Articles of keras de

¿Cómo especificar manualmente las tags de clase en keras flow_from_directory?

Problema: estoy entrenando un modelo para el reconocimiento de imágenes de varias tags. Por lo tanto, mis imágenes están asociadas con múltiples tags y. Esto está en conflicto con el conveniente método keras “flow_from_directory” del ImageDataGenerator, donde se supone que cada imagen está en la carpeta de la etiqueta correspondiente ( https://keras.io/preprocessing/image/ ). Solución alternativa: […]

¿Cómo importar keras desde tf.keras en tensorflow?

import tensorflow as tf import tensorflow from tensorflow import keras from keras.layers import Dense Estoy recibiendo el error de abajo from keras.layers import Input, Dense Traceback (most recent call last): File “”, line 1, in from keras.layers import Input, Dense ModuleNotFoundError: No module named ‘keras’ ¿Cómo puedo solucionar esto? Nota: Estoy usando la versión 1.4 […]

Keras, salida de modelo predict_proba.

En los documentos , el predict_proba(self, x, batch_size=32, verbose=1) es Genera predicciones de probabilidad de clase para las muestras de entrada lote por lote. y devuelve Una amplia gama de predicciones de probabilidad. Supongamos que mi modelo es un modelo de clasificación binaria, ¿la salida es [a, b] , porque a es probabilidad de class_0 […]

¿EarlyStopping en Keras guarda el mejor modelo?

Cuando se usa algo como: callbacks = [ EarlyStopping(patience=15, monitor=’val_loss’, min_delta=0, mode=’min’), ModelCheckpoint(‘best-weights.h5′, monitor=’val_loss’, save_best_only=True, save_weights_only=True) ] model.fit(…, callbacks=callbacks) y_pred = model.predict(x_test) ¿Estoy haciendo la predicción con los mejores pesos calculados durante el entrenamiento o el model está usando los últimos pesos (que pueden no ser los mejores)? Entonces, ¿es un enfoque seguro el anterior […]

K.gradients (loss, input_img) devuelve “Ninguno”. (Keras visualización CNN con backend tensorflow)

Tengo modelos CNN entrenados utilizando Keras con backend Tensorflow. Y deseo visualizar mis filtros CNN con este tutorial: https://blog.keras.io/how-convolutional-neural-networks-see-the-world.html from keras import backend as K from keras.models import load_model import numpy as np model = load_model(‘my_cnn_model.h5’) input_img = np.load(‘my_picture.npy’) # get the symbolic outputs of each “key” layer (we gave them unique names). layer_dict = […]

¿Cómo puedo asignar un class_weight en Keras de una manera simple?

¿Alguien puede decirme cuál es la forma más sencilla de aplicar class_weight en Keras cuando el conjunto de datos no está equilibrado? Sólo tengo dos clases en mi objective. Gracias

¿Qué es la “métrica” ​​en Keras?

Aún no está claro qué metrics son (como se indica en el código a continuación). ¿Qué están evaluando exactamente? ¿Por qué necesitamos definirlos en el model ? ¿Por qué podemos tener múltiples métricas en un modelo? Y lo que es más importante, ¿cuál es la mecánica detrás de todo esto? Cualquier referencia científica también es […]

Keras, ¿Cómo obtener la salida de cada capa?

He entrenado un modelo de clasificación binaria con CNN, y aquí está mi código model = Sequential() model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode=’valid’, input_shape=input_shape)) model.add(Activation(‘relu’)) model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1])) model.add(Activation(‘relu’)) model.add(MaxPooling2D(pool_size=pool_size)) # (16, 16, 32) model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1])) model.add(Activation(‘relu’)) model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1])) model.add(Activation(‘relu’)) model.add(MaxPooling2D(pool_size=pool_size)) # (8, 8, 64) = (2048) model.add(Flatten()) model.add(Dense(1024)) model.add(Activation(‘relu’)) model.add(Dropout(0.5)) model.add(Dense(2)) # define a […]

problemas de memoria al transformar np.array utilizando to_categorical

Tengo una matriz numpy como esta: [[0. 1. 1. … 0. 0. 1.] [0. 0. 0. … 0. 0. 1.] [0. 0. 1. … 0. 0. 0.] … [0. 0. 0. … 0. 0. 1.] [0. 0. 0. … 0. 0. 1.] [0. 0. 0. … 1. 0. 1.]] Lo transformo así para reducir la […]