He creado una capa Keras Conv2D personalizada de la siguiente manera: class CustConv2D(Conv2D): def __init__(self, filters, kernel_size, kernelB=None, activation=None, **kwargs): self.rank = 2 self.num_filters = filters self.kernel_size = conv_utils.normalize_tuple(kernel_size, self.rank, ‘kernel_size’) self.kernelB = kernelB self.activation = activations.get(activation) super(CustConv2D, self).__init__(self.num_filters, self.kernel_size, **kwargs) def build(self, input_shape): if K.image_data_format() == ‘channels_first’: channel_axis = 1 else: channel_axis = -1 […]
Estoy usando Python 3.5 64 bit, Cuda 9.2, TensorFlow 1.11, Keras 2.2.4 Estoy recibiendo este error: AttributeError: el módulo ‘_pywrap_tensorflow_internal’ no tiene atributo ‘TFE_DEVICE_PLACEMENT_EXPLICIT_swigconstant’ Desinstalar y reinstalar TensorFlow detuvo el mensaje para import tensorflow , pero el problema persiste para import keras . He visto que dumpbin.exe ha sido útil para algunas personas, pero no […]
es posible establecer como matriz de filtro param con filtros propios en lugar de la cantidad de filtros en Conv2D filters = [[[1,0,0],[1,0,0],[1,0,0]], [[1,0,0],[0,1,0],[0,0,1]], [[0,1,0],[0,1,0],[0,1,0]], [[0,0,1],[0,0,1],[0,0,1]]] model = Sequential() model.add(Conv2D(filters, (3, 3), activation=’relu’, input_shape=(3, 1024, 1024), data_format=’channels_first’))
Hola, he estado tratando de implementar una función de pérdida en keras. Pero no pude encontrar una manera de pasar más de 2 argumentos distintos a la pérdida (y_true, y_predict), así que pensé en usar una capa lambda como la última capa y hacer mi cálculo en la capa lambda y simplemente devolver el valor […]
Estoy tratando de ejecutar un script, pero ya lucho en las importaciones. Esta importacion from keras.preprocessing.image import save_img plantea el siguiente error: AttributeError: module ‘tensorflow’ has no attribute ‘name_scope’. Estoy usando los siguientes paquetes. Keras 2.2.2, Keras-Applications 1.0.4, Keras-Preprocessing 1.0.2, tensorflow 1.9.0, tensorflow-gpu 1.9.0
Mi situación es que tenemos múltiples pares con sus propios datos, ubicados en directorios diferentes, con la misma estructura de subdirectorios. Quiero entrenar el modelo con esos datos, pero si los copio todos en una carpeta, no puedo saber de qué datos provienen de quién (los nuevos datos también se crean ocasionalmente, por lo que […]
Cada vez que pruebo los modelos LSTM en Keras, parece que el modelo es imposible de entrenar debido al largo tiempo de entrenamiento. Por ejemplo, un modelo como este toma 80 segundos por paso para entrenar .: def create_model(self): inputs = {} inputs[‘input’] = [] lstm = [] placeholder = {} for tf, v in […]
Cuando hago una función de pérdida personalizada como sigue: (igual que binary_crossentropy) def custom_loss(y_true, y_pred): ce = K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1) return ce Y binary_crossentropy en keras / keras / loss.py es: def binary_crossentropy(y_true, y_pred): return K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1) Cuando corro model.compile(loss=’binary_crossentropy’, optimizer=optimizer, metrics=[‘accuracy’]) La salida es correcta. ETA: 6:20 – loss: 0.3697 – acc: 0.8343 […]
Estoy usando Keras con un backend TensorFlow. Estoy usando ImageDataGenerator con el argumento validation_split para dividir mis datos en conjunto de trenes y conjunto de validación. Como tal, uso flow_from_directory con el subconjunto configurado en “training” y “testing” de la siguiente manera: total_gen = ImageDataGenerator(validation_split=0.3) train_gen = data_generator.flow_from_directory(my_dir, target_size=(input_size, input_size), shuffle=False, seed=13, class_mode=’categorical’, batch_size=BATCH_SIZE, subset=”training”) […]
Digamos que tengo una neural network simple con una capa de entrada y una única capa de convolución progtwigda en tensorflow: # Input Layer input_layer = tf.reshape(features[“x”], [-1, 28, 28, 1]) # Convolutional Layer #1 conv1 = tf.layers.conv2d( inputs=input_layer, filters=32, kernel_size=[5, 5], padding=”same”, activation=tf.nn.relu) Dejo fuera cualquier otra parte de las definiciones de red para […]