keras

    5熱度

    2回答

    我開發了分類(0/1)NLP任務的ML模型並將其部署到生產環境中。模型的預測會顯示給用戶,用戶可以選擇提供反饋(如果預測是正確的或錯誤的)。 如何持續將此反饋納入我的模型?從用戶體驗的觀點來看,您不希望用戶對特定輸入進行兩次/三次以上的更正/教導系統,系統可以快速學習,即將反饋信息「快速」加入。 (谷歌優先收件箱以無縫方式完成此操作) 如何建立這個「反饋循環」,使用我的系統可以改進?我在網上搜索了

    1熱度

    1回答

    我想在Keras中僅使用1個通道對圖像進行分類(29 x 29)。如果中間像素在一定範圍內,則輸出爲1,否則爲0。 對於訓練集,我有10000個輸出爲1的圖像和30000個輸出爲0的圖像,我正在使用以下建築: model = Sequential() # kernel = (4, 4); 6 outputmaps 26x26 model.add(Convolution2D(6, 4, 4,

    8熱度

    2回答

    尺寸我試圖運行此SimpleRNN的錯誤號: model.add(SimpleRNN(init='uniform',output_dim=1,input_dim=len(pred_frame.columns))) model.compile(loss="mse", optimizer="sgd") model.fit(X=predictor_train, y=target_train, bat

    1熱度

    1回答

    我試圖運行Keras的以下網絡,由TensorFlow後端供電。這是「VGG樣」 convnet從http://keras.io/examples/適應: import os import sys import json import model_control from numpy import loadtxt, asarray from pandas import read_csv

    9熱度

    1回答

    我是新來Keras和遇到一些麻煩的形狀,特別是當它涉及到RNNs和LSTMs。 我運行這樣的代碼: model.add(SimpleRNN(init='uniform',output_dim=1,input_dim=len(pred_frame.columns))) model.compile(loss="mse", optimizer="sgd") model.fit(X=predictor

    1熱度

    2回答

    我在keras庫和Python中確實是新手。我試圖使用熊貓導入一個excel文件,並使用as_matrix()函數將其轉換爲numpy.ndarray。但它會錯誤地讀取我的文件。就像我在Excel文件中有一個90x1049的數據集。但是當我試圖將其轉換爲numpy數組時,它將我的數據讀取爲89x1049。我使用下面的代碼,這是行不通的: training_data_x = pd.read_exce

    6熱度

    2回答

    我試圖運行一個類似於Keras documantation "VGG-like convnet"中的CNN,但是用於一組自定義的圖像和二進制分類而不是10級輸出。 當我嘗試適合CNN,我得到這個longwinded錯誤,我假設告訴我,我的輸入圖像大小不是CNN輸入的正確大小。 ValueError: GpuDnnConv images and kernel must have the same s

    15熱度

    4回答

    我們目前正在使用Keras來培訓各種神經網絡,這是理想的,因爲它有一個很好的界面並且相對易於使用,但我們希望能夠將它們應用到我們的生產中環境。 不幸的是,生產環境是C++,所以我們的計劃是: 使用TensorFlow後端模型保存到protobuf的 鏈接我們的生產代碼TensorFlow,然後在protobuf的加載 不幸的是,我不知道如何從Keras訪問TensorFlow保存實用程序,它通常保

    1熱度

    1回答

    我正在訓練一個將兩個300d單詞向量作爲輸入的模型。我原本計劃提供一個600d矢量作爲輸入數據。 不過,我注意到了Keras數據集頁面上:http://keras.io/datasets/ 他們使用高維輸入數據,而不是扁平的輸入。例如,它們代表尺寸爲32×32的RBG圖像:(3,32,32) 我應該輸入(2,300)還是輸入(1,600)?有關係嗎?

    7熱度

    1回答

    我創建了一個包裝類,它初始化了一個keras.models.Sequential模型,並且有幾個方法用於啓動培訓過程並監視進度。我在我的main文件中實例化這個類並執行訓練過程。相當平凡的東西。 我問題是: 如何釋放所有被tensorflow分配的GPU內存。我試過,沒有運氣如下:會議已經關閉,並重置爲None即使在 import keras.backend.tensorflow_backend