问题标签 [keras-2]

我正在使用一个简单的 Keras 模型进行系列预测。

我正在将整个系列中的输入标准化。

模型预测精度在训练期间似乎是正确的。但是，当我绘制model.predict()函数的输出时，我可以看到输出已经以某种方式缩放。这似乎是某种标准化/标准化类型的缩放。

更改训练的批量大小会影响结果。我尝试将批大小设置为输入集的大小，以便整个系列的训练在单个批中完成，这提高了结果，但仍然是缩放的。

我的假设是这与每个输入批次的标准化或输出标准化有关。我的模型中没有任何BatchNormalization图层。

有没有办法禁用 Keras 中输入/输出的默认规范化/标准化（并且这种默认行为是否存在）？

我正在使用带有 Tensorflow 后端和 Tensorflow 1.1 的 Keras 2。

如何使用PReLU可变输入大小的激活函数？

上面的代码产生

类型错误：* 不支持的操作数类型：“NoneType”和“NoneType”

我正在寻找一种适当或最佳的方法来在使用 Keras 创建的神经网络中获得可变重要性。我目前这样做的方式是我只取第一层中变量的权重（而不是偏差），并假设更重要的变量在第一层中具有更高的权重。还有另一种/更好的方法吗？

我正在将 Keras 库用于 python 中的视频。我的 Keras 版本是 2.0.2

我收到以下错误。

请帮我解决这个错误。

我正在尝试训练一个稀疏模型，即一些模型参数在优化过程中必须保持为零。

这是否可以在 Keras 中为参数定义一个掩码，以便优化器不会更新被掩码的参数？

不幸的是，冻结一层是行不通的，因为我需要以更细粒度的方式屏蔽参数。

我正在使用 Keras 2.0.4（TensorFlow 后端）进行图像分类任务。我正在尝试训练自己的网络（没有任何预训练参数）。由于我的数据很大，我无法将所有数据都加载到内存中。出于这个原因，我使用ImageDataGenerator(),flow_from_directory()和fit_generator()。

创建ImageDataGenerator对象：

my_preprocessing_function 将图像重新缩放到域 [0,255] 并通过均值缩减来居中数据（类似于 VGG16 或 VGG19 的预处理）

flow_from_directory()对象中的使用方法ImageDataGenerator：

（同样是为了创建一个validation_generator。）

在定义和编译模型（损失函数：categorical crossentropy，优化器：）后Adam，我使用以下方法训练模型fit_generator()：

问题：
没有错误消息，但训练效果不佳。在 400 个 epoch 之后，准确率仍然在 20% 左右波动（这与随机选择其中一个类一样好）。事实上，分类器总是预测“class1”。在仅一个时期的训练之后也是如此。尽管我正在初始化随机权重，但为什么会出现这种情况？怎么了？我错过了什么？

使用型号

编辑
终端输出

我想读取文件夹中呈现的多个图像并连续处理它们。我使用 keras 和 theano 作为后端。我怎样才能做到这一点？

我想在 keras 中将我的预测特征保存为 .mat 格式和 .txt 格式，以便在 Matlab 中进一步处理。请帮我。谢谢。

我想使用预训练模型的卷积特征图作为主模型的输入特征。

这是我所做的关键部分get_model_ensemble()：

这一切都给出了：

这是类型信息：

注意：我从中获得的模型已经调用get_model_ensemble()了它们的函数。compile()那么，我应该如何正确连接我的模型？为什么它不起作用？我想这可能与如何将输入馈送到子模型以及我如何热交换它们的输入层有关。

谢谢您的帮助！

这是 Keras 中 inception v3 的预处理功能。它与其他模型的预处理完全不同。

1.为什么没有均值减法？

2、为什么没有RGB转BGR？

3. [-1,1] 之间的映射对于这个模型是正常的吗？

这是 Keras 中 VGG 和 ResNet 的预处理功能：

Caffe 模型也使用均值减法和 RGB 到 BGR。