Articles of Keras

Funcional API Keras solución alternativa para predict_classes ()

Por favor, consulte aquí para mi pregunta anterior para obtener información de fondo. Según la respuesta sugerida por Nassim Ben . Entrené el modelo de architecture de dos vías utilizando la API funcional. Ahora me siento atascado ya que necesito predecir la clase de cada píxel. Aquí está el código para el mismo: imgs = […]

Red neuronal artificial – error de comstackción

Estoy aprendiendo Aprendizaje profundo yo mismo y me enfrento a problemas al realizar ANN. Esto es lo que estoy haciendo: Inicializando la ANN (he dividido el conjunto de datos de antemano): classifier = Sequential() Añadiendo la capa de entrada y la primera capa oculta: classifier.add(Dense(input_dim = 11, kernel_initializer = ‘uniform’, activation = ‘relu’, units = […]

Jupyter no puede encontrar el modulo de keras.

He instalado Tensorflow y Keras by Anaconda (en Windows 10), he creado un entorno en el que estoy usando Python 3.5.2 (el original en Anaconda era Python 3.6). Cuando bash ejecutar import keras as ks , obtengo ModuleNotFoundError: No module named ‘keras’ . He intentado resolver este problema mediante sys.path.append(C:\\Users\\ … \\Anaconda3\\python.exe) Tanto con el […]

ImportError: no se puede importar el nombre ‘relu6’

Estaba intentando ejecutar un código de aprendizaje automático basado en Keras / TensorFlow. Cuando se ejecuta en tensorflow entorno tensorflow , encuentro el siguiente error: from keras_applications.mobilenet import relu6 ImportError: cannot import name ‘relu6’ ¿Cómo puedo resolverlo?

afinar con la normalización de lotes en keras

He entrenado un modelo con éxito en más de 100000 muestras, que funciona bien tanto en el conjunto de trenes como en el conjunto de pruebas. Luego, traté de ajustarla sobre una muestra en particular (una de las 100000 muestras) y usar los pesos entrenados como inicialización. Pero el resultado es un poco extraño y […]

Calcule / visualice Tensorflow Keras Modelo denso capas de conexión relativas clases de salida wrt

Aquí está mi modelo de tensorflow keras, (puedes ignorar la capa de abandono si hace las cosas difíciles) import tensorflow as tf optimizers = tf.keras.optimizers Sequential = tf.keras.models.Sequential Dense = tf.keras.layers.Dense Dropout = tf.keras.layers.Dropout to_categorical = tf.keras.utils.to_categorical model = Sequential() model.add(Dense(256, input_shape=(20,), activation=”relu”)) model.add(Dropout(0.1)) model.add(Dense(256, activation=”relu”)) model.add(Dropout(0.1)) model.add(Dense(256, activation=”relu”)) model.add(Dropout(0.1)) model.add(Dense(3, activation=”softmax”)) adam = optimizers.Adam(lr=1e-3) […]

Instalar pip localmente sin privilegios de root

Estoy trabajando en un servidor de cómputo que ejecuta un linux. La máquina es utilizada por varios usuarios, por lo que no tengo y no obtendré privilegios de root. Necesito instalar Keras que normalmente harías usando pip Ahora, pip no está instalado y la root tampoco me lo instalará a menos que se lo suplique […]

Mezcla datos numéricos y categóricos en keras modelo secuencial con capas densas

Tengo un conjunto de entrenamiento en un dataframe de Pandas, y paso este dataframe a model.fit() con df.values . Aquí hay alguna información sobre el df: df.values.shape # (981, 5) df.values[0] # array([163, 0.6, 83, 0.52, # array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, […]

Obteniendo x_test, y_test desde el generador en Keras?

Para ciertos problemas, los datos de validación no pueden ser un generador, por ejemplo: histogtwigs TensorBoard : Si se imprimen histogtwigs, se debe proporcionar validation_data y no puede ser un generador. Mi código actual se ve como: image_data_generator = ImageDataGenerator() training_seq = image_data_generator.flow_from_directory(training_dir) validation_seq = image_data_generator.flow_from_directory(validation_dir) testing_seq = image_data_generator.flow_from_directory(testing_dir) model = Sequential(..) # .. model.compile(..) […]

Afinación Keras VGG16

Hay un ejemplo de ajuste fino de VGG16 en el blog de keras , pero no puedo reproducirlo. Más precisamente, aquí está el código utilizado para iniciar VGG16 sin capa superior y para congelar todos los bloques, excepto el más alto: WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5’ weights_path = get_file(‘vgg16_weights.h5’, WEIGHTS_PATH_NO_TOP) model = Sequential() model.add(InputLayer(input_shape=(150, 150, 3))) model.add(Conv2D(64, […]