keras

    4熱度

    1回答

    我有一個Keras模型,它正在對Raspberry Pi(帶相機)進行推理。 Raspberry Pi有一個非常慢的CPU(1.2GHz),沒有CUDA GPU,所以model.predict()階段需要很長時間(〜20秒)。我正在尋找儘可能減少這種情況的方法。我試過了: 超頻CPU(+ 200 MhZ),並獲得了幾秒鐘的性能。 使用float16而不是float32's。 儘可能減少圖像輸入大小

    0熱度

    1回答

    我正在使用keras==2.0.8和tensorflow==1.3.0後端。 這裏是一個我很困惑與例如: from keras.layers import Input, Reshape, Conv2DTranspose x = Input((5000,)) y = Reshape((25, 25, 8))(x) y = Conv2DTranspose(10, 5, padding='sam

    1熱度

    2回答

    我有250天的數據,72個訓練樣本的特徵和一個目標變量列。並且想要預測未來30天內每個具有72個特徵的21351行。我將如何重塑我的數據輸入和輸出。看起來我有點混亂,圖書館給了我關於形狀不兼容的錯誤。 我被重塑爲: trainX.reshape(1, len(trainX), trainX.shape[1]) trainY.reshape(1, len(trainX)) 但給我的錯誤: V

    3熱度

    1回答

    我想在keras使用glorot均勻初始化一個4 * 11矩陣,使用以下代碼: import keras keras.initializers.glorot_uniform((4,11)) 並獲得輸出: <keras.initializers.VarianceScaling at 0x7f9666fc48d0> 如何可視化輸出。我正在嘗試c [1]並獲取輸出'VarianceScalin

    4熱度

    1回答

    需要實現這樣一個自定義層: class MaskedDenseLayer(Layer): def __init__(self, output_dim, activation, **kwargs): self.output_dim = output_dim super(MaskedDenseLayer, self).__init__(**kwargs)

    1熱度

    2回答

    我想建立在Keras一個CNN與SOFTMAX層作爲輸出的載體,但我只得到這個作爲輸出: [[[[ 1.] [ 1.] [ 1.]]]] 我的模型是建立像這樣: model = Sequential() model.add(Conv2D(2, (1,3), padding='valid', input_shape=(3,3,50), init='normal

    6熱度

    1回答

    我可以在輸入層之後立即使用批量規範化層,而不是規範化我的數據嗎?我希望獲得類似的效果/表現嗎? 在keras功能,將是這樣的: x = Input (...) x = Batchnorm(...)(x) ...

    1熱度

    2回答

    對於以下代碼,我已在mnist_weights1234.h5中保存模型權重。並希望創建像相同的層配置 import keras from __future__ import print_function from keras.datasets import mnist from keras.models import Sequential from keras.layers import

    0熱度

    1回答

    當我將dilation_rate參數傳遞給Conv2D時,生成的輸出被二次採樣。例如, inputs = Input(shape=(160,240,1)) lay = Conv2D(32, kernel_size=(3,3), dilation_rate=(2,2), use_bias=False)(inputs) print(lay) 產生 Composite(input_1: Tens

    1熱度

    2回答

    Python版本3.6.3 = Tensorflow版本= 1.3.0 我在Keras工作,但現在想直接在TensorFlow工作。 我試圖實現Keras的fit_generator的等效性,從而我不必將所有訓練數據都在開始時加載到內存中,但可以根據需要將其加載到網絡中進行訓練。下面的代碼代表了我嘗試開始這樣的事情,但如果我正在討論這一切錯誤,我很想知道我應該看看文檔的位置以及我應該使用什麼關鍵字