keras

    8热度

    2回答

    我目前正试图重现以下文章的结果。 http://karpathy.github.io/2015/05/21/rnn-effectiveness/ 我使用keano和theano后端。在文章中他谈到了控制最终softmax层的温度以提供不同的输出。 温度。我们也可以在采样过程中使用Softmax 的温度。将温度从1降低到某些较低的数字(例如0.5)使得RNN更有信心,但其样本中也更保守。相反,较高的

    4热度

    1回答

    这个问题更多的是关于DNN而不是软件keras的训练算法。 据我所知,由于训练算法的改进,深度神经网络起作用。从20世纪80年代开始,BP算法一直用于训练神经网络,但当网络深度较大时会导致过度拟合问题。大约10年前,Hinton首先使用未标记的数据预先训练网络,然后使用BP算法对算法进行了改进。预培训对避免过度拟合起着重要作用。 但是,当我开始尝试Keras时,使用SGD算法的mnist DNN示

    1热度

    1回答

    我在千层面/ Theano上运行多个cpu内核的Logistic回归分类器。 这是我〜/ .theanorc文件: [global] OMP_NUM_THREADS=20 theano /其它/ check_blas.py消耗所有20个内核,但我的脚本没有。 当我运行: python -c 'import theano; print(theano.config)' 我看到的openmp的

    1热度

    1回答

    我试图适应多类分类神经网络模型,但我有 IndexError: indices are out-of-bounds 错误。 我的训练数据的维度为(26728, 450),有450个功能。输出大小为5(5类)。我用to_categorical(train_Y)将它转换为5列的矩阵。 的代码是 model = Sequential() model.add(Dense(64, input_dim

    6热度

    1回答

    我遵循了https://datanoord.com/2016/02/01/setup-a-deep-learning-environment-on-windows-theano-keras-with-gpu-enabled/ 的所有指令,但似乎无法使它工作。 我已经加入 C:\ Program Files文件(x86)的\微软的Visual Studio 12.0 \ VC \ BIN 到我的PA

    2热度

    1回答

    我已经在我的Ubuntu机器上安装了Keras,并想问我在哪里可以找到Keras配置文件? 谢谢。

    2热度

    1回答

    我想将训练有素的模型(代码如下)转换为theano函数。但我收到以下错误:AttributeError: 'Dense' object has no attribute 'output'。 我的模型代码: model = Sequential() model.add(Convolution2D(32, 3, 3, border_mode='same', input_shap

    4热度

    1回答

    我试图使用Keras Scikit Learn Wrapper为了使参数的随机搜索更容易。我写到这里的示例代码,其中: 我产生人为数据集: 我使用moons从scikit learn from sklearn.datasets import make_moons dataset = make_moons(1000) 模型制作者定义: 我定义所需build_fn功能: def build_fn

    2热度

    1回答

    我的输入是一系列视频,数量为8500。每个视频以一系列50帧的形式提供给LSTM,每帧有960个像素。 所以输入变暗是8500,50,960 可能有487种可能的输出类别,所以输出尺寸是8500487。 但是,当我运行下面的代码,我得到这些错误在keras。 任何帮助,非常感谢。谢谢! (8500,50,960) (8500,487) 创建模型.. 添加第一层.. 添加第二层.. 添加输出层..

    9热度

    1回答

    我正在尝试张量凯拉斯后端。它会将这些过于详细的消息打印到终端,这种类型会破坏probar记录器的输出。如下所示。 h 1/200 4608/3629568 [..............................] - ETA: 849s - loss: 1.1816I tensorflow/core/common_runtime/gpu/pool_allocator.cc:244