keras

0熱

1答えて

私の挑戦は、ニューラルネットワークを訓練して、異なるクラスのタスクに対する特定のアクションやイベントを認識させることです。トレーニングニューラルネットワークが0または1または[0,1]の場合、ほとんどの入出力がわかります。しかし、私のシナリオでは、私の入力が任意に大きい整数の形になり、同じ形式が出力に期待されます。例を挙げましょう：入力 X = [ 23, 4, 0, 1233423, 1,

3熱

1答えて

tf.session.runのネットワーク出力は、keras.Model.predictで取得したネットワーク出力と大きく異なります。

Tensorflowセッションを通じてKerasモデルを使用しようとしています。しかし、結果はmodel.predictとsess.runと異なります。 Tensorflowセッションを通じてKersモデルと連携する方法はありますか？ Tensorflowバージョン：1.4.0 Kerasバージョン：2.1.1 from sklearn.datasets.samples_generator imp

0熱

1答えて

GPUのみが使用されています1-5％Tensorflow-gpuとKeras

gpuのテンソルフローがインストールされました。私のCNNにケラスを使用しています。トレーニング中に私のGPUは約5％しか使われていませんが、6gbのVramのうち5本がトレーニング中に使用されています。コンソールに0.000000e + 00が表示され、gpuが100％になることがありますが、数秒後には、トレーニングが5％に戻ります。私のGPUはZotac gtx 1060 miniで、Ryze

4熱

1答えて

訓練されたモデルの配布方法は？

私はKerasを使用して作られている私の訓練を受けた深い学習モデルを配布したいです。パートナーは、私がこれをどのように行うことができます ...などなどのpythonをインストールするような複雑な環境構築、keras、なしでそれを使用したいですか？ .exeファイルを作成する必要がありますか？

2熱

1答えて

ケラス - レイヤー間の差_by_depthとレイヤー

モデルレイヤーの数を計算します。私は2つのメソッドを使用します。 len(model.layers) と len(model.layers_by_depth) を、私は異なる結果が得られます。 layers_by_depthとlayersの違いは何ですか？ありがとうございました！

2熱

1答えて

kerasの反復層でオプションの引数 "定数"は何をしますか？

私はkerasを使ってカスタマイズされたシーケンスからシーケンスへのモデルを構築することを学んでおり、他の人が書いたコードを読んでいます。たとえばhereです。私は定数に関する呼び出しメソッドで混乱してしまった。ケラス"Note on passing external constants to RNNs"がありますが、私は定数が何をモデルにしているのか理解するのが面倒です。私はattention

0熱

1答えて

私の最初の深いネットワーク

これは私の最初の深い神経ネットワークであり、私はこのコードに問題があるそれを実装している間。エラーの横にあるコードは遅く、別のものです。ここではコードです：ここでは import matplotlib.pyplot as plt import pandas as pd import numpy as np from keras.models import Sequential fro

-3熱

1答えて

ケラスロスとval_lossの増加

私はケアでLSTMを使ってチャットボットを学習させます。 contextTrain, contextTest, utteranceTrain, utteranceTest = train_test_split(context, utterance, test_size=0.1, random_state=1) model = Sequential() model.add(LSTM(input_

0熱

1答えて

はTypeError：オブジェクト.__新しい__（_ hashlib.HASH）が安全ではない、_hashlib.HASHを使用.__新しい__（）

私はkerasでResNetを養成しようとしています、tensorflow 私が使っていたモデルはResNet50 Iでありますトレーニングプロセスにケラスチェックポイントを追加すると、このエラーメッセージが表示されます。ここに私のコードです： def train(batch_size, nb_classes = 5): x_train, y_train, x_test, y_tes