100行のデータが20行5列に分割されたニューラルネットモデルを構築したいと思います。最初の20行のデータ(すなわち第1のスタック)に基づいたニューラルネットを作成し、モデルを保存し(ウェイトなど)、更新されたモデルに次のスタック(次の20行、すなわち行番号21-40)以前のモデルから)などがあります。誰かがこのようなタイプのニューラルネットワークと呼ばれるものを教えてもらえますか? 私はバッチですべてのデータを反復した最初のニューラルネットを昨日試しました(私は複数回ではなく1回に発生すると考えています)。Pythonニューラルネットワークコード(Keras)の問題
私はPythonでKeras(Tensorflowバックエンド)を使用して作成したNeural Netは、誰かが私の要件として次のモデルを作るための編集を提案できますか?
# Create first network with Keras
from keras.models import Sequential
from keras.layers import Dense
import numpy
import pandas as pd
# from sklearn.cross_validation import train_test_split
from sklearn.model_selection import train_test_split
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load dataset
raw_data = pd.read_excel('Data.xlsx',sep=',')
df = raw_data.iloc[:,0:2]
df = pd.get_dummies(df)
rows,cols = df.shape
output_dim = 7 # No. of Output Dimensions/Categories
#Splitting Data in Training & Testing
X_train,X_test,y_train,y_test = train_test_split(df.iloc[:,0:cols-output_dim],df.iloc[:,cols-output_dim:cols],test_size=0.2,random_state=seed)
X = X_train.as_matrix()
X_test = X_test.as_matrix()
Y = y_train.as_matrix()
Y_test = y_test.as_matrix()
# create model
model = Sequential()
model.add(Dense(X.shape[1], input_dim=X.shape[1], activation='relu')) #Input Layer
model.add(Dense(X.shape[1], activation='relu')) #Hidden Layer
model.add(Dense(X.shape[1], activation='relu')) #Hidden Layer
model.add(Dense(X.shape[1], activation='relu')) #Hidden Layer
model.add(Dense(output_dim, activation='softmax')) #Output Layer
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X,Y,nb_epoch=10, validation_data=(X_test,Y_test), batch_size=83,verbose=1)
# evaluate the model
loss, accuracy = model.evaluate(X1, Y1)
print("\nValidation Data [Loss: %.2f, Accuracy: %.2f%%]" % (loss, accuracy*100))
ええ、あなたが正確に私が欲しかったことを得ました、確かに私はそれを試みますが、なぜあなたはbatch_size = 10を取るべきですか? –
申し訳ありませんが、それはタイプミスでした - 私はもちろん、20を意味しました! –
さて、私の場合、もう1つの事は、1つのミニバッチですべてのエポックを完了させ、ウェイトを更新し、更新されたウェイトを使用して2番目のミニバッチを進めたいと思います。 –