keras

    8熱度

    2回答

    我目前正試圖重現以下文章的結果。 http://karpathy.github.io/2015/05/21/rnn-effectiveness/ 我使用keano和theano後端。在文章中他談到了控制最終softmax層的溫度以提供不同的輸出。 溫度。我們也可以在採樣過程中使用Softmax 的溫度。將溫度從1降低到某些較低的數字(例如0.5)使得RNN更有信心,但其樣本中也更保守。相反,較高的

    4熱度

    1回答

    這個問題更多的是關於DNN而不是軟件keras的訓練算法。 據我所知,由於訓練算法的改進,深度神經網絡起作用。從20世紀80年代開始,BP算法一直用於訓練神經網絡,但當網絡深度較大時會導致過度擬合問題。大約10年前,Hinton首先使用未標記的數據預先訓練網絡,然後使用BP算法對算法進行了改進。預培訓對避免過度擬合起着重要作用。 但是,當我開始嘗試Keras時,使用SGD算法的mnist DNN示

    1熱度

    1回答

    我在千層麪/ Theano上運行多個cpu內核的Logistic迴歸分類器。 這是我〜/ .theanorc文件: [global] OMP_NUM_THREADS=20 theano /其它/ check_blas.py消耗所有20個內核,但我的腳本沒有。 當我運行: python -c 'import theano; print(theano.config)' 我看到的openmp的

    1熱度

    1回答

    我試圖適應多類分類神經網絡模型,但我有 IndexError: indices are out-of-bounds 錯誤。 我的訓練數據的維度爲(26728, 450),有450個功能。輸出大小爲5(5類)。我用to_categorical(train_Y)將它轉換爲5列的矩陣。 的代碼是 model = Sequential() model.add(Dense(64, input_dim

    6熱度

    1回答

    我遵循了https://datanoord.com/2016/02/01/setup-a-deep-learning-environment-on-windows-theano-keras-with-gpu-enabled/ 的所有指令,但似乎無法使它工作。 我已經加入 C:\ Program Files文件(x86)的\微軟的Visual Studio 12.0 \ VC \ BIN 到我的PA

    2熱度

    1回答

    我已經在我的Ubuntu機器上安裝了Keras,並想問我在哪裏可以找到Keras配置文件? 謝謝。

    2熱度

    1回答

    我想將訓練有素的模型(代碼如下)轉換爲theano函數。但我收到以下錯誤:AttributeError: 'Dense' object has no attribute 'output'。 我的模型代碼: model = Sequential() model.add(Convolution2D(32, 3, 3, border_mode='same', input_shap

    4熱度

    1回答

    我試圖使用Keras Scikit Learn Wrapper爲了使參數的隨機搜索更容易。我寫到這裏的示例代碼,其中: 我產生人爲數據集: 我使用moons從scikit learn from sklearn.datasets import make_moons dataset = make_moons(1000) 模型製作者定義: 我定義所需build_fn功能: def build_fn

    2熱度

    1回答

    我的輸入是一系列視頻,數量爲8500。每個視頻以一系列50幀的形式提供給LSTM,每幀有960個像素。 所以輸入變暗是8500,50,960 可能有487種可能的輸出類別,所以輸出尺寸是8500487。 但是,當我運行下面的代碼,我得到這些錯誤在keras。 任何幫助,非常感謝。謝謝! (8500,50,960) (8500,487) 創建模型.. 添加第一層.. 添加第二層.. 添加輸出層..

    9熱度

    1回答

    我正在嘗試張量凱拉斯後端。它會將這些過於詳細的消息打印到終端,這種類型會破壞probar記錄器的輸出。如下所示。 h 1/200 4608/3629568 [..............................] - ETA: 849s - loss: 1.1816I tensorflow/core/common_runtime/gpu/pool_allocator.cc:244