1回答
调用keras自定义指标进行预测
、、、、
我正在使用Keras进行多标签文本分类。我定义了编译分数、召回率和精确度的自定义指标，并在F1 ()时使用它们。但是现在我想调用我的度量函数来预测分数，我得到了下面的错误。from keras import backend as K callbacks=[early_stopping, c
浏览 22提问于2021-03-02得票数 0
回答已采纳
我已经读到了关于Keras中使用的“准确性”度量的问题的多个答案，但我并不完全有信心，我理解这在车道检测方面意味着什么。Keras度量是否将预测中检测到的像素与地面实况中的像素进行比较，并除以总像素数？或者，是否有必要创建一个执行此操作的自定义指标？
浏览 1提问于2020-03-28得票数 0
2回答
我正在使用keras执行二进制分类(单标签、1或0)。 我想创建一个自定义指标，从预测中提取最高的10%，并计算这些预测的准确性。例如，用标签1，0，1，1，0，1，0，1，0，1 以及预测0.5，0.7，0.98，0.1，0.2，0.5，0.2，0.1，0.9，0.8 它只计算0.98预测的准确度。
浏览 5提问于2020-10-26得票数 0
回答已采纳
1回答
我用Keras编写了一个LSTM，用于单变量时间序列预测。我使用大小为48的输入窗口和大小为12的输出窗口，即我预测一次12步。这通常与RMSE等优化指标配合使用时效果很好。对于非平稳时间序列，我在将数据提供给LSTM之前对数据进行差分。然后在预测之后，我取预测的逆差。 在差分时，RMSE不适合作为优化指标，因为早期的预测步骤比后面的步骤重要得多。当我们在创建12步预测后进行逆差分时，早期(差分)<
浏览 34提问于2019-04-16得票数 0
我正在创建一个tf.keras.model，它使用自定义损失和自定义指标函数进行编译。我使用x=input_batch和y=someFunction(目标)对模型调用train_on_batch 自定义损失和自定义指标函数的签名类似于methodname( y_true，y_pred)，有没有办法在自定义指标函数和自定义损失函数中获取目标，而不是在train_on_batch中传递
浏览 23提问于2021-10-21得票数 0
我想知道是否有任何方法可以在tensorflow中查看模型的参数。在pytorch中有一个命令，即torch.load('/filepath')。
浏览 31提问于2021-11-03得票数 0
我有一个带有输出NxM的神经网络，其中N是批量大小，M是网络需要进行预测的输出数量。我想为网络的每个M输出计算一个度量，即跨批处理的所有实例，但单独为每个M输出计算度量，因此将有此度量的M值。我尝试创建一个自定义指标，如下所示。def my_metric(y_true, y_pred):
return [3.1, 5.2] # a list of dummy values 然后将此指标传递给模型的compile方法的指标列表，然后Keras输出一个数字，该数字是
浏览 9提问于2020-01-28得票数 0
回答已采纳
我定义了一个自定义的RMSE函数： return K.sqrt(K.mean(K.square(y_pred - y_true)))keras.losses.mean_squared_error(y_true, y_pred)mse:115.7218 - rmse: 8.0966
现在，当我取MSE的根时，我得到的
浏览 1提问于2019-09-27得票数 9
当使用TensorFlow时，我会在使用method.fit时自动生成预测，并将其训练成特定数量的历元。我想知道如何从模型中得到正确预测和错误预测的图像。作为参考，这是我遵循的教程
我试图通过调用查看是否可以打印混淆矩阵的输出来查看是否存在访问预测的方法，但我找不到这样的库。
浏览 2提问于2022-04-06得票数 1
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
我想在Keras (python)中编写一个自定义指标，在我训练时评估我的序列到序列模型的性能。序列是独热编码的，标记是单词而不是字符。我希望它只报告完全正确的序列数量(百分比也可以)。因此，如果它预测的是“猫坐在席子上”而不是“猫坐在席子上”，这将是不正确的，不会被计算在内。 import keras.backend as K
def num_co
浏览 5提问于2018-06-14得票数 1
在训练的同时，建立了Keras模型和，分类精度指标达到0.78。但是，在对模型进行培训之后，当我运行以下代码时，当预测输出相同的培训数据时：acc = sklearn.metrics.accuracy_score总之，对于Keras和Sklearn，我没有得到相同的精确结果。
浏览 2提问于2018-12-05得票数 0
我们发现在tf.keras.metrics中有内置的精确性和召回度量。但这些指标似乎只适用于二进制分类。在我们的模型中，最后一层是具有活动函数“softmax”的密集层。, optimizer='Adam', metrics=['accuracy'])
预测结果的输出是每类概率的向量，例如0.3，0.5，0.2。为了得到类标签，我们需要对预测结果应用np.argmax()。而内置的召回和精确度量则接受输入的类标签。m = tf.keras.metrics.Recal
浏览 8提问于2022-09-01得票数 0
我正在尝试为我的神经网络使用一个自定义指标，这个指标应该只在时代结束时进行评估。我遇到的问题是，每个批次都会对指标进行评估，这并不是我想要的行为。请注意，我使用的是生成器，而fit_generator使用的是keras。使用实现keras.utils.Sequence的生成器加载validation_data def __initwith t
浏览 4提问于2019-02-11得票数 2
3回答
如何从Keras中的model.predict()检索前5种预测？它只给出一个预测。有没有办法这样做？我不想把它作为一个评估指标。我只需要前五名的预测。
浏览 0提问于2018-04-14得票数 6
回答已采纳
我正在使用带有TensorFlow 1.14.0的tf.keras。我已经实现了一个计算非常密集的自定义指标，如果我简单地将它添加到作为model.compile(..., metrics=[...])提供的指标列表中，它会减慢训练过程。如何让Keras在训练迭代期间跳过度量的计算，而是在每个时期结束时对验证数据进行计算(并打印)？
浏览 4提问于2019-07-01得票数 6
回答已采纳
我一直在测试构建nn模型的不同方法(tensorflow，keras)，我发现在编译模型的过程中指标有一些奇怪的地方。我检查了两种方式： loss=keras.losses.CategoricalCrossentropy(), metrics=keras.metrics.Accuracy()和
浏览 1提问于2020-11-26得票数 2
我想使用另一个网络的预测在Keras中实现一个自定义损失函数。更具体地说，我想在生成器的损失函数中使用鉴别器生成的预测。当我尝试实现它时，我得到了以下错误：TypeError: object of type 'TensorVariable' has no len()
Keras是否能够在自定义损失函数中进行网络预测？
浏览 1提问于2017-03-28得票数 0
learning_rate = 0.004), loss=CategoricalCrossentropy(from_logits = True), metrics=metrics)
我想要做的是在模型被训练之后，我想用这些指标来评估它如果我运行model.evaluate，model.compile中使用的度量将被使用，还是在进行评估时我可以定义更多的度量？例如，我希望在训练期间监测准确性，然后在评估时回忆/精确等等。
浏览 3提问于2022-07-25得票数 1
回答已采纳
1回答
这听起来可能很愚蠢，但我只是在想，当您试图预测标量时，是否有可能修改神经网络以获得概率密度函数，而不是单个值。我知道，当你试图对图像或单词进行分类时，你可以获得每个类别的概率，所以我在想，也许有一种方法可以用连续值来做类似的事情，并将其绘制出来。(类似于贝叶斯优化的后验图)有谁知道获得这样的输出的方法吗？
谢谢!
浏览 1提问于2017-08-08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
