我想训练一个具有自定义激活层的keras模型。自定义激活层具有一个固定的不可压缩参数。
我想改变/设置这个不可训练的参数在模型中的所有自定义激活层在训练后的几个时期。如何使用keras回调来实现这一点？
浏览 0提问于2020-12-02得票数 3
回答已采纳
1回答
我想保存一个具有自定义激活函数的Keras模型。只保存权重不是一个选项，因为要保存优化器状态。如果我使用了一个内置的激活函数，比如relu，那么save就能正常工作。但是如果我使用一个自定义激活函数，我会得到一个错误；我认为这是因为激活函数本身不能被存储。我的自定义激活函数是： return
浏览 32提问于2019-07-22得票数 0
2回答
我有一个简单的Keras网络，它使用定义为lambda的自定义激活函数：lrelu = lambda x:它编译、训练、测试都很好(省略了代码)，我可以使用model.save( 'model.h5' )保存它。但是，当我试图使用loaded = tf.keras.models.load_model( 'mode
浏览 4提问于2020-08-05得票数 2
回答已采纳
我训练了一个使用CuDNNLSTM单元的keras模型，现在我希望将该模型加载到缺少GPU的主机设备上。有什么后门可以让我在没有GPU的主机上加载模型吗？任何建议都会很有帮助的！
浏览 0提问于2018-10-19得票数 2
回答已采纳
我看到和都只计算ReLU函数(没有其他完全连接的层或其他东西，如描述的)，那么它们之间有什么区别呢？其中一个只是包裹另一个吗？
浏览 4提问于2019-02-19得票数 5
我正在用一个自定义激活函数建立一个由Keras的tf后端和一些tf的张量运算符本身编写的新类的keras序列模型。我将自定义激活函数放在./keras/advanced_activation.py中。 else:
浏览 0提问于2019-06-16得票数 2
1回答
TensorFlow版本: tf 1.13.1Python版本: 3.7
x = keras.activations.relu(x)
ff_layer2 = keras.layers.
浏览 0提问于2019-05-27得票数 0
回答已采纳
2回答
在Keras中加载自定义正则化器
、、、、
我想使用load_model('path/to/model.h5')加载一个经过训练的模型。model.add(Dense(10, activation='softmax', W_regularizer=my_reg))
，它包含一个自定义的正则化然后，当我想使用load_model('path/to/model.h5')
浏览 7提问于2019-07-22得票数 1
1回答
我一直在尝试将平方非线性激活函数实现为keras模型的自定义激活函数。它是这个列表上的第10个函数。我尝试使用keras后端，但我没有使用所需的多个if else语句，因此我还尝试使用以下语句：def square_nonlin(x):Using a `tf.Tensor` as
浏览 16提问于2019-07-14得票数 0
回答已采纳
1回答
使用自定义激活函数创建模型时出错
、、、、
我正在尝试实现一个基于Tanh激活的自定义激活函数(pentanh)。但是，当我将这个函数添加到我的模型中时，它会引发一个ValueError。自定义激活函数： import tensorflow.keras.backend as K
def compute_output_shape(self
浏览 32提问于2021-06-18得票数 0
回答已采纳
如何在最新版本的keras中使用leaky？函数relu()接受一个可选参数'alpha'，该参数负责负斜率，但在构造层时，我不知道如何传递参数。Activation(relu(alpha=0.1))TypeError: relu() missing 1 required positional argument: 'x'
如何使用泄漏的ReLU或任何其他带有参数的激活函数？
浏览 12提问于2017-06-02得票数 14
回答已采纳
我想将我的Python 模型y (target/response/etc)传递给自定义激活。我的自定义激活函数将适配范围限制在下的和上的中，它是： Custom activation，同时启动一个下面的
model.add(keras.layers.Dense(1, activation=lambda x: activati
浏览 4提问于2022-11-16得票数 0
我正在使用转移学习和keras.applications.InceptionV3。我成功地训练了这个模型。然而，当我想要生成“激活最大化”映像(例如，最大限度地激活自定义类的输入映像，参考 )时，我很难使用预先训练过的模型，因为我确实能够在“适合”模式下使用它，并且禁用所有的辍学等等。我所做的是将tf.keras.Sequential中的预训练模型组合起来，对第一层(输入图像)的权重进行梯度下降。然
浏览 2提问于2019-11-22得票数 0
我有一个使用Swish (SiLU)激活的预训练模型：我想用LeakyReLU替换所有的it激活。对于像ReLU或Sigmoid这样的基本功能，它可以很容易地替换为：
from tensorflow.python.keras.la
浏览 16提问于2021-02-26得票数 0
回答已采纳
2回答
我试图在我的模型中添加一个神经元层，它的激活函数为，其激活函数为max_value =1。当我尝试这样做的时候：它给了我以下错误是否有方法正确地自定义这些激活函数？
浏览 7提问于2021-05-30得票数 0
回答已采纳
我在Databricks环境中使用了一个自定义的keras模型。对于自定义keras模型，model.save(model.h5)不起作用，因为自定义模型不可序列化。相反，建议使用model.save_weights(path)作为替代。 model.save_weights(pathDirectory)起作用了。model = Model() model.load_weights(path) 但是我想用我刚刚<em
浏览 97提问于2021-04-14得票数 0
我做了自定义激活函数。当我从sigmoid创建自定义激活函数时，我想知道什么，我应该在哪里定义我的自定义激活函数的导数？ 我试过阅读有关自动微分的内容。但我不确定keras会自动派生我的自定义sigmoid吗？keras/activation.py中的自定义激活函数 def tempsigmoid(x, temp=1.0):
return K.sigmoid(x/temp
浏览 24提问于2019-04-24得票数 0
回答已采纳
3回答
我已经编译并训练了一个带有自定义优化器的keras模型。我保存了模型，但当我试图加载模型时，它抛出了一个错误，声明为ValueError: Unknown optimizer: MyOptimizer。我尝试将MyOptimizer作为自定义对象传递，例如：models.load_model('myModel.h5', custom_objects={'optimizer':MyOptimizer})如何使用<e
浏览 4提问于2019-02-23得票数 12
我读了的论文，在这篇论文的第4.7部分中提到，不需要任何激活就可以实现最佳结果。现在我想使用keras工具箱在视频上使用这个网络，但是keras中的模型使用了'ReLU‘激活函数。keras中的模型是返回最好的模型，还是省略relu层更好？
浏览 11提问于2017-12-31得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
