我有一个大的数据集和大量的预兆,因此我依赖keras.utils.Sequence生成器并让Keras进行多处理。因此,当涉及到变量输入大小时,使用简单的model.fit(...)命令对我来说是没有选择的。此外,由于我的具体问题,这不是一个好主意调整大小或衬垫的图像。
另外,由于BatchNormalization层的存在,选择1的批处理不是很方便.
我有可变的图像大小,并创建了一个关于我的问题的玩具示例:
from keras.applications.vgg16 import VGG16 as model
from keras.utils import Sequence
import n
是实体的链接文件。我想训练一个神经网络把每个实体表示成一个向量。附加是我的训练代码
import pandas as pd
import numpy as np
from numpy import array
from keras.preprocessing.text import one_hot
from keras.preprocessing.sequence import pad_sequences
from keras.models import Sequential
from keras.models import Model
from keras.layers import D
我试着用这段代码。我将参数列表的一部分放入其中,但正如您所看到的那样,错误表明它将每个列表的第一个成员放在第一行,第二个成员放在第二行,以此类推。
from pylab import *
from keras.models import Sequential
from keras.layers import Dense
from keras import optimizers
#Generate dummy data
data = [[45,45,200,300],[44.7,45.6,50,60],[9.9,10,11,12]]
y = data*5
#Define the model
我的目标是采取一个预先培训的模型,没有最后两个完全连接的层,以建立新的我自己的分类为CIFAR-10。我面临的第一个问题是VGG至少期望48*48*3张量,而CIFAR-10数据集则提供32*32*3图像。我知道ImageDataGenerator.flow_from_directory带有内置的target_size参数,但是我不能在这里使用它,因为图像已经在内存中了:
from keras.applications import VGG16
from keras.datasets import cifar10
from keras.preprocessing.image import Im
我试着用Keras建立一个CNN模型。这是我的代码:
import keras
import tensorflow as tf
from keras.layers import Dense
from keras.models import Sequential
from keras.models import load_model
from keras.callbacks import EarlyStopping
from sklearn.model_selection import train_test_split
from __future__ import print_functio
我试着用Keras做一个简单的hello世界,然后卡住了。在开始的时候,我有一个层,有一个输入和一个输出,它在直线近似下工作得很好;)
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import RMSprop
from keras.losses import mean_squared_error
mo = Sequential()
d = Dense(1, input_shape=(1,))
mo.add(d)
mo.sum
我正在将图像预处理成一个Numpy数组形状(28,28,3)。当我尝试拟合我的数据时,我得到了错误。如果我传递整个准备好的数据帧,我会得到错误ValueError: error when checking input:期望conv2d_20_input有4维,但得到形状为(360,1)的数组
当我传递单个值时,我得到的错误是:检查输入时出错:预期conv2d_16_input具有4维,但得到形状为(28,28,3)的数组
我试过重新处理数据。我已经尝试了单独的模型和1:1的训练,但仍然不起作用。
要预处理的代码
from tensorflow.python.keras.preprocessin
我有一个令人难以置信的简单算法,用"ValueError:当检查输入时出错:期望dense_4_input具有形状(无,5)但得到了与形状(5,1)的数组“.这是我正在运行的代码。
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense
x = np.array([[1],[2],[3],[4],[5]])
y = np.array([[1],[2],[3],[4],[5]])
x_val = np.arr
我用Tensorflow编写了机器学习教程,代码如下:
import tensorflow as tf
import numpy as np
from tensorflow import keras
model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
model.summary()
model.compile(optimizer='sgd', loss='mean_squared_error')
xs = np.array([-1.0, 0.0, 1
我在Keras中训练了一个输入维为15和输出维为1的模型,然后尝试预测单个输入np.array的输出,我选择了一个玩具示例np.arange(15)。但是,输入不被接受。有人能告诉我问题出在哪里吗?下面是一个简化问题的代码:
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
X = np.arange(15)
Y = 0
model = Sequential()
model.add(Dense(32, input_dim=15, activation='relu
我正在尝试复制好的工作并对其进行调整,以便从文件中读取真实的数据。我首先生成随机信号(而不是上面链接中提供的生成方法)。Unfortoutanyl,我无法生成模型所能接受的适当信号。
以下是代码:
import numpy as np
import keras
from keras.utils import plot_model
input_sequence_length = 15 # Length of the sequence used by the encoder
target_sequence_length = 15 # Length of the sequence predicted
我有一个包含多个输出的Keras模型。该模型的定义如下:
outputs=[]
main_input = Input(shape= (seq_length,feature_cnt), name='main_input')
lstm = LSTM(32,return_sequences=True)(main_input)
for _ in range((output_branches)): #output_branches is the number of output branches of the model
prediction = LSTM(8,return_s
我试图在Keras中创建一个带有Tensorflow后端的自动编码器。我跟随是为了制造我自己的。网络输入是任意的,即每个样本都是一个具有固定列数的2d数组(在本例中是12),但是行在4和24之间。
到目前为止,我尝试的是:
# Generating random data
myTraces = []
for i in range(100):
num_events = random.randint(4, 24)
traceTmp = np.random.randint(2, size=(num_events, 12))
myTraces.append(traceTmp
我正在使用Kaggle数据集开发一个数字分类器模型:https://www.kaggle.com/c/digit-recognizer/data?select=test.csv 当使用np.array对象拟合模型时,它工作得很好,但我不能传递tensorflow ds对象。下面是我使用ds对象进行训练/验证数据的代码: import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow import keras
from functools import partial
train_df = pd.
在运行加密货币RNN的sentdex教程脚本时,请在此处链接
,
但是在试图训练模型时遇到了一个错误。我的tensorflow版本为2.0.0,我正在运行python3.6。当试图训练模型时,我会收到以下错误:
File "C:\python36-64\lib\site-packages\tensorflow_core\python\keras\engine\training.py", line 734, in fit
use_multiprocessing=use_multiprocessing)
File "C:\python36-64\lib\site-
我很难将数据输入到预测和训练的简单角点模型中。我已经看过相关的问题了,但在花了6个小时试图自己解决这个问题之后,我仍然在努力解决这个问题。
进口和网络:
from tensorflow import keras
from tensorflow.keras.layers import Dense
from tensorflow import convert_to_tensor
from random import randint
model = keras.Sequential()
model.add(Dense(3, activation='relu', input_dim=
我正在尝试运行一个Keras模型,在该模型中,我将一个文件夹中的88张图像读取到一个numpy数组中。此数组应转换为Keras张量,以便我可以处理模型中的数据。我正在运行以下代码:
import os
import numpy as np
from PIL import Image
from keras import backend as K
current_dir = os.path.dirname('__file__')
image_names = os.listdir(os.path.join(current_dir, 'images'))
images
我正在尝试建立一个基于评论的电影评分预测。我使用带有tensorflow的Keras作为后端。我使用Anaconda下载了Tensorflow和keras。代码中的x和y是numpy数组。我正在尝试运行以下代码,
import tensorflow as tf
import keras
from keras.models import Sequential
from keras.callbacks import History
from keras.layers import Input, Dense, Dropout
from keras.layers import BatchNormali