是不是因为我的优化器，我的Keras神经网络精度总是卡在~0.55的值附近？
可能是因为以下几个原因导致Keras神经网络精度无法提高到更高的值：
- 数据集问题：首先要检查数据集是否具有足够的多样性和数量。如果数据集过小或者不平衡，可能会导致模型无法学习到足够的特征。建议尝试增加训练数据集的大小或者进行数据增强操作，以提高模型的泛化能力。
- 模型结构问题：神经网络的结构可能不够复杂或者不适合解决当前的问题。可以尝试增加网络的层数、神经元的数量或者尝试不同的激活函数、优化器等。另外，也可以考虑使用更先进的网络结构，如卷积神经网络（CNN）或循环神经网络（RNN）等。
- 超参数调整问题：优化器的选择和超参数的设置对模型的性能有很大影响。可以尝试使用不同的优化器（如Adam、SGD等）以及调整学习率、批量大小、正则化参数等超参数。可以通过交叉验证或者网格搜索等方法来找到最佳的超参数组合。
- 过拟合问题：如果模型在训练集上表现良好但在测试集上表现较差，可能存在过拟合问题。可以尝试添加正则化技术，如L1/L2正则化、dropout等，以减少模型的过拟合程度。
- 训练过程问题：训练过程中可能存在问题，如学习率衰减不合适、训练时间过短等。可以尝试调整学习率的衰减策略、增加训练的迭代次数或者使用早停法等。
总之，提高神经网络的精度需要综合考虑数据集、模型结构、超参数调整和训练过程等多个方面。根据具体情况进行调整和优化，以提高模型的性能。
腾讯云相关产品和产品介绍链接地址：
- 数据集存储：腾讯云对象存储（COS）（链接：https://cloud.tencent.com/product/cos）
- 模型训练与推理：腾讯云AI引擎（链接：https://cloud.tencent.com/product/tai）
- 超参数调优：腾讯云机器学习平台（链接：https://cloud.tencent.com/product/tensorflow）
- 训练加速：腾讯云GPU服务器（链接：https://cloud.tencent.com/product/cvm/gpu）
- 模型部署与管理：腾讯云容器服务（链接：https://cloud.tencent.com/product/tke）
相关·内容
1回答
我在学习NN和Keras。我的测试数据如下所示：
Result, HomeWinPossibility, DrawPossibility, AwayWinPossibility
[['AwayWin' 0.41 0.28 0.31]
['HomeWin' 0.55 0.25 0.2]
['AwayWin' 0.17 0.21 0.62]
.....
这是我的模型：
model = Sequential()
model.add(Dense(16, input_shape=(3,)))
model.add(Activation('sig
浏览 0提问于2018-06-30得票数 8
3回答
Keras输入/输出
、、、
如果有人能帮我的话，我在坦索弗洛( Tensorflow / keras )的挑战中挣扎着。
我用input_dim=3在Keras上建立了一个神经网络，然后输出了10个神经元。
输入是一个带有浮点数的3D向量，输出应该是一个简单的浮点值.
我的问题是，我不知道如何格式化浮点数(>1，从0到1?等)哪个丢失函数可以用于此任务(我猜不是二进制函数)。我想让神经网络从三维向量中计算出一个简单的浮点值。但它永远不会成功，因为我的输出总是一样的。
如果我忘了什么东西，请告诉我，如果你对它有一些想法，那就太好了！
问候
编辑:我意识到我需要对机器学习的整个主题做一个介绍，我现在正在做。同时，我想知
浏览 0提问于2016-10-17得票数 1
我正在尝试在keras中模仿pytorch神经网络。 我确信我的keras版本的神经网络与pytorch中的非常接近，但在训练过程中，我看到pytorch网络的损失值比keras网络的损失值要低得多。我想知道这是不是因为我没有正确复制keras中的pytorch网络，或者两个框架中的损失计算是不同的。 Pytorch损失定义： loss_function = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=args.lr, momentum=0.9, weight_decay=5e-4) Keras损失定义：
浏览 555提问于2020-04-26得票数 3
回答已采纳
所以我想通过keras预测一个产品在亚马逊上的星级数，我见过其他的方法，但我使用了通用的句子编码器和one-hot编码(我遵循了Youtube的教程来嵌入评论)。现在不使用LSTM层，而是使用以下层：
`model.add(keras.layers.Dense(units=256,input_shape=(X_train.shape[1], ),activation='relu'))
model.add(keras.layers.Dropout(rate=0.5))
model.add(keras.layers.Dense(units=128,activation='r
浏览 0提问于2020-07-23得票数 0
1回答
以下是keras指标函数的定义：
def binary_accuracy(y_true, y_pred):
return K.mean(K.equal(y_true, K.round(y_pred)), axis=-1)
def categorical_accuracy(y_true, y_pred):
return K.cast(
K.equal(K.argmax(y_true, axis=-1), K.argmax(y_pred, axis=-1)), K.floatx())
例如，如果我有2个神经元的NN输出层，可以是: 0，1或1，0，并使用metrics=bi
浏览 0提问于2017-04-21得票数 0
2回答
假设我有一些输入输出，如下所示：
input1 : [0 1 1 1 0 ... 1]
output1 : [1 2 2 3 ... 3 3 1 2 2]
...
输入总是0或1，输出总是1或2或3。
如何在keras中创建一个能够适应这些输入输出的神经网络？
checkpoint_path = 'p-multilable.h5'
checkpoint = keras.callbacks.ModelCheckpoint(filepath=checkpoint_path, mode='max', monitor='acc', verbose=0
浏览 1提问于2020-07-05得票数 1
我制作了两种不同的卷积神经网络来进行多类分类。我在keras中使用evaluate_generator函数测试了这两个网络的性能。这两种模型都给了我相当的准确性。一个给我55.9%，另一个给我54.8%。然而，给我55.9%的模型给出的验证损失为5.37，其他1.24。
当精度相近时，这些测试损失怎么会如此不同呢？如果有的话，我预计损失的55.9%的模型，准确性会较低，但它不是。
是不是损失了网络所犯错误的总和？
我会很感激你的见解。
浏览 2提问于2020-08-11得票数 2
回答已采纳
4回答
我正在运行以下代码。我想计算我的人工神经网络对测试数据的准确性。我使用的是windows平台，python 3.5
import numpy
import pandas as pd
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasRegressor
from sklearn.model_selection import cross_val_score
from sklearn.model_selection impor
浏览 4提问于2018-03-21得票数 0
我是tensorflow和建立神经网络的新手。
我正在尝试用tf.keras api建立一个神经网络，它只需要一个输入，并给出3个输出。这是我的代码：
import os
import tensorflow as tf
from tensorflow import keras
import numpy as np
train_times = np.array([[1],[2],[3],[4],[5],[6],[7],[8]])
train_sensors = np.array([[0.1,0.15,0.2],[0.25,0.3,0.35],[0.4,0.45,0.5],[0.55,0.6,0
浏览 0提问于2018-09-28得票数 0
回答已采纳
1回答
如何在Keras中限制权重的格式
、、、、
在Keras (tensorflow后端)中，神经网络的权重和偏差默认为float32。有没有办法改变这种情况，并提供一种不同的格式？
提前谢谢。
浏览 1提问于2018-07-23得票数 0
回答已采纳
1回答
我有一堆小的神经网络(比如，5到50个前馈神经网络，每个网络只有两个隐层，每个层有10-100个神经元)，它们只是在权值初始化上有所不同。我想用相同的小数据集(例如10K行)对它们进行训练，批量大小为1，目的是通过对结果进行平均处理，将它们组合成一个集合。
现在，我当然可以在TensorFlow/Keras中将整个集成构建为一个神经网络，如下所示：
def bagging_ensemble(inputs: int, width: int, weak_learners: int):
r'''Return a generic dense network model
浏览 0提问于2019-08-30得票数 3
1回答
我是神经网络的新手。我正在凯拉斯做我的大学神经网络项目。我使用SGD优化器组装并训练了单层顺序模型：
[...]
nn_model = Sequential()
nn_model.add(Dense(32, input_dim=X_train.shape[1], activation='tanh'))
nn_model.add(Dense(1, activation='tanh'))
sgd = keras.optimizers.SGD(lr=0.001, momentum=0.25)
nn_model.compile(loss='mean_square
浏览 0提问于2018-06-16得票数 0
回答已采纳
当我使用传统的BP神经网络进行深度学习时，我总是得到误差曲线的平坦曲线。我使用的是Keras序列模型和Adam optimiser。神经网络在训练和测试中提供了80%的总体准确率。谁能解释为什么误差曲线是平坦的(见附图)？另外，有什么方法可以提高我的成绩吗？
def build_model():
model = keras.Sequential()
model.add(layers.Dense(128, activation=tf.nn.relu, input_shape=len(normed_train_data.keys())]))
model.add(layers.Dense
浏览 0提问于2019-02-27得票数 0
1回答
我有一个关于Keras和深度神经网络的问题。我不知道这是否可能。 结构：“神经网络1”获取输入"Input1“，并计算输出”输出1“。“神经网络2”的输入是“输出1”和“输入1”。 你能告诉我这是不是可能的，以及我如何用Kers构建这样的神经网络？谢谢
浏览 54提问于2019-01-12得票数 0
我正在使用神经网络来预测给定输入位置坐标的Fe等级。总数据分为训练数据= 3495点和测试数据= 617个数据点。
ann = tf.keras.models.Sequential()
ann.add(tf.keras.layers.Dense(units =25, activation = 'gelu'))
ann.add(tf.keras.layers.Dense(units =15, activation = 'gelu'))
ann.add(tf.keras.layers.Dense(units =10, activation = 'g
浏览 0提问于2021-03-11得票数 0
与keras (h5)模型相比，Tensorflow的预测速度非常慢。这种行为在Colab和Windows 10系统上是相似的。我将标准的VGG16模型转换为有优化也有无优化(converter.optimizations = tf.lite.Optimize.DEFAULT)
以下是我得到的结果：
Keras模型(540 model )预测时间: 0.14秒
tflite无优化(540 0.5 )预测时间:0.5秒
具有优化(135 39 )预测时间的tflite :39秒
我是不是漏掉了什么？tflite不是应该优化速度吗？在Raspberry Pi或其他“打火机”设备
浏览 0提问于2021-04-01得票数 0
下面是输入到神经网络的数据值的图像：
正如你所看到的，这是dl问题，我尝试使用它进行分类，我创建了两个隐藏层，每个层中有2个神经元。
import keras
# initialsing the ann
from keras.models import Sequential
# to add different layers to ANN
from keras.layers import Dense
classifier=Sequential()
classifier.a
浏览 3提问于2022-06-05得票数 -2
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
2回答
我正在研究一个神经网络int，它可以预测游戏中给定数据的胜率、平局率、输球率。我提供的标签总是{1，0，0}，{0，1，0}或{0，0，1}。在一些历法之后，我的准确度没有进一步提高，但在许多时期(也是在验证集上，虽然速度很慢)，损失仍在减少。我在最后一层使用一个softmax激活和Keras提供的分类交叉熵损失函数。我想知道，在这种情况下，较低的损失是否总是对应于更好的概率(因为我显然不希望网络只输出像概率1或0这样的值)，或者换句话说，这个净额输出“真”概率吗?如果是的话，它为什么要这样做？
浏览 0提问于2020-07-02得票数 1
回答已采纳
3回答
基于Keras的简单线性回归
、、、、
我一直试图在Keras中使用神经网络实现一个简单的线性回归模型，希望了解我们如何在Keras库中工作。不幸的是，我最终得到了一个非常糟糕的模型。以下是实现：
from pylab import *
from keras.models import Sequential
from keras.layers import Dense
#Generate dummy data
data = data = linspace(1,2,100).reshape(-1,1)
y = data*5
#Define the model
def baseline_model():
model = Seq
浏览 0提问于2018-07-04得票数 5
回答已采纳
1回答
Keras低精度分类任务
、、、、
我在玩Keras和一个虚拟数据集。我想看看一个神经网络和一个有RBF核的标准支持向量机相比会有多好。任务很简单:为集合{0,1,2}中的20 dim向量预测类.
我注意到神经网络做得很可怕。支持向量机的正确率约为90%，而神经网络的正确率为40%左右。我的代码做错了什么？这很可能是我的一个错误，但经过几个小时的尝试各种参数的神经网络，我放弃了。
码
from sklearn.datasets import make_multilabel_classification
from sklearn.svm import SVC
from keras.models import Sequential
浏览 4提问于2016-07-28得票数 3
回答已采纳
腾讯会议的录屏在腾讯云查看的时候，倍速一直卡在0.55x，其他倍速不可切换。腾讯会议的录屏在腾讯云查看的时候，倍速一直卡在0.55x，其他倍速不可切换。可以点击其他倍速，但是立刻会跳回0.55x。请尽快修复，我工作需要。是系统bug吗？
浏览 224提问于2022-07-06
1回答
我对keras包很感兴趣，它允许在R内部运行著名的深度学习库，运行keras (以及张量流和theano)而不离开R的好处是显而易见的。
我不确定的是，是否有可能与python工作流中的同事共享中间结果--即经过训练的神经网络。
浏览 3提问于2017-10-20得票数 1
回答已采纳
2回答
我已经使用Keras (2.1.5)中的TensorFlow后端训练了一个神经网络，我还使用了keras-contrib (2.0.8)库，以便为网络添加一个CRF层作为输出。
我想知道在使用神经网络对测试集进行预测后，如何获得每个类别的精度、召回率和f1分数。
浏览 1提问于2018-04-27得票数 7
回答已采纳
我正尝试在colab.research页面中运行我的神经网络，但在这一行仍然收到错误AttributeError: module 'tensorflow' has no attribute 'optimizers'：
opt = tensorflow.optimizers.RMSprop(learning_rate=0.00001, decay=1e-6)
我从代码中导入的部分：
import tensorflow
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from t
浏览 59提问于2019-11-13得票数 7
回答已采纳
1回答
我目前正在研究数据科学，ML，特别是神经网络(来自“纯”软件工程背景/学位)。我在一些经典数据集上做了一些模型，比如MNIST和MNIST时尚，这些模型工作得很好，并且想把一个更困难的问题作为一个挑战来解决:体育/足球预测。我发现了一些论文，其中已经尝试了使用深度神经网络，其结果达到了0.65到0.7的准确度。这也是我想达到的水平。然而，我不能得到我的模型以上约0.507的准确性。我所做的是：
我有世界各地联赛(英超、德甲等)数千家俱乐部的数据集。从过去的10个季节。作为输入数据，我使用以下内容：
比赛的平日
季节(年份)
第二轮
联盟id (一个热编码)
夜间比赛(是/否)
场地id (一个
浏览 0提问于2022-08-15得票数 0
2回答
我对神经网络中损失和准确性度量的共存感到有点困惑。两者都是为了使y和\hat{y}的比较“准确”，不是吗？那么，这两个冗余不是在训练时代的应用吗？而且，它们为什么没有关联呢？
浏览 0提问于2016-08-25得票数 12
我有很大的标签数据集。每行包含863标记化的单词。我正在尝试验证哪种类型的NN最适合分析这样的数据集。我准备了3个模型：
CNN：
model = tf.keras.Sequential([
tf.keras.layers.Embedding(len(tokenizer.word_index) + 1, 32, input_length=863),
tf.keras.layers.Conv1D(32, 5, activation='relu',kernel_regularizer=l2(0.01), bias_regularizer=l2(0.0
浏览 1提问于2020-04-29得票数 0
1回答
我正在使用keras训练一个深度神经网络。其中一个分数被称为val_acc。我得到了70%的val_acc。我如何知道这是好是坏？神经网络是一个二进制分类器，所以我试图预测一个1或0。数据本身大约是65%0和35%1。我的70% val_acc好吗？
浏览 6提问于2017-02-05得票数 2
我用Python语言用TensorFlow 2做了我自己的第一个神经网络。我的想法是构建一个神经网络，它能够找到将二进制数(8位)转换为十进制数的解决方案。经过几次尝试后:是的，它的工作非常精确！
但我不明白的是:准确率非常低。
第二件事是:模型必须训练超过200.000个值！有256个可能的答案。我的代码/模型中的故障在哪里？
#dataset
def dataset(length, num):
global testdata, solution
testdata = np.random.randint(2, size=(num, length))
solution = testda
浏览 0提问于2019-11-07得票数 2
1回答
多标号不平衡数据集分类
、、、、
我目前正在开发一个非常不平衡的多标签时尚产品数据集--我试着使用class_weights来解决它，但是每一个时代的精确度都是0.7556。有没有办法，我可以避免这个问题。我是否以错误的方式实现了类的权重？我也试过使用数据增强。
我在火车上有224个独特的课程。其中有些人只有一个非常令人沮丧的例子
在这个的帮助下，我也试图解决这个问题，但是我无法得到同样的精确分数。看起来，在这个笔记本中，不考虑数据集中不平衡的可能性。
def calculating_class_weights(classes,df):
number_dim = np.shape(classes)[0]
weights
浏览 2提问于2022-01-02得票数 4
回答已采纳
我正在使用中的TensorFlow (带有19.01Nvidia TensorFlow Docker映像)执行TensorFlow。我有一个Nvidia 2070显卡，当我尝试运行一个更新版本的TensorFlow对接映像时，我已经摆脱了内存错误(例如19.08)。因此，我决定，也许是时候考虑使用16位精度而不是32位来存储VGG19 CNN的参数。
当我建造我的机器时，我的初步研究让我相信，从32切换到16是一件轻而易举的事情，但这不是我的经验，因为我正在积极地尝试着实现这一转变。
这就是我所做的：
我设置了tf.keras.backend.set_floatx('float16
浏览 0提问于2019-09-12得票数 0
1回答
我对使用正规化的地方感到困惑。在理论上，我看到正则化已经与损失函数相结合。
但是在Keras的时间实现中，我看到正则化已经被用于神经网络层。
from keras import regularizers
model.add(Dense(64, input_dim=64, kernel_regularizer=regularizers.l2(0.01)
model.add(Dense(28, input_dim=64, kernel_regularizer=regularizers.l1(0.05)
在这里，我在不同的层中使用了L1和L2丢失。那么如何计算最终的损失函数呢？
浏览 4提问于2022-06-02得票数 0
我已经在谷歌Colab上为cifar10数据集建立了一个残差神经网络模型，但它在TPU硬件上运行非常慢。 我有另一个常规的卷积神经网络，它在google colab上运行良好。此模型使用keras Sequential API，而残差神经网络使用Functional API，不确定这是否是问题所在。我已经尝试更改批处理大小，但没有任何帮助。下面是我的程序的链接。 https://colab.research.google.com/github/valentinocc/Keras_cifar10/blob/master/keras_rnn_cifar10.ipynb#scrollTo=7Jc5
浏览 41提问于2019-06-15得票数 0
1回答
使用神经网络学习分类值的分布
、、、、
使用神经网络学习分类值的分布 其目的是使用神经网络对一维输入进行分类。应该对两个类进行分类，即A和B。用于确定类的每个输入都是一个介于0.0和1.0之间的数字。 class A的输入值在0和1之间均匀分布，如下所示： ? class B的输入值都在0.4到0.6之间，如下所示： ? 现在我想训练一个神经网络，它可以学习将0.4到0.6范围内的值分类为B，其余的分类为A。因此，我需要一个可以近似类的上下界的神经网络。我之前的尝试都没有成功-神经网络总是为所有的输入返回50%的概率，并且损失在时期中不会减少。 使用Python中的Tensorflow和Keras，我已经训练了如下简单
浏览 25提问于2019-04-24得票数 1
回答已采纳
2回答
我目前正在使用一个深神经网络来处理一个回归问题，它给出了一个输入量为32x32x256的输入需要生成第二个输出维数相同的卷，这不是一个分割问题，由网络生成的体积是由浮点数形成的(更确切地说，im tryng用于消除噪声x射线光束的噪声)。
作为损耗函数，我使用MSE beetwen网产生的体积和地面体积已经计算没有噪音。
卷在0到1之间的值已经标准化，然后再交给网络。
当我们开始第一次训练时，我们在MSE中得到了非常低的值(大约3*10^-4)，但是深网正在收敛(值在5*10^6附近)。
我的一位同事说，如果用Keras adn Adam作为优化器的框架来获得最优结果，这些值(损失的值)就会很
浏览 0提问于2021-05-02得票数 3
这个单一的线性被用来保存keras深度学习神经网络模型。
model.save('my_model.h5')
model.save()是保存上一个时期的模型，还是保存最好时期的模型？有时，最后一个时期并不能提高性能。
浏览 10提问于2018-08-20得票数 1
回答已采纳
1回答
我上过一门关于神经网络的课程，不太明白为什么我从logistic回归和两层神经网络(输入层和输出层)中得到了不同的结果。输出层使用sigmoid激活函数。根据我所了解到的，我们可以使用神经网络中的sigmoid激活函数来计算概率。这应该是非常相似的，如果不是完全相同的逻辑回归试图完成的。然后利用梯度下降将误差降到最小。也许有一个简单的解释，但我不明白为什么准确性分数有这么大的差异。在本例中，我没有使用任何培训或测试集，只是简单的数据来演示我不理解的内容。
logistic回归的准确率为71.4%。在下面的例子中，我为'X‘和结果'y’数组创建了数字。当结果等于'1‘时，
浏览 1提问于2017-09-24得票数 10
回答已采纳
下面是用于预测加密货币价格的Keras模型。问题是，虽然loss和val_loss减少了，但是accuracy被卡在某个值(2.5840e-04)上，并且没有改变，val_accuracy被卡在0.0000e+00上。我彻底地检查了我的每一个输入，但没有发现任何问题。我的模特有问题吗？
这是我的数据准备(ethusd.csv是一个标准的股票格式数据集。你可以在上面链接的我的笔记本上看到它)
DATASET_PATH = "../input/crifier/ethusd.csv"
import math
import matplotlib.pyplot as plt
impo
浏览 2提问于2021-01-27得票数 0
我想用神经网络来处理回归问题，我用tensorflow来建立神经网络，我希望神经网络的预测能更精确。但是，无论我如何修改网络，网络的精度都不会超过0.5050，我试图增加节点，使用丢包和正则化，以及批量大小和激活函数，我不知道如何提高准确性，我真的需要帮助，谢谢。
这是我的密码
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import os
os.envir
浏览 1提问于2022-06-05得票数 1
回答已采纳
3回答
我正在使用Keras。我正在训练我的神经网络，并使用提前停止。我的耐心是10，验证损失最小的时期是15。我的网络运行到25个时期，然后停止，但如果我理解正确，我的模型是具有25个时期的模型，而不是15
有没有简单的方法可以恢复到15个时期的模型，或者我需要重新实例化模型并运行15个时期？
浏览 11提问于2019-07-05得票数 1
回答已采纳
2回答
如何将抛物线函数传授给神经网络
、、、、
我的目标是建立一个具有两个神经元的序列神经网络，它可以再现一个二次函数。为此，我选择了第一个神经元为lambda x: x**2，第二个神经元为None的激活函数。
每个神经元输出A(ax+b)，其中A是激活函数，a是给定神经元的权重，b是偏置项。第一个神经元的输出传递给第二个神经元，该神经元的输出就是结果。
我的网络输出的形式是：
[]()
训练模型意味着调整每个神经元的权重和偏倚。选择一组非常简单的参数，即：
将我们引向一个抛物线，这个抛物线应该可以通过上面所述的2神经元神经网络来学习：
[]()
为了实现神经网络，我做：
import tensorflow as
浏览 4提问于2021-12-18得票数 1
回答已采纳
6回答
我有5个输出类的数据。对于这5个类，培训数据有以下示例：706326 32211 2856 3050 901
我使用以下keras (tf.keras)代码：
class_weights = class_weight.compute_class_weight('balanced',
np.unique(y_train),
y_train)
model = tf.keras.Seque
浏览 0提问于2019-02-01得票数 13
2回答
我创建了一个单层神经网络，它有两个输出(每个类一个，0或1个)，使用sigmoid方法和SGD优化器进行训练。我也训练过没有任何隐藏层的神经网络。此外，我还用4分片的StratifiedKFold验证了模型的性能。训练的模型是用lr=0.1和epochs=150设计的，但是，我不知道这些值是否在优化模型。由于这个原因，我想运行20个组合的学习速率参数和时代，以看到最准确的结果和这些参数的组合，我得到它。限制规定如下：
历元: 10到150学习率的数值:0.0 1到1之间的值
请参阅下面的代码：
from sklearn.model_selection import StratifiedKFol
浏览 0提问于2019-11-25得票数 0
回答已采纳
我用metrics=['accuracy']编译了一个模型，得到的值总是高于验证精度val_acc。例如：
Epoch 19/20
53/53 [==============================] - 280s - loss: 0.3931 - acc: 0.8238 - val_loss: 0.5002 - val_acc: 0.7757
Epoch 20/20
53/53 [==============================] - 278s - loss: 0.3957 - acc: 0.8255 - val_loss: 0.5009 - val_ac
浏览 0提问于2018-07-14得票数 8
回答已采纳
1回答
据我理解，如果不使用隐藏层和线性激活函数，神经网络将产生与线性回归相同的方程形式。也就是说，y= SUM(w_i * x_i + b_i)，其中i等于所拥有的特性数的0。
我试图用线性回归的权重和偏差来证明这一点，把它输入到神经网络中，看看结果是否相同。他们不是。
我想知道我的理解是否不正确，或者我的代码是或可能是两者兼而有之。
from sklearn.linear_model import LinearRegression
import tensorflow as tf
from tensorflow import keras
import numpy as np
linearMode
浏览 2提问于2020-02-02得票数 0
回答已采纳
1回答
我正在尝试使用神经网络(Keras)以及数据和事实d/dx d/dx sin(x) = -sin(x)来近似正弦函数。正弦函数的这一特性被用于神经网络的自定义损失函数。
我的代码目前看起来像这样
import tensorflow as tf
import numpy as np
from tensorflow import keras
from numpy import random
# --- Disable eager execution
tf.compat.v1.disable_eager_execution()
# --- Settings
x_min = 0
x_max =
浏览 0提问于2020-02-21得票数 3
1回答
当我开始为我的计算编写测试时，我注意到了以下问题：
>>> np.multiply(0.55, 20)
11.0
>>> np.multiply(np.float(0.55), 20)
11.0
>>> np.multiply(np.float128(0.55), 20)
11.000000000000000888
>>> np.ceil(np.multiply(0.55, 20))
11.0
>>> np.ceil(np.multiply(np.float128(0.55), 20))
12.0
如示例
浏览 15提问于2022-09-07得票数 -2
3回答
我想用BFGS训练在Keras上实现的前馈神经网络。为了查看是否可以这样做，我使用scipy.optimize.minimize实现了一台感知器，下面的代码如下所示。
from __future__ import print_function
import numpy as np
from scipy.optimize import minimize
from keras.models import Sequential
from keras.layers.core import Dense
# Dummy training examples
X = np.array([[-1,2,-3,-
浏览 5提问于2016-07-19得票数 8
回答已采纳
我有一个神经网络，我在Python中使用Keras / tensorflow。我正在试着习惯使用Python。
在R中，有，它使用来自deepnet的堆叠自动编码器来预训练神经网络。我似乎在Python中找不到类似的函数或包。我需要写我自己的函数吗? Python / Keras也有这样的函数吗？
浏览 19提问于2020-05-11得票数 1
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
