Quiero convertir mi modelo keras en una función theano para poder calcular los gradientes en las entradas. Pensé que esto podría ser genial para visualizar la red. Quiero usar estos gradientes para mejorar las características de la imagen original según lo que la neural network cree que son. No entiendo lo que estoy haciendo mal […]
from keras.models import Sequential from keras.layers.embeddings import Embedding from theano import function model = Sequential() model.add(Embedding(max_features, 128, input_length = maxlen)) Quiero obtener los resultados de las capas de incrustación. Leí la fuente en keras pero no encontré ninguna función o atributo adecuado. ¿Alguien me puede ayudar con esto?
Instalé Theano en la máquina con Windows y seguí las instrucciones de configuración. Coloqué el siguiente archivo .theanorc.txt en la carpeta C: \ Users \ my_username: #!sh [global] device = gpu floatX = float32 [nvcc] fastmath = True # flags=-m32 # we have this hard coded for now [blas] ldflags = # ldflags = -lopenblas […]
Estoy tratando de instalar Theano en Windwos 8 Han seguido estos pasos. Intento probar usando: import numpy as np import time import theano print(‘blas.ldflags=’, theano.config.blas.ldflags) A = np.random.rand(1000, 10000).astype(theano.config.floatX) B = np.random.rand(10000, 1000).astype(theano.config.floatX) np_start = time.time() AB = A.dot(B) np_end = time.time() X, Y = theano.tensor.matrices(‘XY’) mf = theano.function([X, Y], X.dot(Y)) t_start = time.time() tAB […]
Estoy tratando de crear una neural network utilizando el módulo python nnet-ts. Tiene un método incorporado llamado TimeSeriesNnet (), que toma dos argumentos; ocultos_layers y activacion_funciones. Consulte la documentación de este módulo, así como el ejemplo en README.md: https://github.com/hawk31/nnet-ts Estoy corriendo la versión 2.7.13 de Python El módulo nnet-ts tiene dependencias de 5 paquetes en […]
¿Cómo puedo imprimir el valor numérico de una variable tensorial teana? Soy nuevo en Theano, así que por favor sea paciente 🙂 Tengo una función donde obtengo y como parámetro. Ahora quiero depurar-imprimir la forma de esta y en la consola. Utilizando print y.shape da como resultado la salida de la consola (esperaba números, es […]
Cuando ejecuto import theano en Python, import theano el siguiente mensaje de error: Python 2.7.6 (default, Jun 22 2015, 17:58:13) [GCC 4.8.2] on linux2 Type “help”, “copyright”, “credits” or “license” for more information. >>> import theano Traceback (most recent call last): File “”, line 1, in File “/usr/local/lib/python2.7/dist-packages/theano/__init__.py”, line 74, in from theano.printing import pprint, […]
Quiero construir una neural network donde las dos primeras capas se realicen hacia adelante y la última sea recurrente. Aquí está mi código: model = Sequential() model.add(Dense(150, input_dim=23,init=’normal’,activation=’relu’)) model.add(Dense(80,activation=’relu’,init=’normal’)) model.add(SimpleRNN(2,init=’normal’)) adam =OP.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08) model.compile(loss=”mean_squared_error”, optimizer=”rmsprop”) y me sale este error: Exception: Input 0 is incompatible with layer simplernn_11: expected ndim=3, found ndim=2. model.compile(loss=’mse’, […]
realmente es difícil entender las dimensiones de entrada de la capa 1d convolucional en keras: Forma de entrada Tensor 3D con forma: (muestras, pasos, input_dim). Forma de salida Tensor 3D con forma: (samples, new_steps, nb_filter). El valor de los pasos podría haber cambiado debido al relleno. Quiero que mi red acepte una serie temporal de […]
Tengo una matriz de datos en “One-Hot Encoding” (todos unos y ceros) con 260,000 filas y 35 columnas. Estoy usando Keras para entrenar una neural network simple para predecir una variable continua. El código para hacer la red es el siguiente: model = Sequential() model.add(Dense(1024, input_shape=(n_train,))) model.add(Activation(‘relu’)) model.add(Dropout(0.1)) model.add(Dense(512)) model.add(Activation(‘relu’)) model.add(Dropout(0.1)) model.add(Dense(256)) model.add(Activation(‘relu’)) model.add(Dropout(0.1)) model.add(Dense(1)) […]