Keras:令人惊讶的比较简单神经网络2-输出和1-输出
Keras是一个开源的深度学习框架，它以简洁、易用和高度灵活的特点而闻名。它是基于Python语言开发的，可以在多种深度学习平台上运行，包括CPU和GPU。
Keras提供了一种简单而直观的方式来构建神经网络模型。它提供了丰富的高级API，使得用户可以轻松地定义网络层、损失函数、优化器等，并进行模型的训练和评估。
对于2-输出和1-输出的神经网络，可以理解为一个具有两个输出层和一个输入层的神经网络模型。这种模型通常用于解决多任务学习问题，其中一个输出层用于预测一个任务，另一个输出层用于预测另一个任务。
优势：
- 简单易用：Keras提供了简洁的API，使得构建神经网络模型变得简单而直观。
- 高度灵活：Keras支持多种网络层的组合，可以轻松地构建各种复杂的神经网络结构。
- 跨平台支持：Keras可以在多种深度学习平台上运行，包括CPU和GPU，使得模型训练和推理更加高效。
应用场景：
- 图像分类：Keras可以用于构建卷积神经网络，用于图像分类任务，如手写数字识别、物体识别等。
- 自然语言处理：Keras可以用于构建循环神经网络，用于文本分类、情感分析、机器翻译等自然语言处理任务。
- 推荐系统：Keras可以用于构建神经网络模型，用于个性化推荐、广告点击率预测等推荐系统任务。
推荐的腾讯云相关产品和产品介绍链接地址： 腾讯云提供了多个与深度学习相关的产品和服务，以下是一些推荐的产品和链接地址：
- AI引擎：https://cloud.tencent.com/product/aiengine AI引擎是腾讯云提供的一站式AI开发平台，其中包括了Keras等深度学习框架的支持。
- 弹性GPU服务：https://cloud.tencent.com/product/gpu 弹性GPU服务提供了高性能的GPU实例，可以用于加速深度学习模型的训练和推理。
- 人工智能机器学习平台：https://cloud.tencent.com/product/tcaplusdb 人工智能机器学习平台提供了丰富的机器学习算法和工具，可以与Keras等深度学习框架进行集成。
请注意，以上链接仅供参考，具体的产品选择和使用需根据实际需求进行评估和决策。
相关·内容
1回答
我是机器学习的初学者，目前正在学习神经网络的基础知识。在我看到的一个例子中，神经网络的最后一层恰好是
keras.layers.Dense(10, activation="softmax"),
因此，该层的输出是--一个数组，其值对应于多类问题中10个类的每个类的类概率。但是，原始数据集中的类标签仅为0-9的整数值.我的问题是，我的神经网络是否会自动在其输出中执行argmax，以确定训练期间要与之比较的标签？有什么方法可以让我明确地知道我的神经网络所做的“隐式”操作？谢谢!
浏览 3提问于2020-04-15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
1回答
我正在尝试在包含正常和恶意网络数据包的数据集上构建二进制分类算法(输出为0或1)。数据集形状(将IP @和十六进制转换为十进制后)为：
注意:最后一列是输出。
Keras模型是：
from keras.models import Sequential
from keras.layers import Dense
from sklearn import preprocessing
import numpy
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
seed = 4
numpy.random.seed(s
浏览 1提问于2017-05-19得票数 2
1回答
如何处理Keras中的大图像？
、、、、
我正在研究Keras上的机器学习问题。我的目标是训练输入为(4214, 22311)矩阵，输出为(22311,)向量的模型。
这样的二维数据可以作为图像输入来处理，但大多数图像分类器只对形状(200, 200)的小图像进行分类。
我尝试了几种在Keras上建立模型的方法，例如CNN、双向LSTM或简单的神经网络(平坦和密集)。但它们都不起作用。
我没有完成一个时代就接受了killed。所以我想知道什么样的结构能处理这么大的输入。
浏览 3提问于2017-09-21得票数 0
回答已采纳
1回答
我想做一个神经网络来预测谁会赢得一场足球比赛。我有几个特征(比如团队，团队的体型，等等)和一个输出，告诉哪一队赢了(或者是否有骰子)。
在我的训练中，我想添加一些功能，比如这些球队的进球数。问题是，当我预测未来游戏的最终结果时，我不能包括这些功能。有办法做到这一点吗？
我正在使用Python中的Keras作为一个库来轻松构建神经网络。
浏览 9提问于2017-12-29得票数 0
我正在使用LSTM来检测信用卡欺诈。数据集中有21个特征。在这种情况下，我不知道数字9是什么意思：
X_train,X_test,y_train,y_test = train_test_split(X_s, y, test_size=0.3)
print(X_train.shape)
print(X_test.shape)
这是输出：
(398041, 9)
(170589, 9)
X_train = X_train.reshape((X_train.shape[0], 1, X_train.shape[1]))
X_test = X_test.res
浏览 6提问于2022-03-17得票数 2
1回答
我在研究一个应该能下棋的人工智能。我想利用keras神经网络来评估董事会的地位。我想通过在AI和AI之间玩大量的游戏来教NN。我已经实施了α-β剪枝。
我的想法是创建一个csv文件与位置的每一个游戏，AI已经玩过。我会选择我想要存储在那里的变量。非常简单的例子：
"white_pawns","black_pawns","white_queens","black_queens","white_pawns_on_side","white_won"
3,7,1,2,0,False
3,5,3,0,1,Tr
浏览 3提问于2020-02-01得票数 1
我使用的是Caffe，它在加载神经网络时会将大量输出打印到shell中。
我想抑制该输出，这可以通过在运行Python脚本时设置GLOG_minloglevel=1来实现。我尝试过使用下面的代码来做这件事，但是我仍然从加载网络中得到了所有的输出。如何正确抑制输出？
os.environ["GLOG_minloglevel"] = "1"
net = caffe.Net(model_file, pretrained, caffe.TEST)
os.environ["GLOG_minloglevel"] = "0"
浏览 0提问于2015-04-22得票数 24
回答已采纳
1回答
目前，我正在尝试为一个游戏实现增强策略梯度方法(用神经网络)。显然，在某些状态下，某些操作是无效的(如果没有火箭发射器，就不能发射)。
我试图掩盖softmax输出(动作概率)，所以这只是来自有效动作的样本。这很好(至少看起来是这样)，但是经过几次反复的训练之后，不再选择这些操作(对于某些输入组合，这些节点的所有输出都变成0)。有趣的是，在这些情况下，某些动作节点(无效动作)似乎给出了1 (100%的概率)。
这造成了一个巨大的问题，因为我将不得不采取随机选择的行动来执行，这显然不是很好。还有其他方法来解决这个问题吗？
我正在更新网络，将"label“设置为具有折扣奖励值的所选操作节点
浏览 0提问于2018-06-18得票数 2
回答已采纳
所以我正在处理一个简单的神经网络，有10个输入和一个输出。我可以有尽可能多的隐藏层，但是我使用的是2层。我还使用了"mean_squared_error“损失函数和RMSProp优化器。
无论如何，我的问题是，假设我的输出值是这样的:0，0，3，0，0，0，5，0，0，2，0…等等。请注意，值0重复的次数更多。因此，我想要做的是，试图迫使神经网络学习得更好，以防“输出端的非零值”。给予这些价值更多的“重要性”。因为如果我使用'mean_squared_error'，训练将尝试根据整个数据集进行优化，这将主要导致情况的优化，其中0是输出值。
编辑:我正在处理的问题，可能是
浏览 0提问于2019-07-26得票数 0
我用Keras训练了两个神经网络:一个MLP和一个Bidirectional LSTM。
我的任务是预测句子中的单词顺序，因此对于每个单词，神经网络必须输出一个实数。当处理一个包含N个单词的句子时，对输出中的N个实数进行排序，以获得代表单词位置的整数。
我在数据集上使用相同的数据集和相同的预处理。唯一不同的是，在LSTM数据集中，我添加了填充以获得相同长度的序列。
在预测阶段，使用LSTM，我排除了从填充向量创建的预测，因为我在训练阶段屏蔽了它们。
MLP架构：
mlp = keras.models.Sequential()
# add input layer
mlp.add(
ke
浏览 4提问于2020-04-19得票数 1
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
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
1回答
我刚刚在conda环境(使用miniconda)中安装了Tensorflow和Keras。
在keras.json文件中，后端是tensorflow，并且没有定义环境变量KERAS_BACKEND，但是，当我导入keras backend时，我被告知使用了Theano！
我不知道出了什么问题...
浏览 2提问于2018-04-19得票数 0
1回答
我正在尝试使用tensorflowjs将经过训练的keras模型加载到web浏览器中。
我能够将keras模型转换为tensorflowjs模型，但无法加载chrome扩展中的模型。
加载模型的background.js代码
async function app() {
alert('Loading model..');
model = await loadModel("model.json");
alert('Sucessfully loaded model');
}
chrome.runtime.onInstalle
浏览 1提问于2019-05-05得票数 0
我正在尝试使用Keras创建自定义损失函数。我想根据输入计算损失函数，并预测神经网络的输出。
我尝试使用Keras中的customloss函数。我认为y_true是我们用于训练的输出，y_pred是神经网络的预测输出。下面的损失函数与Keras中的"mean_squared_error“损失相同。
def customloss(y_true, y_pred):
return K.mean(K.square(y_pred - y_true), axis=-1)
除了mean_squared_error损失之外，我还想使用神经网络的输入来计算自定义损失函数。是否有办法将输入作为自定
浏览 2提问于2019-04-01得票数 17
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
2回答
是否有可能预测特定输出的"Keras神经网络“的输入？
例如，我有一个具有28输入和3输出的数据集。所以，我在Keras训练过模型，效果很好。现在，我必须在输出中输入特定的值，我必须预测输出的输入是什么。
浏览 2提问于2020-03-11得票数 0
1回答
我们目前正在使用XGBoost模型和Tweedie损失来解决一个很好的回归问题，现在我想把我们的模型转移到Keras，并体验到神经网络，有谁知道如何实现Keras的Tweedie损失呢？我只关心p=1.5时的实例，这在XGBoost中给了我们最好的结果。
谢谢
浏览 0提问于2019-07-09得票数 4
回答已采纳
1回答
我有一个Keras分类器，它使用Scikit-Learn的Keras包装器构建。神经网络有10个输出节点，训练数据全部用一次热编码表示.
根据Tensorflow ，predict函数输出(n_samples,)的形状。当我安装了514541个样本时，函数返回一个形状为(514541, )的数组，数组的每个条目从0到9不等。
由于我有十个不同的输出，每个条目的数值是否与我在训练矩阵中编码的结果完全一致？
也就是说，如果我的y_train一次热编码的索引5表示“橙色”，那么预测值为5是否意味着神经网络预测了“橙色”？
下面是我的模型的一个示例：
model = Sequential()
mode
浏览 3提问于2018-01-09得票数 0
回答已采纳
1回答
我想把水雪碧放在烧瓶里，当我把它拖到容器的顶部时，它就把这些水倒进容器里。有谁知道如何在游戏制作中做到这一点吗？这是一张瓶子和容器的照片
浏览 0提问于2016-05-09得票数 0
1回答
TensorFlow模型语法
、、、、
我是神经网络和Tensorflow的新手
通常，当我们在TensorFlow中建立一个神经网络模型时，我们定义它的方式如下：
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(150, 150, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
我
浏览 3提问于2020-08-16得票数 0
回答已采纳
1回答
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 1: predicts A, B or C
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，在该代码中，我定义了神经网络并在训练后删除了softmax激活函数：
inputs = tf.keras.Input(shape=dim_in)
x = layers.Dense(dim_out)(inputs)
o
浏览 0提问于2020-07-08得票数 1
1回答
使用下列库：
import keras
import tensorflow as tf
from keras.datasets import mnist
from keras.utils.np_utils import to_categorical
from keras import optimizers
from keras.models import Sequential
from keras.layers import Dense, Activation, Flatten
我需要创建一个简单的网络，如下所示：
神经网络应该以与我们的数字相同的张量作为输入。第一隐层应输出300维
浏览 10提问于2022-10-17得票数 3
2回答
度量总是计算损失
、、
我偶然发现了这个。它将METRICS定义如下。我的问题是
METRICS = [
keras.metrics.TruePositives(name='tp'),
keras.metrics.FalsePositives(name='fp'),
keras.metrics.TrueNegatives(name='tn'),
keras.metrics.FalseNegatives(name='fn'),
keras.metrics.
浏览 11提问于2020-01-30得票数 0
回答已采纳
我创建了简单的Keras模型(预测，而不是分类或回归)
inpLayer = tf.keras.layers.Input((1,), dtype=tf.float64)
hiddenLayer = tf.keras.layers.Dense(2, activation=tf.atan, dtype=tf.float64)(inpLayer)
outputLayer = tf.keras.layers.Dense(1, activation='linear', dtype=tf.float64)(hiddenLayer)
model = tf.keras.models.Model
浏览 10提问于2022-09-20得票数 -3
1回答
假设我用自己的损失函数定义了四个神经网络模型。下一个神经网络的输入依赖于前一个网络的输出。
Model1 -> Model2 -> Model3 -> Model4
为了简单起见，让四个神经网络显示如下：
from tensorflow import keras
from tensorflow.keras import layers
import numpy as np
x = np.random.rand(300,10)
y = np.random.rand(300,1)
# Model 1
inputs1 = keras.Input(shape=(10))
x1 =
浏览 0提问于2021-03-25得票数 2
回答已采纳
1回答
我正在尝试在监督学习中训练神经网络，它有一个包含100个列表的列表x_train作为输入，每个列表包含2000列......以及目标输出y_train，其也具有100个列表，但包含每个20列。
这是x_train和y_train的样子：
这是我创建的神经网络：
dnnmodel = tf.keras.models.Sequential()
dnnmodel.add(tf.keras.layers.Dense(40, input_dim = len(id2word), activation='relu'))
dnnmodel.add(tf.keras.layers.De
浏览 2提问于2020-08-22得票数 0
在TFF 0.18中，我发现了以下问题：
images, labels = next(img_gen.flow_from_directory(path0,target_size=(180, 180), batch_size = 2,class_mode=None))
sample_batch = (images,labels) # assumes images and labels are np.ndarray
input_spec = tf.nest.map_structure(tensor_spec_from_ndarray, sample_batch)
这是input_spec的输出
浏览 1提问于2021-09-08得票数 1
1回答
我正在努力实现一种近似于偏微分方程解的算法。这背后的主要思想是，我从时间0开始，对解u及其梯度z进行猜测，然后使用递归公式，以向前的方式近似计算到最后一个时间点的解。公式是这样的
u[i+1] = u[i] + f(t[i],x[i],u[i],z[i])*dt + z[i]*dW[i]
其中给出了布朗运动dW的函数f、时间离散化、时间步长dt和增量。在时间点上，梯度zi被输入xi的深度神经网络近似，我已经用两个隐密层的tf.keras实现了该网络。这些网络运行得相当好。到目前为止，我有N(时间点的数目)独立的神经网络分别逼近zi的每个时间点。
我的任务是构造一个具有输入(x，W)的全局神经网
浏览 1提问于2022-07-19得票数 0
我在试着探测红绿灯。我有3个标签的图像，所以我把我的培训数据和验证数据放入3个子文件夹中的培训和验证。当我运行程序时，我在model.fit_generator()上遇到了一个错误。其他的事情都很好。
`
import os
from keras.layers import Dense, Dropout, Flatten, MaxPooling2D,
Convolution2D
from keras.models import Sequential
from keras.preprocessing.image import ImageDataGenerator
import keras
f
浏览 3提问于2017-05-17得票数 0
我正在做一个项目，该项目要求我向神经网络的输出层添加新单元，以实现一种形式的迁移学习。我想知道我是否可以这样做，并使用Keras或TensorFlow设置单位的权重。
具体地说，我想将一个输出神经元附加到Keras模型的输出层，并设置该神经元的初始权重和偏差。
浏览 10提问于2018-07-17得票数 1
回答已采纳
我用一个大型数据库进行了神经网络的测试，得到了很好的答案(误差很小--将近4%)。现在，我想使用权重和偏差来导出一个方程，以便直接得到我的输出(不再使用该网络)。我如何推导出一个方程来得到我的输出？
浏览 3提问于2013-07-07得票数 1
1回答
我正在通过Keras学习神经网络，并希望在递归神经网络上探索我的顺序数据集。我是，并试图理解。
我的问题是：
两个层所需的timesteps是什么？
如何准备一个使用Dense作为这些递归层的输入的顺序数据集？
Embedding层是做什么的？
浏览 3提问于2015-08-10得票数 6
回答已采纳
2回答
我正在尝试使用框架学习神经网络，我了解神经网络的基本知识，现在尝试用scikit-learn来实现它。但我对两点感到困惑。
1-这个神经网络的结构是什么？不知怎么的，在我感觉到的一些例子中，有些人不把输入层作为一个层。否则，我认为这是因为一个2层NN有一个输入层，在输出层有100个节点和1个节点。
from sknn.mlp import Classifier, Layer
nn = Classifier(
layers=[
Layer("Maxout", units=100, pieces=2),
Layer("Softmax")],
浏览 5提问于2017-02-07得票数 0
回答已采纳
我是卷积神经网络的新手，我有以下问题:有没有办法创建一个具有多个输出的CNN，包括10个用于分类的输出和两个用于与Pyhton中的Keras进行回归的输出？ 提前谢谢你！
浏览 23提问于2020-07-23得票数 3
回答已采纳
1回答
我用卷积神经网络(CNN)训练地图中的传奇人物。这些传说是圆、卵形、钻石、十字架和正方形。在我的例子中，神经网络(受代码的启发)工作得很好。输入的图像是像这样的传奇的单独裁剪的图片，我想要的输出是在这样的地图中预测这些传说。我的神经网络现在可以对图像进行分类，并预测它们是正方形还是圆形。例如，当我提供此图像作为输入时，输出为菱形。
from keras.models import model_from_json
import numpy as np
EMOTIONS_LIST = ["circle","cross","diamond","
浏览 0提问于2021-03-17得票数 0
回答已采纳
1回答
Keras中的不对称度量
、、、、
我试图用人工神经网络和Keras来预测函数的演化。问题是，我希望神经网络的输出是保守的，也就是说，我可以接受对值的低估(在一定程度上)，但过高估计是一个更大的问题。
我想把它作为衡量标准：
mae /2 if y_predicted < y_truemae *2 if y_predicted > y_true
我认为这在Keras中是可行的，但我承认我不知道如何做到这一点。有人知道该怎么做吗？
谢谢
浏览 1提问于2021-01-20得票数 1
回答已采纳
我正在尝试用带有Keras层的Tensorflow 2.1.0构建一个简单的模型。
但是，运行以下代码：
from tensorflow import keras
from tensorflow.keras import layers
def main():
max_input_length = 20
vocab_size = 10
model = keras.Sequential()
model.add(layers.Embedding(vocab_size, 16, input_length=max_input_length))
# ..
if
浏览 1提问于2020-03-04得票数 2
1回答
我是机器学习的新手，我刚刚完成了一个教程，解释了如何在TensorFlow中创建一个神经网络。我想知道是否有可能想象我创建的神经网络。输出应该是一幅类似于这的图片
谢谢。
MRE：
import tensorflow as tf
ann = tf.keras.models.Sequential()
ann.add(tf.keras.layers.Dense(units=6, activation='relu'))
ann.add(tf.keras.layers.Dense(units=6, activation='relu'))
ann.add(tf.kera
浏览 0提问于2020-11-30得票数 0
回答已采纳
1回答
我正在使用实现一个具有反向传播的神经网络，但在计算误差时遇到了麻烦。简而言之，我的sigmoid函数将我的所有节点输出压缩到1.0，然后导致错误计算返回0：
error = (expected - actual) * (1 - actual) * actual
^^ this term causes multiply by 0
所以我的误差总是0。
我怀疑问题出在我的sigmoid实现上，它返回1.0，而不是渐近地低于1.0：
# ruby
def sigmoid(x)
1/(1+Math.exp(-x))
end
s
浏览 3提问于2012-10-01得票数 0
回答已采纳
1回答
测试预测都是一样的
、、、、
我正在尝试为推荐任务构建一个具有二进制输出的Keras模型。 在我构建并训练它之后，它似乎正在收敛并提高训练和验证的准确性： EPOCH: 0
Train on 4641920 samples, validate on 1160480 samples
Epoch 1/1
4641920/4641920 [==============================] - 93s 20us/step - loss: 0.0317 - val_loss: 0.0262
TRAIN F1: 0.16175450762829402
VAL F1: 0.09613703897919944
EPO
浏览 28提问于2020-07-10得票数 0
回答已采纳
我试图用神经网络创建一个说话人识别，利用Keras和Fourier变换来处理语音样本。声音样本是我和我的朋友说“eeeee”3秒钟。现在的问题是，如果我们给神经网络一个其他人的输入(“ee”3秒)，它仍然给出一个输出，表明它是我们中的100%。我使用softmax输出数据，所以它给我朋友大约1，0，给我0，1。有时候大概是0.95，0.05。
它运行得很好，除非我们输入来自另一个人的数据，就像我说的，它仍然是1,0，虽然我希望它能给出0.6，0.4，因为它是另一个声音。现在我也尝试使用MFCC的两个特性，但它似乎也不起作用。第三个输出并使用随机样本进行训练是否有效(我自己并不这么认为，因为它不
浏览 1提问于2018-11-22得票数 0
回答已采纳
例如，有一个3乘3的图像，
具有两个2x2滤波器的卷积神经网络将图像进行卷积。
最后，输出维数为2x2x2。
，我能把上面的过程看作是下面的步骤吗？
由于使用了2x2滤波器，在滑过整个图像后，我得到了4幅小图像。
并利用这4幅小图像作为一个完全连接的神经网络的输入。
最后，我还可以得到8个输出。
我真的不知道CNN的反向传播，所以我试图从经典的完全连接的神经网络中理解它。
通过输入一幅小图像，就可以在完全连接的神经网络中更新一次权值，这与在CNN中更新滤波器的权重是一样的吗?。
我想对了吗？
浏览 1提问于2017-01-29得票数 0
回答已采纳
2回答
当我从Keras加载mnist数据集时，我得到4个变量-
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_train的形状是(60000, 28, 28)，这是有意义的，因为它包含6万张28x28张图片。
y_train的形状就是(60000,)，这表明它是一个包含数字目标标签(0-9)的一维向量。
为了进行数字分类，神经网络一般输出一个热编码向量，该矢量具有十个维数。我认为我需要使用to_categorical将y目标从数字转换为分类，以便使神经网络的形状输出与训练样本相匹配，这可能是(600
浏览 8提问于2020-06-20得票数 5
回答已采纳
2回答
我正在利用Keras开发一个神经网络。它是一个多层感知器(Mlp).输出层有8个神经元。是否有一种方法可以在每次迭代中访问输出层单个神经元的权重和偏差？
浏览 0提问于2019-10-31得票数 2
回答已采纳
我用R实现了简单的神经网络，但这是我第一次用Keras实现，所以我希望能给出一些建议。
我在Keras中开发了一个神经网络函数来预测汽车销售(数据集是可用的)。CarSales是因变量。
据我所知，Keras用于开发用于分类目的的神经网络，而不是回归。在我到目前为止看到的所有例子中，输出在0到1之间是有界的。
下面是我开发的代码，您将看到输出使用'sigmoid‘函数：
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Dense
from t
浏览 0提问于2018-02-25得票数 5
回答已采纳
我想使用Keras来训练带有一批训练数据的多输入神经网络，但是我无法传递一组输入和输出样本来在模型上执行fit或train_on_batch。
我的NN的定义如下：
i1 = keras.layers.Input(shape=(2,))
i2 = keras.layers.Input(shape=(2,))
i3 = keras.layers.Input(shape=(2,))
i_layer = keras.layers.Dense(2, activation='sigmoid')
embedded_i1 = i_layer(i1)
浏览 4提问于2017-07-31得票数 7
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
1回答
我正在尝试创建一个Q学习国际象棋引擎，其中神经网络最后一层的输出(密度等于合法走法的数量)通过argmax()函数运行，该函数返回一个整数，我将其用作存储合法走法的数组的索引。下面是我的代码的一部分：
#imports
env = gym.make('ChessAlphaZero-v0') #builds environment
obs = env.reset()
type(obs)
done = False #game is not won
num_actions = len(env.legal_moves) #array where legal moves
浏览 1提问于2021-06-08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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
