keras

0熱度

1回答

我想微調來自Keras的ResNet50，但是首先我發現給定相同的輸入，ResNet50的預測與模型的輸出不同。實際上，產出的價值似乎是「隨機的」。我究竟做錯了什麼？在此先感謝！這是我的代碼： import tensorflow as tf from resnet50 import ResNet50 from keras.preprocessing import image from i

0熱度

1回答

如何編寫Keras自定義指標來過濾或屏蔽某些值？

在凱拉我試圖找出如何計算自定義指標或損失，過濾掉或掩蓋一些值，以便他們不貢獻返回的值。我被困在如何獲得張量切片或如何迭代if：在張量中的值來選擇感興趣的值。我碰巧在使用Tensorflow後端，但想做一些便攜式的東西。附件中是什麼，我試圖做一個大致的輪廓，但它引發錯誤：TypeError: 'Tensor' object does not support item assignment def

1熱度

1回答

Keras RGB to Grayscale

我想要在Keras中將輸入RGB圖像轉換爲灰度圖的最佳方法的規範回答。 This answer提示，也許這樣的事情最好用Lambda來實現，但這對我來說效率低下。在我看來，Average Pooling layers應該能夠做到這一點，但我似乎無法弄清楚。是否有一個RGB到灰度層，我只是在文檔中缺少？這似乎是一個相當普遍的操作。

4熱度

1回答

結果不能用Keras和TensorFlow在Python中重現

我遇到問題，我無法重現Keras和ThensorFlow的結果。好像最近也一直在Keras documentation site發佈針對此問題的解決方法，但不知何故，沒有爲我工作。我做錯了什麼？我使用一個MBP視網膜Jupyter筆記本（不Nvidia的GPU）。 # ** Workaround from Keras Documentation ** import numpy as np

1熱度

3回答

無法從keras.utils導入multi_gpu_model

我有tensorflow-gpu 1.2.1和keras在Ubuntu 16.04上。我不能夠執行： from kears.utils import multi_gpu_model 有沒有人有multi_gpu_model成功在他們的文檔的常見問題解答部分描述？我有一個4 GPU計算機與4個GeForce GTX 1080 Ti卡，並希望使用他們所有。這是我得到的錯誤： import k

1熱度

3回答

應在哪裏插入Dropout。？完全連接層。卷積層。？或兩者。？

我想徵詢Dropout應插入在哪裏的反饋意見？它應該位於完全連接層(Dense)或卷積層中。或兩者。？感謝您提前提供反饋。

1熱度

1回答

Keras layer.set_weights不會修改圖層。爲什麼？

當我初始化並加載一個模型的權重時，輸出結果的準確率爲67％。 model.load_weights(path+'results/finetune_train_last_layer.h5') batches = model.get_batches(path, shuffle=False, batch_size=128, class_mode=None) preds = model.predict

0熱度

1回答

在Keras 2.0上使用合併圖層（lambda /函數）？

我試圖端口this模型爲Keras V2，但我有以下功能相關的問題： def __call__(self, sent1, sent2): def _outer(AB): att_ji = K.batch_dot(AB[1], K.permute_dimensions(AB[0], (0, 2, 1))) return K.permute_dimensions

0熱度

1回答

如何在Keras中將'mnist.load_data（）'的返回值的格式更改爲'mnist_train.csv'？

我使用Keras。 (X_train, y_train), (X_test, y_test) = mnist.load_data() X_train'形狀爲(number_of_training_sample,224,224,3) Y_train的形狀是(number_of_training_sample, 10) 特點和標籤在不同ndarray分離。但我想將這些ndarrays更改爲'mn

0熱度

2回答

Keras：如何改變每個時代的數據

我試圖通過向我的原始數據添加噪聲和隨機突變來減少過擬合。我有變異的訓練數據 x, y = generate_data() 我想每個時期叫它和培訓的新的數據我的模型的功能。希望是減少過度配合。 history = model.fit(x, y, epochs=100, batch_size=64) 什麼是最好的方式來改變每個新紀元的數據？