Para una pérdida personalizada para un NN uso la función . u , dado un par (t, x), ambos puntos en un intervalo, es la salida de mi NN. El problema es que estoy atascado en cómo calcular la segunda derivada utilizando K.gradient (siendo K el backend TensorFlow): def custom_loss(input_tensor, output_tensor): def loss(y_true, y_pred): # […]
Mi conjunto de datos ya tiene ejemplos ponderados. Y en esta clasificación binaria también tengo mucho más de la primera clase en comparación con la segunda. ¿Puedo usar sample_weight y volver a ponderarlo con class_weight en la función model.fit() ? ¿O primero hago una nueva matriz de new_weights y la paso a la función de […]
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: […]