Keras设置数据集
Keras是一个开源的深度学习框架，用于构建和训练神经网络模型。在Keras中设置数据集涉及到数据的加载、预处理和划分等步骤。
- 数据集加载：Keras提供了多种方式加载数据集，包括从本地文件加载、从网络下载、从内置数据集加载等。常用的方法是使用
keras.datasets模块中的函数加载内置数据集，例如keras.datasets.mnist.load_data()可以加载MNIST手写数字数据集。 - 数据预处理：在加载数据集后，通常需要进行一些预处理操作，以便更好地适应模型的训练。常见的数据预处理操作包括归一化、标准化、图像增强等。Keras提供了一些工具函数和类来方便进行数据预处理，例如
keras.utils.normalize()可以对数据进行归一化处理。 - 数据划分：在训练模型时，常常需要将数据集划分为训练集、验证集和测试集。Keras提供了
train_test_split()函数来实现数据集的划分，可以指定划分比例或指定样本数量。
Keras相关产品和产品介绍链接地址：
总结：Keras是一个强大的深度学习框架，用于构建和训练神经网络模型。在设置数据集时，可以使用Keras提供的函数加载数据集，进行数据预处理和划分。腾讯云提供了丰富的AI服务和产品，可以与Keras结合使用，但具体的产品和链接地址需要根据实际需求进行选择。
相关·内容
1回答
使用Tensorflow + Keras的对象检测项目(根架构)。图像样本大小对模型的精确训练？
tensorflow、image-processing、keras、deep-learning、object-detection
我目前正在大学做一个项目，在那里我们使用python + tensorflow和keras来训练图像对象检测器，以检测拟南芥根系统的不同部分。
我们目前的结果非常糟糕，因为我们目前只有大约100幅图像来训练模型，但是我们目前正在努力培养更多的植物，以便获得更多的图像(更多的数据)来训练tensorflow模型。
我们实现了以下Mask_RCNN模型：，我们希望检测三个对象类别:茎、主根和次级根。但该模型在二次根的位置检测不正确。它应该能够检测到这样的东西：
培训我们现在正在使用的根数据集：
用于训练神经网络精确结果的通常样本大小是多少？
浏览 0提问于2018-09-27得票数 1
回答已采纳
1回答
通过看不见的数据评估keras模型的方式是否正确
keras、neural-network
我研究了Keras并创建了我的第一个神经网络模型，如下所示： from keras.layers import Dense
import keras
from keras import Sequential
from sklearn.metrics import accuracy_score
tr_X, tr_y = getTrainingData()
# NN Architecture
model = Sequential()
model.add(Dense(16, input_dim=tr_X.shape[1]))
model.add(keras.layers.advanced_ac
浏览 9提问于2019-06-24得票数 0
回答已采纳
1回答
如何将自定义数据集加载到keras而不是cifar10中？
python、tensorflow、keras、dataset、tf.keras
我正在研究python中的神经网络和图像识别，并遵循。他们使用：from keras.datasets import cifar10来获取用于测试的图像。所以我的问题是：
如何使用自己的本地映像导入自定义数据集？
如何构造文件以使其正确加载？
提前感谢！
浏览 5提问于2020-08-09得票数 1
2回答
Tensorflow Keras模型和Estimator有什么不同？
tensorflow、keras、tensorflow-estimator
Tensorflow Keras模型和Tensorflow估计器都能够训练神经网络模型，并使用它们来预测新数据。它们都是建立在低级核心TensorFlow应用程序接口之上的高级API。那么我应该在什么时候使用一个而不是另一个呢？
浏览 6提问于2018-07-21得票数 59
回答已采纳
3回答
Keras: rescale=1./255 vs preprocessing_function=preprocess_input -使用哪个？
python、tensorflow、keras
背景
我发现了相当多的代码示例，人们要么使用rescale=1./255预处理图像数据，要么使用preprocessing_function将其设置为他们在ImageDataGenerator中使用的相应模型的preprocess_input。
虽然keras-blog ()使用这种方法...
ImageDataGenerator(rescale=1./255, ...
..。Keras文档()使用这种方法：
from keras.applications.vgg19 import preprocess_input
ImageDataGenerator(preprocessing_functi
浏览 3提问于2019-02-15得票数 8
2回答
在Keras中，x_train和x_test有什么区别？
python、keras、conv-neural-network
我看了几个教程来深入研究Keras，以便使用卷积神经网络进行深入学习。在本教程(以及Keras的官方文档中)中，MNIST数据集的加载方式如下：
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
然而，没有解释为什么我们有两个元组的数据。我的问题是:什么是x_train 和 y_train ，以及它们与 x_test 和 y_test counterparts有什么不同？
浏览 0提问于2017-09-29得票数 13
回答已采纳
1回答
从MNIST数据集中更改训练和测试集的大小
python、keras、mnist
我正在使用MNIST和Keras来学习CNN。我正在下载Keras API下的MNIST手写数字数据库，如下所示。数据集已经被分成60.000个图像用于训练，10.000个图像用于测试(参见Dataset - Keras Documentation)。 from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data() 我如何加入训练和测试集，然后将它们分成70%用于训练，30%用于测试？
浏览 64提问于2019-01-23得票数 6
回答已采纳
1回答
重用训练和预测之间的转换
tensorflow、tensorflow-serving
我想对我的训练数据集应用词干分析。我可以在tensorflow之外执行此操作，作为训练数据准备的一部分，但是在调用(存储的)模型之前，我需要对预测请求数据执行相同的过程。
有没有一种方法可以在tensorflow本身中实现这种转换，以便转换既用于训练又用于预测？
如果转换需要整个数据集的知识，例如标准化，这个问题就会变得更加恼人。
浏览 2提问于2018-03-31得票数 1
1回答
用Sigmoid激活函数训练MNIST数据集
python、matrix、scipy、neural-network、mnist
根据的说法，使用Python和Numpy，我想把MNIST数据集训练成一个能够识别手写数字的神经网络。我明白逻辑，但我现在有个问题。
在本教程中，测试用例是AND逻辑门，由于数据量小，它工作得很好。但是我使用的是MNIST数据库，每个图像都有28*28维数，当我把它们转换成一个向量时，我就得到了N*784矩阵。如果我有一个784*1矩阵作为weight matrix，当我将它与输入矩阵相乘时，得到的数字将是非常小或非常大的数(负数或正数)，因为我使用了Sigmoid激活函数，我的所有数据在第一次学习周期被分成两部分，1和0，但我需要慢慢收敛的小数字。
例如，我在乘法后得到这些数字：-569.8
浏览 3提问于2016-11-26得票数 0
回答已采纳
2回答
语义图像分割神经网络(DeepLabV3+)的内存过多问题
python、tensorflow、keras、semantic-segmentation、deeplab
我首先解释我的任务:我有来自两种不同方法的近3000张图片。它们包含绳索1、绳索2和背景。我的标签/蒙版是图像，例如，像素值0代表背景，1代表第一个绳索，2代表第二个绳索。你可以在下面的图片1和2上看到输入图片和地面实况/标签。请注意，我的地面实况/标签只有3个值: 0，1和2。我的输入图片是灰色的，但对于DeepLab，我将其转换为RGB图片，因为DeepLab是在RGB图片上训练的。但我转换后的图片仍然不包含颜色。 ? ? ? 这项任务的想法是，神经网络应该从绳索中学习结构，这样即使有knote，它也可以正确地标记绳索。因此，颜色信息并不重要，因为我的绳索具有不同的颜色，因此很容
浏览 83提问于2019-02-21得票数 6
回答已采纳
1回答
对整个输入进行ML/DL预测，而不是逐行预测
tensorflow、machine-learning、keras、neural-network、multiclass-classification
我有一个测量各种特征的传感器的表格数据。当传感器处于“关闭”状态时，它将报告0作为值。为了进行分类，我正在训练一些机器学习模型kNN、XGBoost和NN。这是我面临的问题:我可以逐行训练和预测；然而，将范围分类为整体比逐行分类更好。另一个问题是范围的大小可能会有所不同。有关一个非常基本的示例，请参阅此图说明范围。 ? 我有一个基本的Keras模型： model = Sequential()
model.add(Dense(100, activation='relu'))
model.add(Dense(100, activation='relu'))
m
浏览 26提问于2020-12-08得票数 0
2回答
在神经网络中寻找最优学习速率和学习周期
python、tensorflow、machine-learning、keras、neural-network
我创建了一个单层神经网络，它有两个输出(每个类一个，0或1个)，使用sigmoid方法和SGD优化器进行训练。我也训练过没有任何隐藏层的神经网络。此外，我还用4分片的StratifiedKFold验证了模型的性能。训练的模型是用lr=0.1和epochs=150设计的，但是，我不知道这些值是否在优化模型。由于这个原因，我想运行20个组合的学习速率参数和时代，以看到最准确的结果和这些参数的组合，我得到它。限制规定如下：
历元: 10到150学习率的数值:0.0 1到1之间的值
请参阅下面的代码：
from sklearn.model_selection import StratifiedKFol
浏览 0提问于2019-11-25得票数 0
回答已采纳
我已经使用EMNIST byclass数据集通过加载训练和测试数据的.csv文件以及数字(0-9)和字母(A-Z，a-z)分类的标签来训练我的模型。我得到了大约87%的模型评估准确率。但是，当我使用keras load_model()使用最佳保存的模型权重(.hdf5)时，它给出了奇怪的结果，就好像没有进行任何训练一样。但是在加载模型之后，如果我运行模型评估，iyt仍然会给我87%的准确率。
那么，在对任何新图像进行预测时，如果我得到错误的预测，会出现什么问题？
谢谢
浏览 92提问于2018-02-09得票数 -1
2回答
Keras的validation_split参数是如何拟合函数的？
keras、data、cross-validation
验证- Keras模型拟合函数中的拆分在https://keras.io/models/sequential/上记录如下：
validation_split:浮动在0到1之间。用作验证数据的训练数据的一部分。该模型将划分这部分培训数据，不对其进行培训，并将在每个时代结束时评估该数据的损失和任何模型度量。验证数据是在洗牌前从所提供的x和y数据中的最后一个样本中选择的。
请注意最后一行：
验证数据是在洗牌前从所提供的x和y数据中的最后一个样本中选择的。
这是否意味着验证数据总是固定的，并从主数据集的底部获取？
是否可以从主数据集中随机选择给定的数据部分？
浏览 0提问于2018-09-30得票数 45
回答已采纳
2回答
在经过训练的tensorflow keras模型中添加重新标度层(或任何相关层)
python、tensorflow、machine-learning、keras、tf.keras
我用tensorflow 2.3训练了tensorflow keras模型。该模型以图像作为输入，但是模型经过了缩放输入的训练，因此在将它们输入到模型中之前，我们必须将图像缩放到255。
当我们在各种平台上使用这个模型时，我试图通过修改模型来简化它，只需在keras模型的开头插入一个渐升层(即在输入之后)。因此，该模型今后的任何消耗都可以简单地传递图像，而不必对其进行缩放。
我很难把这件事办好。我知道我需要使用以下功能来创建一个重标度层；
tf.keras.layers.experimental.preprocessing.Rescaling(255, 0.0, "rescaling&
浏览 2提问于2021-02-15得票数 3
回答已采纳
我试图训练我的深度神经网络来识别手写数字，但我一直收到标题中前面提到的错误，我不知道为什么。
我尝试改变"x_train“和"y_train”的形状，但没有改变结果。model.add(Flatten())也不起作用。
import matplotlib.pyplot as plt
import keras
from keras import optimizers
from keras.models import Sequential
from keras.layers import Dense, Activation, Flatten
from keras.datasets
浏览 13提问于2019-08-09得票数 0
回答已采纳
1回答
如何描述利用现有权重训练深度学习模型的过程？
machine-learning、deep-learning、keras
我有权值，用于初始化卷积神经网络模型的训练，如下(在Keras中)：
model = load_model("my_weights.hdf5")
现在，我想重新运行整个模型与进一步的数据增强和培训使用这些加载的权重。我想知道这是否可行的方法。而且，这会被认为是微调吗？还是转移学习？
浏览 0提问于2018-02-12得票数 0
1回答
AlexNet在web图像上运行良好，但在移动图像上效果不佳
android、deep-learning
我已经使用alexNet训练了一个深度学习模型来对汽车模型进行分类。这些数据是从网上收集的，包括谷歌图片，flicker，..等。
该模型在一个单独的测试集上进行了测试，该测试集来自网络“许多来自flicker”，它工作得很好。然而，我已经建立了一个简单的android应用程序，它拍摄了一张‘风景模式’的照片，并将其发送到服务器以识别汽车。在移动图像上的性能非常差。我已经用在imageNet上训练的alexNet模型测试了这些图像，但该模型没有正确回答这些图像。
我想知道，在应用移动图像时，我是否遗漏了任何想法。
谢谢。
浏览 1提问于2017-01-18得票数 0
1回答
tf.keras.preprocessing.image.ImageDataGenerator与tf.data
python、tensorflow、keras、distributed-computing、distributed-training
我正在阅读关于高效加载大数据的不同技术。与tf.keras.preprocessing.imageImageDataGenerator.相比，tf.data的性能似乎很好
据我所知，tf.data使用CPU流水线来有效地加载数据并对其进行处理，因此模型训练是连续和快速的。但我不明白这两种技术有何不同，又有何不同。如果有人能解释这一点，我将不胜感激。
浏览 1提问于2020-03-31得票数 3
1回答
如何利用Keras训练和调整人工多层感知器神经网络？
python、machine-learning、neural-network、keras
我正在使用Keras构建我的第一个人工多层感知器神经网络。
这是我的输入数据：
这是我用来构建初始模型的代码，它基本上遵循Keras示例代码：
model = Sequential()
model.add(Dense(64, input_dim=14, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(64, init='uniform'))
model.add(Activation('tanh')
浏览 3提问于2016-01-08得票数 4
回答已采纳
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
活动推荐
腾讯云开发者
