似乎在tensorflow keras中设置model.trainable=False除了打印错误的model.summary()之外什么也不做。以下是重现该问题的代码： import tensorflow as tfIMG_SHAPE = (160, 160, 3)
base_mode
浏览 93提问于2019-06-07得票数 0
1回答
关于微调的Keras 指出，“在调用基本模型时传递training=False，从而使BatchNormalization层保持在推理模式中是很重要的”。文件的后续工作有如下例子：from keras.applications.xception import Xception
base_model.trainable = False
浏览 3提问于2022-04-15得票数 1
回答已采纳
为了研究目的，我正在训练一种神经网络，它根据时代的奇偶性而不同地更新其权重：for epoch in range(nb_epoch):
model.trainable= True # Unfreeze the model model.trainable</
浏览 3提问于2017-11-07得票数 0
回答已采纳
1回答
以下内容来自Keras教程
这种行为是在TensorFlow 2.0中引入的，目的是使layer.trainable = False能够在convnet微调用例中产生最常见的行为。是因为tensorflow角的某些机制，还是由于批处理的规范化算法？我自己做了一个实验，我发现如果可训练不被设置为错误，这个模型往往会导致灾难性的忘记以前学过的东西，
浏览 2提问于2020-07-21得票数 4
回答已采纳
1回答
我有两个Keras网络。为了解释一下我的模型和GAN很相似。因此，我们有一个鉴别器(D)和一个生成器(G)。显然，为了训练(G)，应该冻结(D)层。如果我用D.trainable = False冻结它们，那么当我训练(D)的时候，我应该反转这个参数吗？如何才能做到这一点？有什么解释吗
浏览 0提问于2018-12-10得票数 1
回答已采纳
我想知道我应该如何解释keras库模型摘要的以下结果。下面的结果来自keras版本2.3.1。从收到的答案来看，这似乎是一个bug特性，其行为取决于包版本。下面是我从tensorflow <em
浏览 3提问于2020-05-11得票数 2
回答已采纳
我想在python3.7中使用tensorflow版本2.4.0-dev20201009。我的数据集在子文件夹“data\Image”中。图像的标签是介于1和5之间的浮点数，可以从子文件夹“allTestData.csv”中读取。
使用30 %的验证分割来读取数据的最佳方法是什么？到目前为止，我想使用tf.keras.preprocessing.image_dataset_from
浏览 1提问于2020-10-11得票数 0
下面的代码将首先从我的语料库中创建一个taggs列表，然后根据这些列表提供向量。rate # fix the learning rate, no decay当我尝试使用可用的文档保存它时3914941631.py in <module> 7
----> 8 tf.<em
浏览 9提问于2022-02-24得票数 1
回答已采纳
我正在尝试使用restore_best_weights EarlyStopping，但是每当我尝试使用Keras时，它都会出现一个错误： _init_() got an unexpected keywordargument 'restore_best_weights' 我使用的是最新的Keras，所以我真的不确定为什么会发生这种情况。
浏览 107提问于2020-04-13得票数 0
我是深度学习和tensorflow的新手，现在正在尝试通过以下示例代码来学习如何基于函数API (而不是keras)实现深度学习代码。在我正在查看的代码中，我发现了“gradients=tape.gradient(loss，model.trainable variables )”的来源。我直观地理解了可训练变量的含义，然而，为了清楚地理解，我尝试在tensorflow文档中搜索(方法属于哪个模块或类
浏览 86提问于2020-07-17得票数 0
回答已采纳
我想要创建一个定制的keras层，它可以在培训期间做一些事情，也可以用于验证或测试。from tensorflow import kerasfrom keras.layers import Layer
model.fit(X_train, y_train, vali
浏览 0提问于2019-08-09得票数 3
回答已采纳
我正在使用tensorflow 2.0在tf.keras中训练一个模型。我遇到了一个问题，我的模型似乎训练得很成功，但它并没有迭代整个数据集。I将代码重组为tensorflow 1.15，我在tensorflow 1.x中没有这个问题。我是跟随为多输入系列。以下是更多细节：当我在Tf1.15中</em
浏览 12提问于2019-11-12得票数 1
回答已采纳
工作良好的w/ import keras.backend as K，但失败的import tensorflow.keras.backend as K。 w/部分解决方案import tensorflow.keras.backend as Kfrom tensorflow
浏览 0提问于2019-11-22得票数 2
回答已采纳
我们正在TensorFlow 1.x之上使用Keras。但是现在TF2.0即将到来，我们正在考虑使用内置在TF2.0中的Keras实现来进行更新。但是在我们这么做之前，我想问你们:你们知道Tf2.0中的Keras实现是否支持Tf1.0的所有本地Keras，还是缺少任何特性？此外，我是否能够在Keras的新TF2.0实现中使用我的Keras代码1:
浏览 0提问于2019-09-05得票数 0
回答已采纳
1回答
我正在使用DNA序列上的神经网络进行分类，其中输入以一种热编码进行编码。model.add(Dense(2, activation='sigmoid'))
问题是它返回的结果总是相同的因此，我尝试查看全局平均层的输出。我发现输出几乎是相同的，例如，只考虑一个值，它从0.17484到0.17
浏览 23提问于2021-05-22得票数 0
1回答
我是深度学习的新手，我碰巧把Keras和tensorflow搞混了。知道tensorflow是一个框架，Keras是一个库，使用这两个深度学习工具有什么区别。
浏览 1提问于2018-03-08得票数 0
2回答
嗯，我开始学习Tensorflow，但我注意到关于如何使用这个东西有太多的困惑。首先，一些教程使用低级API tf.varibles和scopes...etc呈现模型，但其他教程使用Keras代替，例如使用张量板调用回调。其次，拥有大量重复API的目的是什么，当你有低级构建乐高积木模型时，使用Keras这样的高级API背后的真正目的是什么？最后，使用急切执行的真正
浏览 3提问于2018-10-25得票数 0
问题总结但是当我调用model.summary()时，没有任何层，只有参数存在。当我调用model.layers时，返回的是空列表。x = Dense(20, name = 'dense2')(x)model = keras.models.ModelNon-tra
浏览 2提问于2021-06-12得票数 0
我正在使用tensorflow后端加载inceptionV3 keras net。加载保存的权重并将所有层的可训练标记设置为false后，我尝试拟合模型，并期望看到一切稳定。但验证损失随着每个时期的增加而增加(和准确率下降)，而训练损失和准确率确实如预期的那样稳定。
有人能解释这种奇怪的行为吗？我认为它与批处理归一化层有关。
浏览 1提问于2016-12-19得票数 1
我使用以下内容:Python3.6.4Keras = 2.3.0， callbacks.model.stop_training = <
浏览 15提问于2019-09-19得票数 18
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
