theano

3熱度

1回答

我試圖確定模型的準確性而無需進行培訓並更新權重，因此我已將所有圖層設置爲trainable = False。當我在shuffle = False的發電機上運行fit_generator時，每次都會得到一致的結果。當我在shuffle = True的發生器上運行fit_generator時，結果會跳轉一點。假設輸入數據相同，並且模型沒有訓練，我希望模型的內部狀態不會改變，並且不管排序如何，相同數

2熱度

1回答

具有可變尺寸圖像的2D卷積神經網絡

我已經使用Theano後端實現了具有Keras的卷積自動編碼器。我正在改變我的方法來嘗試處理不同大小的圖像。只要我使用numpy的stack函數來建立數據集（等大小的圖像），我是金。但是，對於不同大小的圖像，我們不能使用stack，而fit需要一個numpy數組。所以我改爲fit_generator以避免大小檢查。問題在於最後一層預期將16作爲輸入中的最後一個維度，我不明白爲什麼它會獲得原始圖像的

0熱度

1回答

在Tensorflow中實現Theano操作

繼這個paper on domain adaptation之後，我試圖在Tensorflow中實現以下漸變反轉圖層（在Thera後端編寫Keras，在Keras issue中找到），因爲我的模型與Theano運行不佳。 class GradientReversalLayer(Layer): """ Reverse a gradient <feedforward> return

0熱度

1回答

使用theano後端將Alexnet權重加載到keras模型中

我正在使用Alexnet等預先訓練過的模型，在這種情況下也是以相同的錯誤結束。我從這裏下載的alexnet_weights - >https://github.com/heuritech/convnets-keras 然後，我嘗試這樣從keras.models導入load_model base_model = load_model（ 'alexnet_weights.h5'）我結束了 Val

1熱度

1回答

爲什麼卷積濾波器在卷積神經網絡中翻轉？

我不明白爲什麼在使用卷積神經網絡時需要翻轉過濾器。據烤寬麪條文檔， flip_filters：布爾（默認：true）是否滑動他們在輸入，進行卷積（這是默認值）之前翻轉過濾器，或者不要將它們翻轉並執行關聯。需要注意的是在意大利千層麪的一些其他卷積層，翻轉招致的開銷，並通過默認情況下禁用 - 利用另一層瞭解到的權重時查看文檔。這是什麼意思？在任何神經網絡書籍中進行卷積時，我從來沒有讀過

2熱度

3回答

如何在Keras中編譯模型後動態凍結權重？

我想在Keras培訓GAN。我的最終目標是BEGAN，但我從最簡單的一個開始。瞭解如何正確凍結重量是必要的，這就是我所苦苦掙扎的。在生成器訓練時間期間，鑑別器權重可能不會更新。我想凍結和解凍鑑別交替爲訓練發生器和鑑別器。問題是，設置可訓練的參數爲false，鑑別器模型或甚至在其'權重不停止模型來訓練（和權重更新）。另一方面，當我在將可訓練設置爲False之後編譯模型時，權重變爲unfreezab

1熱度

1回答

Keras fit_generator（），這是正確的用法嗎？

到目前爲止，我想出了這個哈克代碼在這裏，該代碼運行並輸出 Epoch 10/10 1/3000 [..............................] - ETA: 27s - loss: 0.3075 - acc: 0.7270 6/3000 [..............................] - ETA: 54s - loss: 0.3075 -

0熱度

1回答

Keras在訓練時不顯示進度條箭頭

起初，我用tensorflow後端運行keras，並且進度條很好。然後我安裝了Theano，並嘗試使用它一段時間之後，切換回tensorflow。在安裝Theano之後，每個時代出現的進度條只會在時代完成後出現，所以在訓練時，我看不到它的進展。 Epoch 1/50 21/21 [=============================] 10s - loss:0.6928 - loss_va

2熱度

1回答

pytorch：如何直接找到漸變w.r.t.損失

在theano中，獲得某個變量w.r.t的梯度非常容易。一個給定的損失： loss = f(x, w) dl_dw = tt.grad(loss, wrt=w) 我得到pytorch被冠上了不同的模式，在那裏你會做這樣的事情： loss = f(x, w) loss.backwards() dl_dw = w.grad 的事情是我可能不想通過做一個完整的向後傳播圖 - 只是沿着需要去

0熱度

1回答

用GPU上的簡單矩陣向量產品對Benchmarking Theano和CNTK

我想比較Theano和CNTK在一個非常簡單的任務上的性能：GPU上的矩陣向量產品。我正在使用Theano 0.9.0和CNTK 2.0。我想測量設備上計算所用的時間，不包括從主機到設備的數據傳輸所用的時間，反之亦然。我得到的結果是這樣的： figure (timings theano vs cntk) （N是重複次數d，矩陣的大小，被設定爲10000。）問題1：它似乎用於某些準備工作的時