我在Keras中训练了一个神经网络,并将其保存为HDF5文件(*.h5)。其目的是对数据进行分类,并直接在树莓派零上区分几个类别,这是通过使用GrovePi屏蔽的格罗夫传感器获得数据。我想使用经过训练的Keras模型对Raspberry Pi实时执行分类任务。但是,不可能在Raspberry Pi Zero上安装Tensorflow,这是使用内置Keras函数加载
我有几个模型将输入(字嵌入)分类为几个类。我的问题是,我需要分别训练这些模型,并需要将这些模型的输出合并在一起才能得到标签。为了简单起见,假设只有两种模型:Model 2: predicts D or E
然后,我需要对输入X进行分类,以便得到A、B、C、D和E上的联合概率我在Keras/Python中尝试了这段代码,在该代码<em
假设我试图在像这一个,这样的数据集中对假新闻进行分类,其中有显示文章文本的列,也有有助于分类的文章标记。我可以将文章文本矢量化,并使用LSTM来训练一个假新闻预测器,这将需要这样的输入层。import tensorflow from tensorflow.keras import Inputmodel = Sequential()
m