-
0 votesanswersviews
Keras&tensorflow:如何获得可微分张量?
我的代码(高斯和make_kernel函数来自:https://github.com/keras-team/keras/issues/3720用于测试) . reshape_out 是(?,21,3) . 21 * 3个元素是21个3D位置 . 我需要投影这21个位置来生成热图,应该是(?,32,32) . 投影后,32 * 32热图中约有21个 . 我不知道如何在张量流中做到这一点 . 然... -
0 votesanswersviews
如何将caffe图层转换为keras图层?
我在caffe prototxt文件中找到了以下图层: layer { name: "before_proj" type: "Silence" bottom: "xxxbefore_proj" } layer { name: "1_before_proj" type: "InnerPro... -
0 votesanswersviews
Keras模型:TypeError:无法pickle _thread.lock对象
我在PySpark中使用训练有素的Keras模型时遇到了麻烦 . 使用以下版本的库: tensorflow==1.1.0 h5py==2.7.0 keras==2.0.4 另外,我使用Spark 2.4.0 . from pyspark.sql import SparkSession import pyspark.sql.functions as func from keras.models i... -
0 votesanswersviews
ValueError:Shape(?,21,2)必须在tf.SparseTensor中具有等级2
我的代码: def f(x): import tensorflow as tf print('x.shape={0}'.format(x.shape)) idx = K.cast(x[:, :, 0:2]*15.5+15.5, "int64") print('idx.shape={0}'.format(idx.shape)) st_z =... -
0 votesanswersviews
为什么卡在变量中 . 在张量流中变化
我的代码: output3d = Dense(21*3, name='imediate_3d', activation='tanh')(output3d) reshape_out = Reshape((21, 3), input_shape=(21*3,), name='reshape_to_21_3')(output3d) def proj_output_shape(shp): re... -
0 votesanswersviews
tf.sparse_to_dense:形状必须是等级1但是等级0
我的代码: def f(x): try: import tensorflow as tf # x is (None, 10, 2) idx = K.cast(x*15.5+15.5, "int32") z = tf.sparse_to_dense(idx, 32, 1.0, 0.0, name='spars... -
0 votesanswersviews
用另一个张量的索引/坐标信息更新张量
我需要完成一个Keras自定义图层 . 输入为10(x,y) - 坐标为10点 . 输入张量为 in_tensor (?, 2, 10) . 还有另一个张量 out_tensor (?, 32, 32) . 我需要用 in_tensor 的坐标更新 out_tensor . 例如,如果 in 中有 (2, 10) ,我需要将 out_tensor 的(2,10)元素更新为1.0 . ... -
0 votesanswersviews
如何在Keras自定义层中处理实际输入数据而不是张量
部分代码: output3d = Dense(5*2, name='imediate_2d', activation='tanh')(output2d) def f(x): # there are 10 numbers in input. 10 numbers are position information for 5 points. # this function should... -
0 votesanswersviews
tensorflow / keras中tf.scatter_nd中的维度错误
我的代码: reshape_out = Reshape((21, 3), input_shape=(21*3,), name='reshape_to_21_3')(output3d) def proj_output_shape(shp): return (None, 32, 32, 1) def f(x): import tensorflow as tf batch_s... -
1 votesanswersviews
从预训练的keras模型中移除图层会提供与原始模型相同的输出
在一些特征提取实验中,我注意到'model.pop()'功能没有按预期工作 . 对于像vgg16这样的预训练模型,在使用'model.pop()'之后,model.summary()显示该图层已被删除(预期的4096个特征),但是在通过新模型传递图像时,它会产生相同的结果 . 作为原始模型的特征数(1000) . 无论移除多少层(包括完全空模型),它都会生成相同的输出 . 寻找关于可能是什么问题的... -
0 votesanswersviews
使用keras对具有光晕效应的图像进行图像分类
我正在尝试构建一个分类器来对与其他人有光环效应的图像进行分类,我已经构建了一个keras模型: model = Sequential() model.add(Convolution2D(32, (3, 3),kernel_initializer=glorot_normal(), input_shape=input_shape)) model.add(Activation('relu')) mo... -
3 votesanswersviews
创建使用keras减少通道大小的自定义激活时出错
我用keras创建了一个自定义激活函数,它将通道大小减少了一半(最大特征映射激活) . 以下是代码的部分内容: import tensorflow as tf import keras from keras.utils.generic_utils import get_custom_objects from keras.models import Sequential from keras.lay... -
2 votesanswersviews
如何在不制作模型的情况下使用Keras图层
我想在不制作模型的情况下使用Keras图层pooling layers . 每当我看到与Keras相关的示例时,我都会以模型形式看到它们,如下所示: model = Sequential() model.add(Conv2D(2, kernel_size=(3, 3),activation='relu', input_shape=input_shape)) mod... -
0 votesanswersviews
ZeroPadding Dynamic for step> 1并在Keras中访问尺寸无的张量的实际形状
我正在尝试实现一个动态零填充,以便在经过大于1的卷积层后保持恒定张量的第二个维度,输入张量具有以下形状(batch_size,time_step,50),我需要时间步长尺寸不会被卷积层改变 . 我尝试使用'相同'填充,但是当stride> 1时,这不起作用,所以我为ZeroPadding创建了一个自定义图层,它适用于具有形状的张量(无,100,50),(无,120, 50),(无,60,50... -
-4 votesanswersviews
Keras神经网络中的精度@n和Recall @ n
基本上,我想计算精度的最高k @ n并回忆keras神经网络中每个时期的@n . 经过长时间的搜索,我找到了自定义功能...... def precision(y_true,y_pred): true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1))) predicted_positives = K.sum(K.round(K.cli... -
0 votesanswersviews
如果只给出最后一个轴的指数,如何有效地屏蔽张量流中的张量?
想象一下,我有一个形状张量 (batch_size, a, ... , c, d, e) 其中a,...,c,d,e是定义的整数 . 例如 (batch_size, 500, 3, 2, 2, 69) 或 (batch_size, 2, 2) . 我的问题是所有的张量,但让我们坚持 tensor1.get_shape() = (?, 500, 3, 2, 2, 69) 的例子 鉴于我有 tens... -
0 votesanswersviews
使用Keras图像生成器进行数据增强使得训练非常缓慢
我有一个大数据集 . 数据大约是100k . 我使用 ImageDataGenerator 进一步扩充了数据 . 但它使训练过程非常缓慢 . 没有keras图像生成器功能,训练过程大约需要3分钟,但是当我使用ImageDataGenerator功能时,花了大约3个小时 . 我用这个代码进行图像增强 . 如何提高性能? datagen = ImageDataGenerator(horizontal_... -
1 votesanswersviews
Keras的多级多标签分类
我正在尝试使用Keras训练多任务多标签分类器 . 输出层是两个输出的分支 . 每个输出层的任务是预测其任务的类别 . y向量是OneHot编码的 . 我正在为我的数据使用自定义生成器,将列表中的 y 数组生成 fit_generator 函数 我在每一层使用 categorigal_crossentropy 损失函数 fork1.compile(loss={'O1': 'categorica... -
3 votesanswersviews
使用Keras中的一个热编码创建模型
我正在研究句子分类问题并尝试使用Keras解决 . 词汇表中的唯一单词总数为36 . 在这种情况下,总词汇是[W1,W2,W3 .... W36] 所以,如果我的单词为[W1 W2 W6 W7 W9],如果我对它进行编码,我会得到一个numpy数组,如下所示 [[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ... -
3 votesanswersviews
自动编码器最后一层中的Keras维度不匹配
我想重用https://blog.keras.io/building-autoencoders-in-keras.html中的卷积自动编码器(带有10位数/类别的mnist数据集)并将其放入修改后的版本中,其中图像是使用ImageDataGenerator从diretories加载的 . 我的数据只有两个类,也许这就是问题,但我不知道要解决它... from keras.preprocessing... -
3 votesanswersviews
如何在Keras 2.0中使用InceptionV3瓶颈作为输入
我想在Keras中使用InceptionV3来利用瓶颈进行转移学习 . 我已经使用了一些关于创建,加载和使用瓶颈的技巧来自https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html 我的问题是我不知道如何使用瓶颈(numpy数组)作为具有新顶层的InceptionV3... -
0 votesanswersviews
Keras交叉验证准确度在每个时期之后稳定在(1 / output_classes)
我目前正在尝试使用大量扬声器训练DNN进行语音识别,每个扬声器都有自己的标签(output_classes =扬声器总数) . 我的数据库现在有300个扬声器,Keras型号摘要如下: 1240(输入大小) - > 256隐藏 - > 256隐藏 - > 256隐藏(0.5丢失) - > 256(0.5丢失) - > Softmax(300) 我正在批量提供数据(... -
5 votesanswersviews
Keras中初始v3的预处理功能
这是Keras中初始v3的预处理功能 . 它与其他模型预处理完全不同 . def preprocess_input(x): x /= 255. x -= 0.5 x *= 2. return x 1. Why there is no mean subtraction? 2. Why there is no RGB to BGR? 3. Mapping betwee... -
0 votesanswersviews
Keras层输出尺寸的计算
我目前正在尝试使用theano后端在Keras中实现GoogLeNet架构(InceptionV1),因为我想使用GoogLeNet模型为CUB数据集生成功能 . 我在Keras here找到了一个实现 . 但是,它基于早期版本的Keras,我不得不根据Keras版本2对图层进行更改 . 现在,模型正确构建 . 但是,predict()函数失败,错误为 ValueError:CorrMM图像和内... -
2 votesanswersviews
如何在keras空间金字塔池网中使用model.fit
SPP网用于可变尺寸的输入图像 . 在here中的keras中的SPP Net实现使用两个model.fit用于两种尺寸的图像 . 我有278个不同大小的图像,所以在这种情况下如何使用model.fit?以及两个model.fit使用后如何计算效率和其他性能参数?我引用了一些来自spp paper的行,作者在那里写道 对于单个网络接受可变输入大小,我们通过共享所有参数的多个网络来近似它,而使用固定... -
4 votesanswersviews
使用“Flatten”或“Reshape”在keras中获得未知输入形状的1D输出
我想在模型的末尾使用keras层 Flatten() 或 Reshape((-1,)) 来输出像 [0,0,1,0,0, ... ,0,0,1,0] 这样的1D向量 . 可悲的是,由于我未知的输入形状存在问题,因为:input_shape=(4, None, 1))) . 所以通常输入形状是 [batch_size, 4, 64, 1] 和 [batch_size, 4, 256, 1] 之间的... -
3 votesanswersviews
在keras实施对抗性训练
我想用分类器实现一个对抗网络,该分类器的输出连接到一个对手,该对手必须根据分类器的输出猜测分类器输入的特定特征(一个讨厌的参数)(详细描述这样的一个)对抗性网络可以在本文中找到:learning to pivot with adversarial networks 然后将对模型进行如下训练: 批量训练对手(分类器将被修复) 冻结对手 训练整个模型,同时对手被批量冻结 解冻对手 ... -
2 votesanswersviews
如何在Keras中使用categorical_hinge?
也许是一个非常愚蠢的问题,但我找不到一个如何在Keras中使用categorical_hinge的例子 . 我做分类,我的目标是 shape(,1) ,值为[-1,0,1]所以我有3个导管 . 使用功能API我已经设置了我的输出层,如下所示: output = Dense(1,name ='output',activation ='tanh',kernel_initializer ='lecun... -
1 votesanswersviews
Keras中多输出模型的验证损失和验证数据
我想在Keras中训练一个输入和两个输出的模型,但是我在验证设置方面遇到了一些问题 . 1)Keras functional API documentation表示当有多个输出时,model.fit可以将numpy数组列表作为输出 . 但是,对于model.fit的validation_data参数,它表示模型可以接受形式的元组(x_val,y_val)或(x_val,y_val,val_samp... -
4 votesanswersviews
不应该是model.trainable =模型下的假冻结权重?
我试图冻结免费训练的VGG16的图层(下面的'conv_base'),并在它们上面添加新图层以进行特征提取 . 我希望在(ret1)/之后(ret2)拟合模型之前从'conv_base'获得相同的预测结果,但事实并非如此 . 这是检查体重冻结的错误方法吗? 加载VGG16并设置为无法处理 conv_base = applications.VGG16(weights='imagenet', inc...