keras

2熱度

1回答

我想要做什麼：我想在兩個類上訓練cifar10數據集上的卷積神經網絡。然後，一旦我得到我的擬合模型，我想要採取所有的圖層和重現輸入圖像。所以我想從網絡中取回圖像而不是分類。我迄今所做的： def copy_freeze_model(model, nlayers = 1): new_model = Sequential() for l in model.layers[:nla

0熱度

2回答

如何在Keras中加載本地文件？

所以我開始與凱拉斯合作，並且我正在嘗試使用示例中的lstm_text_generation。問題是在本地目錄上有一個文本文件，但get_file方法有一個origin參數，它需要一個託管在某處的文件。我想知道是否可以使用本地文件或我必須在線託管文件？

2熱度

1回答

Python/Keras - 如何訪問每個時代的預測？

我使用Keras來預測時間序列。作爲標準，我使用20個時代。我想知道我的神經網絡爲20個時代中的每一個預測了什麼。通過使用model.predict我得到所有時代中只有一個預測（不知道如何凱拉斯選擇它）。我想要所有的預測，或者至少是最好的10個。有人會知道如何幫助我嗎？

1熱度

1回答

Theano在Keras上打印的圖形

有沒有方法可以打印出Keras中的Sequential模型的Theano圖形表示？給出一個簡單的模型是這樣的： model = Sequential() model.add(Dense(input_dim=100, output_dim=50, W_regularizer=l2(0.0001), init='he_normal',

4熱度

1回答

Python/Keras - 訪問ModelCheckpoint回調

我使用Keras來預測時間序列。作爲標準，我使用20個時代。我想知道我的神經網絡爲20個時代的每一個預測了什麼。通過使用model.predict我得到最後的預測。不過，我希望所有的預測，或者至少最後10個（有可接受的錯誤級別）。要訪問我正在嘗試從Keras的ModelCheckpoint函數，但我有麻煩後訪問它。我使用下面的代碼： model=Sequential() model.add

15熱度

6回答

Keras：「RuntimeError：無法導入pydot。」我使用Python的蟒蛇2.7安裝的graphviz和pydot

後，在Windows 10 我打算做Keras可視化等等（雖然Spyder的是開放的），我打開水蟒命令提示符和PIP安裝的Graphviz和pydot。現在，當我嘗試運行以下內容： from keras.models import Sequential 或任何類型的「來自keras」。，我得到的錯誤： ImportError: cannot import name gof 我已卸載並重新

7熱度

1回答

如何正確實施Keras中的自定義活動調節器？

我試圖根據Andrew Ng的演講筆記實現稀疏自動編碼器，如here所示。它要求通過引入懲罰項（K-L發散度）來對自動編碼器層應用稀疏約束。我嘗試使用here提供的方向執行此操作，稍作更改後。下面是SparseActivityRegularizer類實現的K-L散度和稀疏懲罰項，如下所示。 def kl_divergence(p, p_hat): return (p * K.log(p/p_

1熱度

1回答

如何使用Keras的多層感知器進行多級分類

我試圖遵循指令here，其中它指出它使用Reuter dataset。 from keras.datasets import reuters (X_train, y_train), (X_test, y_test) = reuters.load_data(path="reuters.pkl", nb_words=None,

3熱度

2回答

如何使Keras神經網絡在虹膜數據上優於Logistic迴歸

我在IRIS數據上比較了Keras神經網絡與簡單Logistic Regression from Scikit-learn。正如this post所建議的那樣，我預計Keras-NN的性能會更好。但是爲什麼通過模擬那裏的代碼，Keras-NN的結果低於邏輯迴歸？ import seaborn as sns import numpy as np from sklearn.cross_vali

14熱度

4回答

Keras model.summary（）結果 - 瞭解參數的＃

我具有用於從使用Keras（Theano後端）寫在python 28x28px圖像檢測手寫數字的簡單神經網絡模型： model0 = Sequential() #number of epochs to train for nb_epoch = 12 #amount of data each iteration in an epoch sees batch_size = 128 mod