我可以在同一个脚本中构建三个keras模型吗？
是的，您可以在同一个脚本中构建多个Keras模型。Keras是一个高级神经网络API，它提供了简单易用的接口来构建和训练深度学习模型。以下是一个示例代码，展示了如何在同一个脚本中构建三个Keras模型：
import tensorflow as tf
from tensorflow import keras
# 构建第一个模型
model1 = keras.Sequential([
keras.layers.Dense(64, activation='relu', input_shape=(784,)),
keras.layers.Dense(10, activation='softmax')
])
# 构建第二个模型
model2 = keras.Sequential([
keras.layers.Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(32, 32, 3)),
keras.layers.MaxPooling2D(pool_size=(2, 2)),
keras.layers.Flatten(),
keras.layers.Dense(10, activation='softmax')
])
# 构建第三个模型
model3 = keras.Sequential([
keras.layers.LSTM(64, input_shape=(10, 32)),
keras.layers.Dense(10, activation='softmax')
])
# 编译和训练模型
model1.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model2.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model3.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
# 使用模型进行训练和预测
# ...
在这个示例中，我们使用Keras的Sequential模型来构建三个不同类型的模型：一个全连接神经网络模型（model1），一个卷积神经网络模型（model2），一个循环神经网络模型（model3）。每个模型都有不同的输入层和输出层，并且可以根据具体的任务需求进行自定义。
注意，以上示例仅展示了模型的构建部分，您还需要根据具体的数据和任务来编译和训练这些模型。在编译模型时，您可以选择适当的优化器、损失函数和评估指标。在训练模型时，您可以使用适当的数据集进行迭代训练和验证。
推荐的腾讯云相关产品：腾讯云AI智能机器学习平台（https://cloud.tencent.com/product/tia）提供了丰富的AI模型训练和部署服务，可以帮助您更高效地构建和管理深度学习模型。
相关·内容
我使用Tensorflow 1.14和tf.keras API来构建一个数目(>10)的不同网络神经网络。(我也对使用Tensorflow 2回答这个问题感兴趣)。我在想我该怎么组织我的项目。
我使用tf.keras.estimator.model_to_estimator和Tensorboard将keras模型转换为估值器，以实现可视化。我有时也会使用model.summary()。我的每个模型都有一个(>20)的超参数，并将三种类型的输入数据中的一种作为输入。有时我使用超参数优化，因此在尝试下一组超参数之前，我经常手动删除模型并使用tf.keras.backend.clear_
浏览 1提问于2019-11-03得票数 2
回答已采纳
我需要将Keras模型转换为C++代码。我找到了一些实现来做到这一点：keras2cpp、另一个keras2cpp和果萼。只有第三个模型能够将我的模型转换为cpp代码。但葡萄树不支持GPU。因此，我正在寻找另一个选择来做这件事。我的想法是将Keras模型保存到.pb(protobuf)文件中，然后用Tensorflow C加载该模型。
你觉得这有可能吗？否则，我将不得不手动将Keras模型重写为Tensorflow C API。
还有其他方法来完成这个任务吗？
浏览 0提问于2020-12-23得票数 1
1回答
我试图在TensorFlow 2.0中创建一个自定义神经网络模型。我知道TF2.0社区一再建议，应该尽可能使用Functional中的现有模块来构建自定义模型。
然而，在我的模型中，有一个要求一个隐藏层有不同激活功能的神经元。例如，我想要一个有三个神经元的隐藏层，其中一个是线性的，另外两个是乙状结肠。最后的模型只是重复叠加这一层N次。
在tf.keras.layers模块中没有实现上述功能的适当功能。是否有一种方法可以自己使用类似于: MyDenseLayer(tf.keras.layers.Layer)的类定义来实现这一点？然后，我将很容易通过堆叠这个自定义层来构建完整的模型。
浏览 3提问于2020-01-15得票数 1
回答已采纳
我想在Keras中实现https://arxiv.org/pdf/1503.00075中提出的用于情感分类的依赖树-lstm，但我不理解树结构是如何构建的。本文没有提到树的构建过程。模型本身是否以某种方式学会为每个文本输入数据构建树？在Keras中没有任何树lstm的Keras实现吗？
浏览 19提问于2019-10-06得票数 3
我有3个可以工作的Keras模型，我用两个文件structure.json (保存模型结构)和weight.h5保存它。
我已经构建了一个Flask应用程序来加载这些模型。但是，目前我无法将threading=True添加到run()选项中，如下所示：
api.run(threaded=True)
所以我只能用：
api.run()
在这个烧瓶应用程序中，我有两个不同的api (1 GET和1 POST)。因为它在一个线程上运行，所以工作太慢了。我的系统有超过100个连接秒，每个连接我必须加载另一个模型。
请注意，我的所有keras模型都有相同的结构。我只需要加载一个结构，每当一个新的连接出现
浏览 1提问于2018-03-21得票数 4
回答已采纳
2回答
我已经构建了三个用于图像分类的ML keras模型，并在Flask应用程序中实现了它们的权重，以便对测试精度进行比较分析。它与本地主机中的Flask服务器完美配合。现在我想部署这个Flask应用程序，这样它就可以在任何地方使用新数据进行测试。我是云平台的新手。你能指导我如何部署这个Flask应用程序吗？我已经看了教程，但我没有得到任何相关的模型重量超过700Mb。如果你能帮我在谷歌云中部署它，那就太好了。
浏览 22提问于2020-02-26得票数 0
我刚开始使用keras框架。我读过一些例子，说明如何在keras中用顺序类和图类构造深度学习模型。但是，我看到，独立的，如果我使用顺序或图，假设一个层的每一个隐藏单元都与另一层的所有隐藏单元完全相连，不是吗？
如果我想构建一个深度前馈网络，它没有完全连接，例如第二层的第一个隐藏单元没有连接到第三个layer...etc的第二个单元，即使我想在属于非连续层的隐藏单元之间添加连接(跳过连接)，我如何在keras中实现这一点？
浏览 0提问于2018-01-05得票数 2
1回答
📷
你好，我对机器学习非常陌生，我想用Python在Keras中构建我的第一个自定义层。我想使用103个维度的数据集来完成分类任务。模型的最后一个完全连接层有103个神经元(由图像中的13个点表示)。前一层的五个维度组应连接到输出层的三个神经元，因此将有20种分类。输出层的神经元代表“真”(图像中的“T”)，“淡漠”("?")和"False“(F)。其余三个不需要连接到输出层。
如何构建这一层？我怎样才能确定，有三个神经元的20组中的每一组的概率加起来都是1？例如，我可以将softmax激活函数应用于每个组吗？
编辑-这是我的解决方案：
# define input a
浏览 0提问于2021-09-27得票数 2
回答已采纳
1回答
从Keras2.2.0开始，发布了模型定义的第三个API :模型子类。
根据常见问题：
但是，在子类模型中，模型的拓扑被定义为Python代码(而不是层的静态图)。这意味着不能检查或序列化模型的拓扑结构。因此，以下方法和属性无法用于子类模型：
model.inputs和model.outputs.model.to_yaml()和model.to_json()、model.get_config()和model.save()。
保存经过训练的模型进行推理的唯一选择是使用model.save_weights方法。然而，我还没有幸运地将模型加载回供推断。遇到的错误消息包括：
这个模型从来没有
浏览 1提问于2018-10-15得票数 12
我刚开始使用keras框架。我读过一些例子，说明如何在keras中用顺序类和图类构造深度学习模型。但是，我看到，独立地使用顺序或图，假设一个层的每个节点都与另一个层的所有节点完全连接，不是吗？
我的疑问是，如果我想构建一个没有完全连接的深度前馈网络，例如第二层的第一个节点没有连接到第三个layer...etc的第二个节点，即使我想在非连续层的节点之间添加连接(跳过连接)，我如何在keras中实现这一点呢？
奥斯卡
浏览 1提问于2018-01-05得票数 1
我试图在TensorFlow顺序模型中实现一个CRF层，以解决NER问题。我不知道该怎么做。以前，当我实现CRF时，我使用以tensorflow为后端的keras中的CRF，即我在keras中创建了整个模型，而不是tensorflow，然后通过CRF传递整个模型。啊，真灵。
但是现在我想在Tensorflow中开发模型，因为Tensorflow 2.0.0 beta已经内置了keras，我正在尝试构建一个顺序层，并在双向lstm层之后添加CRF层。虽然我不知道该怎么做。我已经看过tensorflow加载项中的CRF文档，它包含不同的功能，如前向CRF等，但不确定如何将它们作为一个层来实现？我想
浏览 3提问于2019-11-24得票数 5
回答已采纳
1回答
我正在为二进制分类构建一个R包，我使用opencpu来托管它。目前，我已经将h5文件保存为.RData文件(序列化)，然后使用R中的.onLoad()函数将其加载到环境中，这使R脚本能够使用环境变量使用keras::unserialized_model()加载keras模型。
我已经尝试在代码中直接使用keras::load_model_hdf5()，但是在构建并部署到opencpu上之后，当我尝试访问预测API时，会出现错误
ioerror: unable to open file (unable to open file: name = '/home/modelfile_26feb
浏览 1提问于2019-03-13得票数 3
回答已采纳
2回答
我想加载一个我训练过并保存为.pb的keras模型。
这是密码，
我在用笔记本电脑。
成功地将模型保存为同一目录下的saved_model.pb。但是代码无法访问它。
有人能看到吗，我如何访问保存在.pb扩展中的keras模型。
我在其他几个地方查过解决方案，但没有任何结果。
模型保存在model/saved_model.pb.
我取出了.pb文件，并将其放在代码文件所在的同一个目录中。
浏览 5提问于2020-07-29得票数 8
回答已采纳
我在用谷歌Colab。在第一个笔记本中，我使用：model.save('my_model.h5')保存了我的模型。在同一个笔记本里，我可以看到模型是存储的。输入：ls -d $PWD/*输出：/content/my_model.h5
在同一个笔记本中，我可以使用：model = tf.keras.models.load_model('my_model.h5')恢复保存的模型
但是，如果我想在一个新的笔记本中加载相同的型号，我会收到一条错误消息。输入：
from keras.models import load_model
new_model = tf.keras
浏览 3提问于2020-04-04得票数 2
1回答
我如何随机化给定模型的所有权重？
假设我有一个子类Keras模型，或者是通过functional获得的某个模型。
我希望在不创建新对象的情况下随机化该对象的权重。
有办法吗？就像某种model.randomize？
浏览 0提问于2020-01-25得票数 0
回答已采纳
我正在处理一个python项目，在这个项目中，我需要为每个数据集构建多个Keras模型。在这里，当我运行Keras模型时，程序使用10%的GPU(GTX1050ti)。
我的问题是，我是否可以用我的gpu 100%来减少时间？还是有可能在同一个gpu上运行多个程序？
我尝试过在单个gpu上运行多个程序，但它不是并行运行的，例如，当我运行单个python程序时，每个时期花费了5秒，而如果我在每个时期运行2个程序，则时间将增加到10秒，那么运行多个程序的最佳方法是什么。
提前谢谢！！
浏览 0提问于2018-05-22得票数 9
回答已采纳
我使用tensorflow==1.14和tf.enable_eager_execution()构建我的模型，如下所示：
class Model:
def __init__(self):
self.embedding = tf.keras.layers.Embedding(10, 15)
self.dense = tf.keras.layers.Dense(10)
@tf.function
def inference(self, inp):
print('call function: inference')
inp_em = self
浏览 0提问于2019-08-27得票数 4
回答已采纳
1回答
两个池层的对比特性
、、、、
我正在尝试设计一个双向的LSTM模型，我想连接在Max池和平均池层之后的特性。我把这个送给我的模特：
from keras.layers import Dense, Embedding
from keras.layers.recurrent import LSTM
from keras.layers import Bidirectional
from keras.models import Sequential
from keras.layers.core import Dropout
from features import train,embedding_matrix,words
from
浏览 0提问于2018-10-13得票数 1
1回答
我正在尝试让tf.keras模型在TPU上运行，并使用混合精度。我想知道如何使用bfloat16混合精度构建keras模型。是这样的吗？ with tf.contrib.tpu.bfloat16_scope():
inputs = tf.keras.layers.Input(shape=(2,), dtype=tf.bfloat16)
logits = tf.keras.layers.Dense(2)(inputs)
logits = tf.cast(logits, tf.float32)
model = tf.keras.models.Model(inputs=input
浏览 21提问于2019-05-14得票数 13
我有一个python脚本，它使用一个ONNX神经网络，并将它转换成一个keras (.h5)模型，并将其训练并导出回ONNX，作为一个新训练的模型在以后部署。问题是，我需要从python脚本创建一个python .exe文件，因为目标是在C++中部署深度学习模型。目前，Python在修改C+ Plus程序的onnx程序以部署经过培训的模型方面做了大量工作，使用以下命令成功地使用Pyinstaller创建了一个.exe文件：
pyinstaller --onefile Material_Classifier.py
但是，问题是，当我在文件资源管理器中单击.exe文件时，控制台呈现为空约半分钟，然
浏览 5提问于2020-06-28得票数 1
回答已采纳
我目前正在使用tensorflow概率来构建一个MDN来执行回归问题。一切都很好，不过，我想探讨一下模型的一些特性。因为我使用的是高斯混合的模型，所以我应该能够看到每个高斯分量的平均值和std。事实上，我可以从模型中提取权重。似乎每个高斯分量都有三个数字。我想知道哪一个(如果有的话)是高斯混合的平均值和性病。
我使用的模型如下：
def keras_model_2gauss_mdn(n_variables, name='gauss2_mdn'):
event_shape = [1]
num_components = 2
param_size = tfp.
浏览 2提问于2022-07-29得票数 0
回答已采纳
1回答
我想训练一个具有多个输入的Keras模型。我想使用第一个输入来训练模型，但第二个和第三个输入是在训练第一个输入时必须使用的变量。我不能使用tf.Variable来使用第二和第三个输入，这两个输入在训练期间是固定的，因为它显示了错误：You must feed a placeholder。所以，我想用tf.keras来喂养它们。我更改了第二个和第三个输入的形状，使其与第一个相似。然后，我使用以下命令将它们连接起来：
inputs = tf.keras.layers.concatenate([data, masks_rep, ind_rep], axis=2)
然后，为了在模型中检索它们，我写道：
浏览 5提问于2021-05-25得票数 0
2回答
我得到了一个模型的预构建Keras层列表，如下：
def build_model(layers):
我想构建一个Keras函数API模型a：
model = Model(inputs, outputs)
为了达到这个目的，我用了：
inputs = list()
outputs = list()
for layer in layers:
if isinstance(layer, keras.layers.Input):
inputs.append(layer)
else:
outputs.append(layer)
但问题是，预先构建的Keras
浏览 0提问于2020-02-20得票数 1
回答已采纳
我预先训练了一个有两个班的模型(我自己保存的模型)，我想用它来转移学习，训练一个有六个班的模型。我已经将训练前的模型加载到新的培训脚本中：
base_model = tf.keras.models.load_model("base_model_path")
如何删除顶部/头部层( conv1D层)？
我看到在keras中可以使用base_model.pop()，对于tf.keras.applications，我们可以简单地使用include_top=false，但是在使用tf.keras和load_model时有类似的地方吗？
(我尝试过这样的方法：
for layer in
浏览 1提问于2021-12-09得票数 4
回答已采纳
我有一个批处理脚本，它运行四个构建，其中前两个同时运行，第二个同时运行：
编辑:添加了名称，在每个构建定义上都有指示
tfsbuild start /queue [params...] name=outputs200
tfsbuild start [params...] name=outputs400
tfsbuild start /queue [params...] name=outputs200
tfsbuild start [params...] name=outputs3*
编辑:在所有三个构建框中，有4个代理具有名称输出*(通配符将与命名约定相匹配，从而很容易判断代理在哪个构建
浏览 0提问于2014-03-12得票数 0
回答已采纳
1回答
我有一个具有数字特征和标签的数据集。我正在使用TensorFlow (TFF)构建一个联邦学习模型。基本上，我所拥有的模型是(神经网络)，它总是在TFF教程中解释。我想问，是否有机会为本地客户建立另一个模型，例如支持向量机？因为它适合我的数据集。
我的神经网络：
def create_keras_model():
initializer = tf.keras.initializers.Zeros()
return tf.keras.models.Sequential([
tf.keras.layers.Input(shape=(18,)),
tf.keras.l
浏览 5提问于2022-06-06得票数 0
回答已采纳
我运行python脚本来加载keras、tensorflow和keras模型。然后我就可以开始做预测了，但是这需要几秒钟的时间来加载所有的数据。
我可以在python脚本中循环并在批处理中获得良好的性能预测，但我也希望通过PHP的独立预测请求获得良好的性能。
有人成功接近这样吗？
浏览 3提问于2017-05-08得票数 0
回答已采纳
我正在构建一个模型集合，需要在126个不同的模型上进行超参数选择，从线性模型到keras模型，每个模型都需要运行4-18个小时。
我计划在google colab上这样做，因为我没有足够的计算资源。我是否应该开设126个google账户，并使用126个colab CPU/GPU并行训练所有模型。或者，我应该在同一个账户上打开126个colab笔记本，然后在那里运行模型。126台笔记本电脑将共享相同的资源，还是每个笔记本电脑都可以访问不同的CPU。
浏览 3提问于2020-04-14得票数 1
我在TensorFlow 1.14中构建了一个经过训练的模型，该模型使用(现在已被废弃的) 层(在中的TensorFlow 2.0中可用)，并且我正在尝试将旧层的权重移植到一个使用构建的新TensorFlow 2.0模型中，以获得一个等效的模型。
这样做的一个动机是能够在CPU上进行推断( tf.compat.v1.keras.layers.CuDNNGRU层只运行在GPU上)。另一个动机是对模型进行未来验证。
问题
如何将经过训练的tf.contrib.v1.keras.layers.CuDNNGRU层转换为等效的tf.keras.layers.GRU层？
浏览 4提问于2019-11-11得票数 2
回答已采纳
考虑以下使用tf.keras API构建的模型，在该模型中，我在乙状结肠层之前的倒数第二个层使用kernel_regularizer=tf.keras.regularizers.l2(l2)进行二进制分类。
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(input_shape=(224, 224, 3), filters=32, kernel_size=(3, 3), strides=(1, 1), padding='same', activation='relu'),
t
浏览 0提问于2019-05-11得票数 0
回答已采纳
1回答
我有模型要做的角角。一个模型的输出必须作为对其他模型的输入。
Input ->说，一批64×64的图像首先输出->三个输出，将该批的部分输入图像拆分为32×32、64×32和64×16。
每个不同大小的图像将被输入到三个不同的模型，这将进一步分割他们。这将以递归的方式继续六次。
为了更好的理解，请看图：
每个阶段有6个阶段，从父模型中有三个选择。通过这种方式形成了模型的三叉树结构，每个模型都有自己的损失和优化器。
如何在培训过程中实施这一模式？我们应该使用递归吗？在模型训练中，是否允许递归以这种方式在keras中进行？
浏览 5提问于2021-06-23得票数 0
回答已采纳
有没有办法在没有tf.keras模块帮助的情况下使用Tensorflow来构建对象检测模型？
从Tensorflow文档中，我找不到任何可以在没有Keras的情况下创建模型的示例。
浏览 8提问于2020-05-12得票数 0
回答已采纳
1回答
模型摘要为空
、、、、
我正在尝试使用keras函数API构建一个神经网络，并使用keras调谐器来训练网络。该模型由一些嵌入层和一些密集层组成：
import pandas as pd
import numpy as np
from keras.models import Sequential
from keras.layers import Input, Embedding, Dense, Flatten
from tensorflow import keras
from sklearn.preprocessing import LabelEncoder
from tensorflow.keras.utils i
浏览 8提问于2021-06-07得票数 0
我已经在Python上安装和更新了keras v.2.2.0。但是，当我试图使用Rstudio的keras包构建DNN模型时，它会给我以下警告。
library(keras)
model <- keras_model_sequential()
Keras loaded from keras Python module v1.2.2, however version 2.0.0 is required.
Please update the keras Python package.
正如我所指定的，我已经在Python上安装了keras v.2.2.0，但是仍然收到了这个警告。
知道怎
浏览 0提问于2018-06-13得票数 0
回答已采纳
1回答
我在Python中使用Keras训练了一个模型，我想在Java程序中使用这个经过训练的模型。我最初打算在Java中直接使用Keras模型，但似乎Keras 2.0还没有得到很好的支持。因此，我将我的Keras模型(存储在.h5中)转换为tensorflow模型(存储在.pb中)。现在，我想在我的Java代码中使用这个模型。但是，我需要三个字符串才能成功地做到这一点：
“标识要加载的特定图解的标签”
将数据输入网络的操作
获取网络结果的操作
我几乎不知道如何找到这些字符串。此时，我无法修改我的模型，特别是因为Tensorflow 2.0删除了get_session()，这意味
浏览 4提问于2019-12-10得票数 5
回答已采纳
Keras的TensorFlow后端依赖于急切的执行吗？
如果不是这样的话，我可以基于Keras和TensorFlow操作构建一个TensorFlow图，然后使用Keras高级API来训练整个模型吗？
浏览 1提问于2018-04-22得票数 9
回答已采纳
1回答
我正在使用Tensorflow对一些CNN网络进行专有数据培训。我们有大量的数据，而且这些模型似乎能够学习大量关于数据分类的信息(到目前为止都是二进制分类)。
有时，列车/测试精度曲线可以非常好，在某些情况下达到95%以上。然而，损失函数在规模上是可疑的。从视觉上看，它们看上去还不错，而且我对某些东西的期望也很好，但这并不是正确的数量级。
有人能告诉我，在TF/Keras中，这种缩放通常是如何进行的吗？我对这些模型很有信心，因为它们已经在其他数据集上进行了测试，并且很好地推广了，但是螺旋损失函数并不是很好的报告。
学习率约为0.0001。L1和L2使用相同的lambda值，在向模型提供0.01
浏览 1提问于2021-05-14得票数 0
给定一个Keras顺序模型(特别是2层LSTM)：我们如何在tf会话中运行它？
我必须在单个脚本中多次训练模型，并且很快就会耗尽内存。在tf会话中运行它是正确的解决方案吗？如果不是，那是什么？
浏览 0提问于2018-04-15得票数 2
我希望使用Google Cloud ML来托管我的Keras模型，这样我就可以调用API并做出一些预测。我遇到了一些来自Keras方面的问题。
到目前为止，我已经能够使用TensorFlow构建模型并将其部署到CloudML上。为了让它工作，我必须对我的基本TF代码做一些修改。这些更改记录在这里：
我也可以使用Keras训练一个类似的模型。我甚至可以将模型保存为与TF相同的导出和export.meta格式。
from keras import backend as K
saver = tf.train.Saver()
session = K.get_session()
saver.save(
浏览 0提问于2017-01-31得票数 11
1回答
我的情况与类似，但有点不同
我正在tf.keras中创建一个对象检测模型(基于tf.keras)(是的，我知道)，它的原始输出需要后处理到边框中。
这涉及到一些参数，这些参数对于模型的目的是恒定的，但是对于构建模型的脚本来说，参数是:例如，类的数量，以及相对于生成框的“锚”位置矩阵。
我的模型将被加载到一个TFServing容器中，因此我试图确保：
转换被封装在模型中，而不是让用户进行转换或分离后处理逻辑。
保存的模型工件(例如Keras h5或TF pb+params)足以加载和服务模型。
怎么做才是对的？
据我所知，以下不工作：
import numpy as np
imp
浏览 2提问于2020-04-24得票数 3
1回答
我正在使用python中的sklearn来构建/训练一些模型(随机森林回归器、Kmeans、SVM、.)，我想在webapp Javascript/html中使用这些经过训练的模型。是否有办法这样做？
我已经看到tensorflow.js允许用keras模型来做这样的事情。但在我看来，python中的TF/keras仅限于神经网络。
我也见过sklearn porter，但它似乎仅限于一些特定的模型(主要是分类)。如果有人能用它，他能告诉我更多吗？
提前感谢您的帮助
浏览 6提问于2020-08-13得票数 1
我试图建立一个基于张量流和Keras的股票价格预测的LSTM模型。所以我试着在我的木星笔记本上安装张量流和角。我使用的是2020 MacBook Air M1。
首先，我尝试通过终端通过下面的代码安装它
conda create -n tf tensorflow
上述代码工作正常，安装成功。但是当我试图在我的木星笔记本中输入张量流时，我无法做到这一点。
然后，我试图安装张量流和角直接进入木星笔记本通过以下代码。
pip install tensorflow
pip install keras
安装是成功的。我试着用它们导入库。
from tensorflow.keras.models impo
浏览 1提问于2022-08-06得票数 1
1回答
如何计算LSTM角的预测误差
、、、、
我有一个LSTM，我使用python构建并在keras中运行它。我用这个模型来预测未来的n点对一个时间序列的预测问题。
当我使用像ARIMA这样的方法来进行预测时，我能够为我的预测生成预测误差，因为模型是适合的，例如使用AIC最小化MLE。
是否有一种目前在keras中支持的方法可以为我的回归预测生成预测错误？如果没有，我有办法自己计算吗？
浏览 0提问于2018-12-16得票数 1
回答已采纳
我有一个小问题，我有3个相同的数据集，但其中一个已经被过滤，假设异常值比例为10%，然后是15%，然后是20%。我需要比较每一个的均方误差。我正在考虑在相同的脚本中构建相同的keras模型3次，并分别运行每个模型。我之所以这样做，是因为我想在最后生成一个图形，其中x轴上有纪元数，y轴上有每个数据集的MSE值，所有这些都在同一个图形中。这有可能吗？
谢谢
浏览 9提问于2020-03-05得票数 0
stage(code_scan, ut & build) {
parallel static_code_scan: {
}, unit_test: {
}, build: {
}
}
我有一个拉请求管道，它的构建阶段运行一个shell脚本，启动静态代码扫描，然后是单元测试，最后是构建阶段。我使用3个case语句来拆分脚本，每个语句都由我正在编写的3个并行作业调用。这个作业运行在两个构建节点上，我相信我的并行脚本设置不能同时处理两个以上的并行作业，问题是使用索引包。
是否应该有一个单独的静态代码扫描阶段，只需5分钟，单元和构建阶段则需要更
浏览 2提问于2021-02-22得票数 0
2回答
和Keras
、、、、
我一直在寻找什么是Tensorflow和Keras。他们说Tensorflow运行在KERAS之上，这意味着Tensorflow是Keras的“后端”。(虽然你可以使用其他如Theano和CNTK)
这里的“后端”术语是否意味着它在一个深度学习模型背后做了整个数学过程的事情？我的意思是，Tensorflow是一个做复杂事情的人，比如处理矩阵(张量)，做所有的数学工作？
另一方面，KERAS是我们创建模型所需要的人，对吗？一旦模型被创建，它的“后端”就是Tensorflow，对吗？因为模型要像IT一样工作(就像过程矩阵和做所有的数学工作一样)，它需要一个“后端”，即Tensorflow。
这就是
浏览 3提问于2020-06-02得票数 0
回答已采纳
对于我最近的工作，我必须在给定的非线性问题上尝试不同的ML模型。我使用TensorFlow和Keras构建了逻辑回归和神经网络的工作版本。现在我必须为同样的问题构建一个SVM分类器。由于我在TensorFlow中找不到可用的支持向量机估计器，我正在考虑使用scikit learn来代替。在我的前两个模型中，我使用tf.feature_column对数据进行预处理(bucketized_column、embedding_column、crossed_column等)。由于这个预处理有点复杂，而且运行得很好，所以我想知道是否可以将TensorFlow预处理与scikit learn结合使用。 这
浏览 31提问于2020-07-21得票数 0
回答已采纳
1回答
两种变长时间序列的二进制分类比较
、、、、
是否有一个机器学习模型(类似于LSTM或1D-CNN)，以两个可变长度的时间序列作为输入，并输出二进制分类(对/假，时间序列是否具有相同的标签)？
因此，数据如下所示
date value label
2020-01-01 2 0 # first input time series
2020-01-02 1 0 # first input time series
2020-01-03 1 0 # first input time series
2020-01-01 3 1 # second input tim
浏览 0提问于2020-04-21得票数 2
我有两个多类分类模型来进行预测(准确地说，类数是三个)。一个是Keras神经网络，另一个是Scikit学习库中的梯度增强分类器。
我注意到，在相同的数据上训练后，GBC具有较高的精度评分，而Keras模型具有较高的F1评分。我应该使用哪种模型来预测未来的数据？哪个指标更重要？
浏览 0提问于2019-12-23得票数 7
回答已采纳
1回答
我正在使用keras来构建一个用于信号分类的cnn模型。在keras中，超参数调整和选择步幅数和数字过滤器的最佳方式是什么？
浏览 1提问于2017-09-06得票数 0
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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
