Articles of Keras

TensorBoard Distribuciones e Histogtwigs con Keras y fit_generator

Estoy usando Keras para entrenar una CNN usando la función fit_generator. Parece ser un problema conocido que TensorBoard no muestra histogtwigs y distribuciones en esta configuración. ¿Alguien descubrió una manera de hacerlo funcionar de todos modos?

Cambiar el tamaño de una imagen de entrada en una capa Keras Lambda

Me gustaría que mi modelo de Keras redimensionara la imagen de entrada usando cv2 o similar. He visto el uso de ImageGenerator , pero preferiría escribir mi propio generador y simplemente cambiar el tamaño de la imagen en la primera capa con keras.layers.core.Lambda . ¿Cómo haría esto?

¿Cómo definen las keras “exactitud” y “pérdida”?

No puedo encontrar cómo Keras define “exactitud” y “pérdida”. Sé que puedo especificar diferentes métricas (por ejemplo, mse, entropía cruzada), pero Keras imprime una “precisión” estándar. ¿Cómo se define eso? Del mismo modo para la pérdida: sé que puedo especificar diferentes tipos de regularización, ¿están aquellos en la pérdida? Idealmente, me gustaría imprimir la ecuación […]

StateTM LSTM y predicciones de flujo

He entrenado un modelo LSTM (construido con Keras y TF) en lotes múltiples de 7 muestras con 3 características cada una, con una forma similar a la muestra de abajo (los números a continuación son solo marcadores de posición para fines de explicación), cada lote está etiquetado como 0 o 1: Datos: [ [[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3]] [[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3]] […]

Keras: ¿Cómo guardar el modelo y seguir entrenando?

Tengo un modelo que he entrenado durante 40 épocas. Mantuve puntos de control para cada época, también model.save() el modelo con model.save() . El código para la formación es n_units = 1000 model = Sequential() model.add(LSTM(n_units, input_shape=(None, vec_size), return_sequences=True)) model.add(Dropout(0.2)) model.add(LSTM(n_units, return_sequences=True)) model.add(Dropout(0.2)) model.add(LSTM(n_units)) model.add(Dropout(0.2)) model.add(Dense(vec_size, activation=’linear’)) model.compile(loss=’mean_squared_error’, optimizer=’adam’) # define the checkpoint filepath=”word2vec-{epoch:02d}-{loss:.4f}.hdf5″ checkpoint […]

¿Cuál es el papel de la capa TimeDistributed en Keras?

Estoy tratando de entender lo que hace el envoltorio TimeDistributed en Keras. Obtengo que TimeDistributed “aplica una capa a cada segmento temporal de una entrada”. Pero hice algunos experimentos y obtuve los resultados que no puedo entender. En resumen, en relación con la capa LSTM, TimeDistributed y solo la capa Densa tienen los mismos resultados. […]

Keras Conv2D y canales de entrada.

La documentación de capa de Keras especifica los tamaños de entrada y salida para las capas convolucionales: https://keras.io/layers/convolutional/ Forma de entrada: (samples, channels, rows, cols) Forma de salida: (samples, filters, new_rows, new_cols) Y el tamaño del kernel es un parámetro espacial, es decir, determina solo el ancho y la altura. Por lo tanto, una entrada […]

Función de pérdida ponderada personalizada en Keras para pesar cada elemento.

Estoy tratando de crear una función de pérdida ponderada simple. Por ejemplo, tengo dimensiones de entrada 100 * 5 y dimensiones de salida también 100 * 5. También tengo una matriz de ponderación de la misma dimensión. Algo como lo siguiente: import numpy as np train_X = np.random.randn(100, 5) train_Y = np.random.randn(100, 5)*0.01 + train_X […]

¿Cómo convertir una capa densa en una capa convolucional equivalente en Keras?

Me gustaría hacer algo similar al documento de Redes Totalmente Convolucionales ( https://people.eecs.berkeley.edu/~jonlong/long_shelhamer_fcn.pdf ) usando Keras. Tengo una red que termina aplanando los mapas de características y los ejecuta a través de varias capas densas. Me gustaría cargar los pesos de una red como esta en una en la que las capas densas se reemplacen […]

Agregue capas de omisión entre capas densas pretrasadas en keras

En keras.applications , hay un modelo VGG16 pre-entrenado en imagenet. from keras.applications import VGG16 model = VGG16(weights=’imagenet’) Este modelo tiene la siguiente estructura. Layer (type) Output Shape Param # Connected to ==================================================================================================== input_1 (InputLayer) (None, 3, 224, 224) 0 ____________________________________________________________________________________________________ block1_conv1 (Convolution2D) (None, 64, 224, 224) 1792 input_1[0][0] ____________________________________________________________________________________________________ block1_conv2 (Convolution2D) (None, 64, 224, 224) […]