theano

0熱度

1回答

我無法弄清楚爲什麼下面的代碼不工作：我希望它彷彿 f = th.function( inputs = [a], outputs = tt.concatenate([tt.concatenate([a,a]),tt.concatenate([a,a])]) )

1熱度

1回答

在兩個GPU上訓練兩個模型

我有兩個模型（theano腳本），我想訓練和評估。我有兩個GPU可以用來訓練它們。如何在同一時間在每個GPU上運行模型？

0熱度

1回答

CoreML - 無法從Keras到CoreML執行轉換 - 視窗10

我最近升級我的keras從1.1.0版本1.2.2和我跑了CNN的手勢分類（代碼使用keras 1.1.0開發）。我保存了訓練好的模型，我嘗試使用coremltools將其轉換爲CoreML模型。是如下面的代碼： import coremltools import theano from keras import backend as K K.set_image_dim_ordering('

2熱度

1回答

固定 '請切換到gpuarray後端' 與cuda.use（警告）與keras

當使用 cuda.use('gpu0') 我得到 WARNING (theano.sandbox.cuda): The cuda backend is deprecated and will be removed in the next release (v0.10). Please switch to the gpuarray backend. You can get more informat

1熱度

1回答

如何將grad方法添加到theano Op？

我已創建一個theano.Op返回每對輸入的兩個集合之間的距離，轉換scipycdist： class Cdist(theano.Op): __props__ =() def __init__(self): #self.fn = scipy_cdist2 super(Cdist, self).__init__() def make_nod

2熱度

1回答

在Django中正確加載Keras模型，支持多租戶

我嘗試在Django中使用Keras模型返回預測來編寫REST api。然而，load_model()函數需要一些時間來加載模型，我不希望我的用戶不得不等待這麼久（每次模型初始化）。初始化模型的正確方法是什麼，以便加載一次，並使用同一模型進行預測？在一個側面說明，我認爲冷是可能的一個方法是在初始化如下settings.py模型： settings.py json_file=open("model

0熱度

1回答

「與」和「或」上Theano

我運行下面的代碼： import theano.tensor as T print(T.eq(2, 1).eval()) print(T.eq(1, 1).eval()) print((T.eq(2, 1) and T.eq(1, 1)).eval()) print((T.eq(2, 1) or T.eq(1, 1)).eval()) 的結果是： False True True

-2熱度

1回答

使用Keras構建CNN模型

你好，我是Keras的新人。我選擇keras執行本文：http://mmlab.ie.cuhk.edu.hk/projects/TCDCN.html。我只是將輸入大小更改爲48x48，然後輸出我只需要68個地標座標。這裏是我的網絡： def mtfl40New(size): model = Sequential() model.add(Conv2D(16, (5, 5), pa

0熱度

1回答

WinR的NVRTC是不可用的嗎？

我運行Python27 x32或收到此錯誤： Could not load "nvrtc64_75.dll": %1 is not a valid Win32 application. 我也試圖與cuda8。，因爲我意識到，NVRTC docs列表64作爲一項要求： NVRTC requires the following system configuration: Operating Sy

0熱度

1回答

Keras（theano）錯誤，同時gpu

已經很長時間了，我嘗試瞭解一個問題。請幫幫我。我試圖從標準示例git lib（there）運行'Keras'示例。如果我使用CPU，那麼一切都會正常工作;但是，如果我嘗試使用GPU加速，它將會崩潰，不會夾住任何錯誤： # build the model: a single LSTM print('Build model...') print(' 1') model = Sequentia