keras

    0热度

    2回答

    我一直在阅读Keras文档建立一个实现MLP反向传播我自己的MLP网络。我熟悉sklearn MLPClassifier,但我想学Keras深学习。以下是第一次尝试。该网络有3层1输入(功能= 64),1输出和1隐藏。总数是(64,64,1)。输入是125K样本(64 DIM)和ynumpy矩阵X是1D numpy二进制类(1,-1): # Keras imports from keras.mo

    1热度

    1回答

    我想用TensorFlow作为后端运行Keras,但我想在GPU上运行它。我安装TensorFlow-GPU,CUDA 8.0,cuDNN,但Keras得到以下错误: --------------------------------------------------------------------------- ImportError Traceback (most rece

    1热度

    1回答

    我正在使用Keras和LSTM进行小型文本生成项目。 Chollet的代码工作得很好。有人可以向我解释多样性步骤0.2,0.05,1.0,1.2吗?这里究竟发生了什么?提前致谢! for diversity in [0.2, 0.5, 1.0, 1.2]: print() print('----- diversity:', diversity) generated

    1热度

    1回答

    我使用二维图像上的CNN keras作为损失函数进行均方误差回归。损失值的范围为100.要知道每个像素处的平均误差,我应该将其除以总像素数?或者显示的损失值是针对像素的?

    1热度

    1回答

    我定义了一个自定义的损失函数如下: weight_for_hierarchical_error = K.variable(np.ones(16)) def mse_weighted(y_true, y_pred): return K.mean(weight_for_hierarchical_error * K.square(y_pred - y_true), axis=-1) 当

    0热度

    1回答

    有人可以指给我一个完整的示例,它可以执行以下所有操作吗? 适合使用train_on_batch() 留出从每批出于验证的目的 集预留精度评价试验数据毕竟批次已被处理的数据的循环成批(酸洗)的数据(见下面我的例子的最后一行)。 我发现很多1 - 互联网上的5行代码片段说明如何调用train_on_batch()或fit_generator(),但至今没有明确说明如何分离出来,同时处理验证和测试数据,

    1热度

    1回答

    这是我从github获得的关于等级关注网络的代码片段,代码最初是在Keras 1.2.2中。现在我不得不改变它与Keras 2.0.5编译,但是,它有这样的错误信息,我无法解决。 原代码如下 MAX_SENT_LENGTH = 100 MAX_SENTS = 20 MAX_NB_WORDS = 276176 EMBEDDING_DIM = 128 VALIDATION_SPLIT = 0.

    0热度

    1回答

    我现在使用RNN图层对输入文档进行编码,如下所示。但我不确定为什么RNN层无法检测输入序列长度?所以我认为最后的p的形状应该是(?, doc_maxlen, rnn_h_size)而不是(?, ?, rnn_h_size)。哪里错了点? rnn_h_size = 10 embd_size = 100 doc_maxlen= 10418 doc = Input((doc_maxlen,), n

    0热度

    1回答

    下面是用Keras编写的代码,用于回归正弦函数。它工作完美。 import numpy as np from keras.layers import Dense, Activation from keras.models import Sequential import matplotlib.pyplot as plt import math import time x = np.a

    0热度

    1回答

    我正在使用Keras功能API,我想知道:什么时候内核初始化?是否在创建图层时,像 x = Dense(32, kernel_initializer='glorot_uniform')(x) 还是在编译模型期间?例如 model.compile(optimizer='rmsprop', loss='categorical_crossentropy') 我想这期间model.fit(...)