([10], name='Input')X = Dropout(0.5, seed=0)(X)X = Dropout(K.set_learning_phase(1)
浏览 14提问于2018-01-16得票数 0
2回答
import Sequentialfrom tensorflow.keras.utils import然后，我将预处理模型添加到另一个序列模型中，只包括它和一个Dropout层。model = Sequential()model.add(Dropout(0.25))
最后，我再次以与以前相同的方式打印这些图像，而没有在所有上
浏览 12提问于2022-06-02得票数 0
回答已采纳
2回答
我正在尝试使用dropout来获得用于神经网络的。
这包括在训练后运行我的网络的几个前向传球，并激活dropout。但是，在调用model.predict()时，Dropout似乎并未激活。这可以在Keras完成吗，或者我必须把我的重量带到其他地方？
浏览 0提问于2017-06-04得票数 2
我想看看培训tf.keras模型的最终结果。在这种情况下，它将是来自softmax函数的预测数组，例如0、0、0、1 0、1。def get_model(): x = tf.keras.layers.Dropout(rate=dropout_rate)(inputs, training=True)
x = tf.keras.l
浏览 1提问于2019-08-09得票数 3
回答已采纳
1回答
我已经在Keras中训练了一个模型，并希望从中间层提取输出。模型包含dropout层，我想绝对确保这样做时不会丢失任何东西。model.get_layer(layer_name).output)但是，文档也展示了如何使用Keras3rd_layer_output([x, 0])[0]
layer_output
浏览 38提问于2018-06-29得票数 8
回答已采纳
1回答
我有以下代码： """ optimizer='adam',为了我的目的然而，在此之后，我需要在Dropout层中
浏览 4提问于2022-04-05得票数 1
回答已采纳
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。然而，尽管设置了base_model.
浏览 2提问于2019-11-22得票数 0
我在tensorflow (tf.keras.layers.Dropout)中实现的模型上使用了dropout层。我在训练时设置了"training= True“，在测试时设置了"training=False”。性能很差。我在测试过程中也不小心更改了"training=True“，结果变得更好了。为什么它会影响训练损失值？因为我不会对训练进行任何更改，
浏览 1提问于2019-11-15得票数 2
在下面的教程中，将解释当解冻包含BatchNormalization (BN)层的模型时，这些层应该保持在推理模式下，在调用基本模型时传递training=False。当您解冻包含BatchNormalization层的模型以进行微调时，您应该在调用基本模型时传递training=False，从而使BatchNormalization层保持在推理模式中。…
在示例中，当调用基本模型时，它们传递training=Fal
浏览 11提问于2022-02-05得票数 1
回答已采纳
我试图用Keras编写自己的递归层，并注意到源代码中的这一行： if training is None:检查代码是否为in_train_phase
if training is N
浏览 0提问于2018-09-12得票数 5
回答已采纳
2回答
众所周知，Keras是基于静态图的。然而，在我看来情况并非如此，因为我可以使我的图形实现是动态的。下面是一个简单的例子来证明我的观点：import numpy as npfrom keras.layersimport Dense, Input, Dropout
from keras.
浏览 0提问于2018-07-12得票数 0
如何将Keras fit_generator中使用的validation_data的training设置为False？我的模型中有Dropout层，我希望在训练过程中训练为True，在验证和测试过程中为False。
浏览 44提问于2019-07-01得票数 2
我在理解LSTM API中的一些tf.keras.layers层参数时遇到了困难。如果recurrent_dropout在LSTM单元之间退出，这对我来说是没有意义的，因为您将忽略前面的输出，我认为这将达到拥有一个RNN的目的。，而不是tf.keras.models.sequential([Input(...), LSTM(..., dropout=0.5)]))之前/之后，是否可以将这些退出参数中
浏览 3提问于2019-08-08得票数 3
回答已采纳
首先，我必须说，我知道，Dropout在强化学习(RL)中并不常见。在这里，您可以阅读更多关于这个主题的内容，以及为什么它可能有意义：
我不知道如何在Keras中实现Dropout。通常(在监督学习中) Keras负责打开/关闭Dropout层的任务，这取决于您是在训练还是测试。在我的例子(与RL的交易)中，我确实对火车数据进行了培训，并测试了坚持数据
浏览 4提问于2020-12-07得票数 0
1回答
观察嵌入层的输出有和没有丢失显示，数组中的值被替换为0。，但伴随着这一点，为什么数组的其他值会改变呢?softmax output layer以输入为输入层，输出为Dropout(0.2)的输出，通过训练模型建立model2。0])[0]dropout[0][0]array([ 00.22043513, -0.09001804,
-
浏览 2提问于2020-05-18得票数 1
回答已采纳
在这里的代码中：https://www.kaggle.com/ryanholbrook/detecting-the-higgs-boson-with-tpus 在编译模型之前，使用以下代码创建模型：inputs = keras.Input(shape=[28]) x =dense_block(UNITS, ACTIVATION, DROPOUT)(
浏览 108提问于2020-12-18得票数 2
回答已采纳
我预先训练了一个LSTM编码器/解码器，没有使用dropout，这样我就可以使用GPU并加快训练速度。我现在已经重新构建了模型，并添加了dropout和recurrent，并希望在推理过程中激活它，以估计我预测的置信区间。我不确定如何使用顺序应用编程接口在我的模型中添加training=True参数。我认为我可以在评估模型时做到这一点，但事实似乎并非如此： encoder_decoder_dropout.evaluate(v
浏览 14提问于2020-08-26得票数 1
回答已采纳
1回答
我正在尝试按照此处：和此处：中概述的逻辑生成keras模型的预测的置信区间
我已经在Keras github问题页面上搜索了类似的问题，这些问题表明我使用了错误的方法来实例化一个具有预定义配置的新模型，但是尽管将我的代码从Model.from_config()更改为tf.keras.Sequential.from_config()，问题仍然存在。kernel_regularizer = regula
浏览 5提问于2019-11-29得票数 1
但是，当谈到保存时，得到下面的错误消息：'b'__inference_model_layer_call_fn_158405详细信息：
感兴趣的最近邻模型是使用已经训练的模型(embedding_network)的输出。并将输入输出与列车数据集输出(最近距离)进行比较。我的意思是，我们并不是直接比较图像，而是比较它们的输出。通常，我不会费心在tensorflow上编写NN
浏览 15提问于2022-01-20得票数 1
回答已采纳
3回答
我正在构建一个在Tensorflow中的强化学习算法，我希望能够在对session.run()的一个调用中动态地关闭和打开。在尝试了几种解决方案w/o之后，我找到了一个解决方案，在这个解决方案中，我用变量替换了Keras使用的learning_phase占位符(因为占位符是张量，不允许赋值)，并使用自定义层将该变量设置为True但是，获取m3的值，或者同时获取m1和m2的值，有时是有效的，
浏览 0提问于2018-12-14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
腾讯会议
云直播活动推荐
腾讯云开发者
