keras

0热度

1回答

我想微调来自Keras的ResNet50，但是首先我发现给定相同的输入，ResNet50的预测与模型的输出不同。实际上，产出的价值似乎是“随机的”。我究竟做错了什么？在此先感谢！这是我的代码： import tensorflow as tf from resnet50 import ResNet50 from keras.preprocessing import image from i

0热度

1回答

如何编写Keras自定义指标来过滤或屏蔽某些值？

在凯拉我试图找出如何计算自定义指标或损失，过滤掉或掩盖一些值，以便他们不贡献返回的值。我被困在如何获得张量切片或如何迭代if：在张量中的值来选择感兴趣的值。我碰巧在使用Tensorflow后端，但想做一些便携式的东西。附件中是什么，我试图做一个大致的轮廓，但它引发错误：TypeError: 'Tensor' object does not support item assignment def

1热度

1回答

Keras RGB to Grayscale

我想要在Keras中将输入RGB图像转换为灰度图的最佳方法的规范回答。 This answer提示，也许这样的事情最好用Lambda来实现，但这对我来说效率低下。在我看来，Average Pooling layers应该能够做到这一点，但我似乎无法弄清楚。是否有一个RGB到灰度层，我只是在文档中缺少？这似乎是一个相当普遍的操作。

4热度

1回答

结果不能用Keras和TensorFlow在Python中重现

我遇到问题，我无法重现Keras和ThensorFlow的结果。好像最近也一直在Keras documentation site发布针对此问题的解决方法，但不知何故，没有为我工作。我做错了什么？我使用一个MBP视网膜Jupyter笔记本（不Nvidia的GPU）。 # ** Workaround from Keras Documentation ** import numpy as np

1热度

3回答

无法从keras.utils导入multi_gpu_model

我有tensorflow-gpu 1.2.1和keras在Ubuntu 16.04上。我不能够执行： from kears.utils import multi_gpu_model 有没有人有multi_gpu_model成功在他们的文档的常见问题解答部分描述？我有一个4 GPU计算机与4个GeForce GTX 1080 Ti卡，并希望使用他们所有。这是我得到的错误： import k

1热度

3回答

应在哪里插入Dropout。？完全连接层。卷积层。？或两者。？

我想征询Dropout应插入在哪里的反馈意见？它应该位于完全连接层(Dense)或卷积层中。或两者。？感谢您提前提供反馈。

1热度

1回答

Keras layer.set_weights不会修改图层。为什么？

当我初始化并加载一个模型的权重时，输出结果的准确率为67％。 model.load_weights(path+'results/finetune_train_last_layer.h5') batches = model.get_batches(path, shuffle=False, batch_size=128, class_mode=None) preds = model.predict

0热度

1回答

在Keras 2.0上使用合并图层（lambda /函数）？

我试图端口this模型为Keras V2，但我有以下功能相关的问题： def __call__(self, sent1, sent2): def _outer(AB): att_ji = K.batch_dot(AB[1], K.permute_dimensions(AB[0], (0, 2, 1))) return K.permute_dimensions

0热度

1回答

如何在Keras中将'mnist.load_data（）'的返回值的格式更改为'mnist_train.csv'？

我使用Keras。 (X_train, y_train), (X_test, y_test) = mnist.load_data() X_train'形状为(number_of_training_sample,224,224,3) Y_train的形状是(number_of_training_sample, 10) 特点和标签在不同ndarray分离。但我想将这些ndarrays更改为'mn

0热度

2回答

Keras：如何改变每个时代的数据

我试图通过向我的原始数据添加噪声和随机突变来减少过拟合。我有变异的训练数据 x, y = generate_data() 我想每个时期叫它和培训的新的数据我的模型的功能。希望是减少过度配合。 history = model.fit(x, y, epochs=100, batch_size=64) 什么是最好的方式来改变每个新纪元的数据？