調/做像添加自己的頂層: base_model = keras.applications.vgg16.VGG16(include_top=False, weights='imagenet', input_tensor=None, input_shape=(im_height,im_width,channels)) ,但只有當渠道= 3根據

    0熱度

    1回答

    我正在使用Keras構建一個LSTM模型。我用TfidVectorizer()將我的數據框轉換爲單詞標記。 tfidvectorizer()的變換方法返回當我送入LSTM層的csr_matrix,我總是得到一個錯誤 「ValueError異常:輸入0是與層lstm_1不相容:預期NDIM = 3,實測NDIM = 2」 下面 是我的Python代碼 dfTest = pd.read_csv("C:

    2熱度

    1回答

    我第一次使用keras + tensorflow。我想指定correlation coefficient作爲損失函數。這是有道理的,以便它是一個介於0和1之間的數字,其中0是不好的,1是好的。 我的基本代碼,目前看起來像: def baseline_model(): model = Sequential() model.add(Dense(4000, input_dim=n

    0熱度

    1回答

    我有一個三維卷積神經網絡[k​​eras,tensorflow]和先進的阿爾茨海默氏症患者,早期阿爾茨海默氏症和健康人(三類)的3D腦圖像。我擁有324個圖像的訓練集和74個圖像的測試集。當我訓練我的CNN時,我有大約65-70%的準確性,但是對於測試集我只有30-40%。當我使用測試數據作爲驗證數據時,那麼對於訓練集,我的準確性也不會超過37%,並且整個時間損失保持在同一水平。不知道我改變了哪些

    0熱度

    1回答

    我是新來Keras,我覺得很難理解LSTM layer.The Keras文檔的輸入數據的形狀說,輸入數據應該是三維張量形狀(nb_samples,timeteps,input_dim)。 我很難理解這種格式。時間步長變量是否表示網絡記錄的時間步數? 在我的數據的幾個時間步長影響網絡的輸出,但我不知道有多少事先即不能說以前的10個樣品影響輸出。例如,輸入可以是形成句子的單詞。每個句子中的單詞之間有

    2熱度

    1回答

    我正在嘗試使用來自keras的預訓練VGG 16。但我真的不確定輸入範圍應該是什麼。 快速回答,這些顏色順序是哪個? RGB BGR 和範圍? 0 to 255? 平衡從約-125到約+130? 0至1? -1 to 1? 我注意到the file where the model is defined進口輸入預處理: from .imagenet_utils import preprocess_i

    0熱度

    2回答

    我建立一個模型來檢測的身體部位的關鍵點。爲此,我使用COCO數據集(http://cocodataset.org/#download)。我試圖理解爲什麼我會遇到過度勞累的問題(訓練損失趨於一致,但爲了測試損失,我真的達到了上限)。在模型中,我已經嘗試添加差(逐漸更高的概率增加更多層的多層,但我很快得到一個點時,訓練停止損失減少是一樣糟糕。我的理論是,該模型我用ISN」 T個復不夠好,但我想知道這是