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
我有一个具有通道最后配置的(300,226,226,3)形状的视频数据输入&我的输出是(300,1)存储为numpy数组格式。因为我不想一次加载所有的数据,因为它大约是120 it。我的代码非常简单:
import os
import sys
from random import shuffle
import numpy as np
import tensorflow as tf
from keras.layers import (BatchNormalization, Dense, Flatten, Input,
MaxPooli
在5个类的花卉数据集上训练TensorFlow模型时,我遇到了一些问题.有5个类别的花的3000+图片。我已经为TensorFlow-gpu安装了必要的库。显示资源耗尽了。
配置
2GBTensorflow-gpu==2.4.0Cuda11.0.1CuDNN8.2 intel i5 1135g7Nvidia mx330
Resource exhausted: OOM when allocating tensor with shape[32,728,14,14] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by a
我昨天更新了v2的消息。
在我遇到的所有警告之后,我将我从版本1到新API的所有代码进行了修改。
然而,对于fit_generator方法Model,我遇到了一些非常奇怪的问题。
以这个玩具为例,wich在版本1中工作得很好:
from keras.models import Model
from keras.layers import Input, Dense, Flatten
from keras.optimizers import SGD
from keras.losses import categorical_crossentropy
from keras.preprocessi
我正在尝试运行下面的玩具模型,以了解如何使用SparseCategoricalEntropy来解决分类问题。但是,我在说ValueError: Shapes (None, 2) and (None, 1) are incompatible时遇到了一个错误。
我的理解是,最后一层的输出是形状[batch_size,num_classes]的概率输出,其中每一行的总和为1,而为SparseCategoricalEntropy提供的真实预测是形状[batch_size]。
import tensorflow as tf
from tensorflow import keras
from tensor
我有2个GPU GTX1080和Keras v2安装。我在gpu0和gpu1上同时运行两个训练过程。但是,我有ResourceExhaustedError。
少了什么?
python多gpu-process.py --gpu_id=1 (ok)
python process.py --gpu_id=0 (ResourceExhaustedError )。(请帮忙)
# file: multi-gpu-process.py (2 training processes work on different GPUs)
import numpy as np
import os
你能帮我找出我的keras模型有什么问题吗,因为它从第二个时代开始就过度拟合了。代码如下:
import random
import pandas as pd
import tensorflow as tf
import numpy
from sklearn.preprocessing import LabelEncoder
from tensorflow.keras import backend as K
import glob, os
from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing im
我正在尝试重用前一层的权重矩阵。作为一个玩具示例,我想做这样的事情:
import numpy as np
from keras.layers import Dense, Input
from keras.layers import merge
from keras import backend as K
from keras.models import Model
inputs = Input(shape=(4,))
inputs2 = Input(shape=(4,))
dense_layer = Dense(10, input_shape=(4,))
dense1 = dense_la
我想自定义一个Keras损失函数,但我真的不了解一些东西。
如果我使用tensorflow作为Keras的后端,我需要使用keras.backend中的函数还是可以直接使用tensorflow中的函数。
我只看到人们使用来自keras.backend的函数的帖子,而不是来自tensorflow的函数(即使tensorflow有更多的函数)。有没有理由这样做呢?
举个玩具的例子:
from keras import backend as K
import tensorflow as tf
def loss_keras(y_true, y_pred):
square_error =
我正在将一个keras模型移植到torch上,并且在一个softmax层之后,我很难复制keras/tensorflow的'categorical_crossentropy'的确切行为。我有一些解决这个问题的方法,所以我只想了解tensorflow在计算绝对交叉熵时计算的是什么。
作为一个玩具问题,我建立了标签和预测向量。
>>> import tensorflow as tf
>>> from tensorflow.keras import backend as K
>>> import numpy as np
>
我正在使用Keras和TensorFlow后端来构建和运行一个神经网络。我需要在损失函数的输出张量上使用numpy函数。更具体地说,我的损失函数涉及查找最近的邻居,为此,我需要使用的Keras功能。我尝试使用K.eval()将输出张量转换为numpy数组。然而,当我尝试编译模型时,我相信这会抛出一个InvalidArgument错误,因为您不能在符号变量上运行eval()。
下面是一个重现此错误的玩具代码片段。
import numpy as np
from keras import backend as K
from keras.models import Sequential
from k
在其他框架中工作了一段时间后,我正在学习Keras,我有以下代码玩具代码示例: import keras.layers
import keras.models
import numpy as np
from keras.optimizers import Adam
import random
import os
import cv2
import tensorflow as tf
TrainingDirectory="/home/thijser/host/ImageConverter/trainingdata"
def main():
model = def
我最近从 running获得了深度学习docker,在尝试教程时,在导入keras layers模块时收到一个错误。
from __future__ import print_function
import keras
from keras.datasets import cifar10
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
f
我可以在keras中的每个训练批次开始时重新初始化或重置变量吗? 下面是一个玩具示例: import keras.backend as K
from keras.layers import Input
from keras.models import Model
from keras.optimizers import Adam
import numpy as np
x = Input(shape=(None, 4))
def toy_test():
m = K.zeros(shape=(16, 9), dtype="int32")
# computat
我花了很多时间在Tensorflow v.0和v.1上,现在我正在尝试Tensorflow v.2 keras模型。model.summary()看起来简单方便,但缺乏细节。
这是一个玩具的例子。假设我在下面定义了自定义层和模型(函数API样式和子类syle)。
请看下面的内容。我希望看到自定义层中的原始层,但是.summary()只显示浅层信息(只显示直接子层)。
玩具自定义层(层只是玩具定义):
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import (Dense, C
我想要创建一个简单的玩具模型的角角。模型应该接受一个输入,然后向每个元素添加一个1并产生一个输出。
我找到了一个使用keras的例子,但它需要两个输入。
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
# create model
input1 = layers.Input(shape=(2,))
input2 = layers.Input(shape=(2,))
added = layers.Add()([input1, input2])
model = ker