Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
Keras:多类 NLP 任务中 model.evaluate 与 model.predict 的准确性差异
我正在使用以下代码在 keras 中为 NLP 任务训练一个简单模型 训练集 测试集和验证集的变量名称是不言自明的 该数据集有 19 个类 因此网络的最后一层有 19 个输出 标签也是 one hot 编码的 nb classes 19 m
machinelearning
deeplearning
Keras
无法获取未知等级的 Shape 长度
我有一个神经网络 来自tf data数据生成器和tf keras模型 如下 简化版本 因为太长 dataset A tf data Dataset反对与next x方法调用get next为了x train迭代器和next y方法调用get
python
tensorflow
Keras
deeplearning
异常:加载数据时 URL 获取失败
我正在尝试设置我的机器来运行 Tensorflow 2 我从未使用过 Tensorflow 只是下载了 Python 3 7 我不确定这是否是我的机器的问题 我按照上面列出的安装说明进行操作TensorFlow 的网站 https www
python3x
tensorflow
Keras
python37
tensorflow20
GradientTape 根据损失函数是否被 tf.function 修饰给出不同的梯度
我发现计算的梯度取决于 tf function 装饰器的相互作用 如下所示 首先 我为二元分类创建一些合成数据 tf random set seed 42 np random seed 42 x tf random normal 2 1 y
python
tensorflow
machinelearning
Keras
在相同任务上,Keras 比 TensorFlow 慢
我正在使用 Python 运行斩首 DCNN 本例中为 Inception V3 来获取图像特征 我使用的是 Anaconda Py3 6 和 Windows7 使用 TensorFlow 时 我将会话保存在变量中 感谢 jdehesa 并
python
tensorflow
Keras
如何在 keras 中添加可训练的 hadamard 产品层?
我试图在训练样本中引入稀疏性 我的数据矩阵的大小为 比如说 NxP 我想将其传递到一个层 keras 层 该层的权重大小与输入大小相同 即可训练权重矩阵W的形状为NxP 我想对这一层的输入矩阵进行哈达玛乘积 逐元素乘法 W 按元素与输入相乘
Keras
NumPy 相当于 Keras 函数 utils.to_categorical
我有一个使用 Keras 进行机器学习的 Python 脚本 我正在构建 X 和 Y 它们分别是特征和标签 标签的构建方式如下 def main depth 10 nclass 101 skip True output True video
python
NumPy
machinelearning
Keras
ValueError:请使用“Layer”实例初始化“TimeDistributed”层
我正在尝试构建一个可以在音频和视频样本上进行训练的模型 但出现此错误ValueError Please initialize TimeDistributed layer with a Layer instance You passed Te
python
tensorflow
machinelearning
Keras
deeplearning
对于只有 10000 个单词的字典来说,真正需要什么嵌入层 output_dim?
我正在训练一个 RNN 其单词特征集非常少 大约 10 000 个 我计划在添加 RNN 之前从嵌入层开始 但我不清楚真正需要什么维度 我知道我可以尝试不同的值 32 64 等 但我宁愿先有一些直觉 例如 如果我使用 32 维嵌入向量 则每
tensorflow
Keras
deeplearning
wordembedding
ValueError:没有为“dense_input”提供数据
我正在使用以下简单的代码使用tensorflow加载csv并使用keras执行建模 无法弄清楚这个错误 import tensorflow as tf train dataset fp tf keras utils get file fna
python
python3x
tensorflow
machinelearning
Keras
可视化 TFLite 图并获取特定节点的中间值?
我想知道是否有办法知道 tflite 中特定节点的输入和输出列表 我知道我可以获得输入 输出详细信息 但这不允许我重建发生在Interpreter 所以我要做的是 interpreter tf lite Interpreter model
python
tensorflow
Keras
tensorflow20
TensorFlowLite
将 Dropout 与 Keras 和 LSTM/GRU 单元结合使用
在 Keras 中 您可以像这样指定 dropout 层 model add Dropout 0 5 但对于 GRU 单元 您可以将 dropout 指定为构造函数中的参数 model add GRU units 512 return se
Keras
LSTM
dropout
Tensorflow 不分配完整的 GPU 内存
Tensorflow 默认分配所有 GPU 内存 但我的新设置实际上只有 9588 MiB 11264 MiB 我预计大约 11 000MiB 就像我的旧设置一样 张量流信息在这里 from tensorflow python client
python
tensorflow
Keras
ValueError:张量:(...)不是该图的元素
我正在使用 keras 的预训练模型 在尝试获取预测时出现错误 我在烧瓶服务器中有以下代码 from NeuralNetwork import app route uploadMultipleImages methods POST def
python27
neuralnetwork
Keras
convneuralnetwork
keraslayer
在 Keras 上使用回调 Tensorboard 时出现 AttributeError:“Model”对象没有属性“run_eagerly”
我已经使用 Keras 的功能 API 构建了一个模型 当我将 Tensorboard 实例添加到 model fit 函数的回调中时 它会抛出一个错误 AttributeError Model object has no attribut
python
tensorflow
Keras
ValueError
将 Pytorch LSTM 的状态参数转换为 Keras LSTM
我试图将现有的经过训练的 PyTorch 模型移植到 Keras 中 在移植过程中 我陷入了LSTM层 LSTM 网络的 Keras 实现似乎具有三种状态类型的状态矩阵 而 Pytorch 实现则具有四种状态矩阵 例如 对于hidden l
Keras
LSTM
Pytorch
为什么不使用均方误差来解决分类问题?
我正在尝试使用 LSTM 解决一个简单的二元分类问题 我正在尝试找出网络的正确损失函数 问题是 当我使用二元交叉熵作为损失函数时 与使用均方误差 MSE 函数相比 训练和测试的损失值相对较高 经过研究 我发现二元交叉熵应该用于分类问题 MS
python
Keras
LSTM
crossentropy
meansquareerror
在不同的 GPU 上同时训练多个 keras/tensorflow 模型
我想在 Jupyter Notebook 中同时在多个 GPU 上训练多个模型 我正在使用 4GPU 的节点上工作 我想将一个 GPU 分配给一个模型并同时训练 4 个不同的模型 现在 我通过 例如 为一台笔记本选择 GPU import
python
tensorflow
Keras
jupyternotebook
了解 YOLO 是如何训练的
我试图了解 YOLO v2 是如何训练的 为此 我使用这个 keras 实现https github com experiencor keras yolo2 https github com experiencor keras yolo2在
Keras
deeplearning
YOLO
Keras ZeroDivisionError:整数除法或以零为模
我正在尝试使用 Keras 和 Tensorflow 实现卷积神经网络 我有以下代码 from keras models import Sequential from keras layers import Conv2D MaxPoolin
python
tensorflow
Keras
1
2
3
4
5
6
...64
»