Así que tengo mi modelo de keras para trabajar con un conjunto de datos tf. A través del siguiente código: # Initialize batch generators(returns tf.Dataset) batch_train = build_features.get_train_batches(batch_size=batch_size) # Create TensorFlow Iterator object iterator = batch_train.make_one_shot_iterator() dataset_inputs, dataset_labels = iterator.get_next() # Create Model logits = …..(some layers) keras.models.Model(inputs=dataset_inputs, outputs=logits) # Train network model.compile(optimizer=train_opt, loss=model_loss, target_tensors=[dataset_labels]) […]
Leí que las columnas de características en tensorflow se utilizan para definir nuestros datos, pero ¿cómo y por qué? ¿Cómo funcionan las columnas de entidades y por qué existen incluso si podemos hacer un estimador personalizado sin ellas también? Y si son necesarios, ¿por qué las bibliotecas como keras no las usan?
Estoy intentando cargar un modelo Keras entrenado desde el archivo .h5, luego envolver un par de capas TensorFlow a su alrededor y guardar como ProtoBuf. El guardado funciona bien, pero cuando importo la definición del gráfico, aparece el error: ValueError: la entrada 0 del nodo batch_normalization_24_1 / cond / ReadVariableOp / Switch_1 se pasó flotando […]
Estoy ejecutando la red VGG16 para la clasificación de imágenes en la base de datos svhn. Estoy guardando imágenes en forma (Ninguna, 64,64,3) y tags de forma (Ninguna, 10). Las tags son de 1D de tamaño 10. A continuación se muestra la parte de mi código. import pandas as pd import numpy as np import […]
Estoy tratando de entender model.summary() en Keras. Tengo la siguiente neural network convolucional. Los valores de la primera Convolución son: conv2d_4 (Conv2D) (None, 148, 148, 16) 448 ¿De dónde vienen 148 y 448? Código image_input = layers.Input(shape=(150, 150, 3)) x = layers.Conv2D(16, 3, activation=’relu’)(image_input) x = layers.MaxPooling2D(2)(x) x = layers.Conv2D(32, 3, activation=’relu’)(x) x = layers.MaxPooling2D(2)(x) […]
Creé un modelo Conv1D para la clasificación de texto. Cuando se utiliza softmax / sigmoide en la última densidad, se obtiene el resultado como softmax => [0.98502016 0.0149798 ] sigmoid => [0.03902826 0.00037046] Solo quiero que el primer índice del resultado sigmoide sea al menos mayor que 0,8 . Solo quiero que las multi-clases tengan […]
Estoy intentando escribir una función de pérdida personalizada en Keras, como se ve en: Función de pérdida personalizada en Keras Se supone que mi función personalizada reduce el efecto de valores menores a 25. Para hacer esto, la función primero llamará tf.clip_by_value (por lo tanto, cualquier valor menor a 25 se convertirá en 25) tanto […]
Tensorflow asigna toda la memoria de la GPU por defecto, pero mi nueva configuración solo es 9588 MiB / 11264 MiB. Esperaba alrededor de 11.000MiB como mi configuración anterior. La información de Tensorflow está aquí: $ from tensorflow.python.client import device_lib $ print(device_lib.list_local_devices()) [name: “/cpu:0” device_type: “CPU” memory_limit: 268435456 locality { } incarnation: 9709578925658430097 , name: […]
Quiero usar Keras para construir una red CNN-LSTM. Sin embargo, tengo problemas para encontrar la forma correcta para el parámetro input_shape la primera capa. My train_data es un ndarray de la forma (1433, 32, 32) ; 1433 imágenes de tamaño 32×32. Como se encuentra en este ejemplo , intenté usar input_shape=train_data.shape[1:] , lo que resulta […]
Estoy tratando de hacer diferentes tipos de aumento de datos (de imagen) para entrenar mi neural network. Sé que tf.image ofrece algunas funciones de aumento, pero son demasiado simples; por ejemplo, solo puedo rotar la imagen 90 grados, en lugar de cualquier grado. También sé que tf.keras.preprocessing.image ofrece rotación aleatoria, corte aleatorio, desplazamiento aleatorio y […]