keras

    5熱度

    1回答

    我有一個kerasRegressor scikit學習pipline它: estimators = [ ('standardize', StandardScaler()), ('mlp', KerasRegressor(build_fn=baseline_model, nb_epoch=5, batch_size=1000, verbose=1)) ] pipeli

    9熱度

    1回答

    我使用flow_from_directory得到訓練,從一個文件夾設置的結構如下: train class1 class2 class3 ... 發電機被稱爲是如下: train_generator = train_datagen.flow_from_directory( train_data_dir, target

    5熱度

    2回答

    有沒有辦法計算LSTM網絡中的參數總數。 我找到了一個例子,但我不確定this是多麼正確或如果我已經正確地理解它。 對於例如考慮下面的例子: - from keras.models import Sequential from keras.layers import Dense, Dropout, Activation from keras.layers import Embedding f

    3熱度

    1回答

    我想用cano-multiprocessing與神經網絡庫Keras使用theano。 我使用device=gpu標誌並加載keras模型。然後,爲了提取超過一百萬圖像的功能,即時通訊使用多處理池。 功能看起來是這樣的: from keras import backend as K f = K.function([model.layers[0].input, K.learning_phase(

    8熱度

    1回答

    獲得預測 我已經成功地訓練在Keras一個簡單的模型到圖像分類: model = Sequential() model.add(Convolution2D(32, 3, 3, border_mode='valid', input_shape=(img_channels, img_rows, img_cols), activation='relu', name='conv1_

    0熱度

    1回答

    我是按照標準CIFAR 10 keras教程這裏:https://github.com/fchollet/keras/blob/master/examples/cifar10_cnn.py 其中我修改,用我自己的訓練圖像。每個圖像複製cifar集的尺寸,即它們分別是32x32和3個通道。 形狀的每個圖像的: (32,32,3) 然而,我碰上一個ValueError如圖下面的完整輸出。 X_tr

    1熱度

    1回答

    我想在Keras的詞級上訓練語言模型。 我有我的X和Y,都與形狀(90582L,517L) 當我試圖適應這種模式: print('Build model...') model = Sequential() model.add(GRU(512, return_sequences=True, input_shape=(90582, 517))) model.add(Dropout(0.2))

    3熱度

    1回答

    我想用keras編碼一個非常簡單的RNN示例,但結果並不如預期。 我X_train是長度爲6000重複列表,如:1, 0, 0, 0, 0, 0, 1, 0, 0, 0, ... 我格式化這個塑造:(6000, 1, 1) 我y_train是長度爲6000像一個重複列表:1, 0.8, 0.6, 0, 0, 0, 1, 0.8, 0.6, 0, ... 我格式化這以形狀:(6000, 1) 在我的

    1熱度

    1回答

    我使用LSTM預測電壓時間序列信號中的下一步電壓值。我有一個問題: 爲什麼使用更長的序列(5或10步倒退)來訓練LSTM不會改進預測並減少預測誤差? (它實際上降低了它 - 看到的數字,例如sequence_length = 5的結果比sequence_length = 10好) testplot('epochs:10','ratio:1','sequence_length:10','mean e

    9熱度

    1回答

    我想在Keras中實現LSTM以進行流式時間序列預測 - 即在線運行,每次只能獲取一個數據點。 This is explained well here,但正如人們所假設的那樣,在線LSTM的培訓時間可能過於緩慢。我想在小批量上訓練我的網絡,並在線測試(運行預測)。在凱拉斯做這件事的最好方法是什麼? 例如,小批量可以是在連續時間步驟發生的1000個數據值([33, 34, 42, 33, 32, 3