问题标签 [keras-2]

我在 tensorflow 后端（Keras 2.1 版）上使用 Keras 训练我的网络，我尝试了许多互联网上可用的东西，但没有找到任何解决方案。

到目前为止，这是我的模型，我使用的是 Python3。

型号总结：

我正在根据批量大小发送图像。这是我的生成器功能：

终端错误日志：

请检查此链接以获取完整错误：终端输出

谁能帮助我，我在这里做错了什么？

提前致谢

我正在使用来自目录的流来获取图像并创建一个生成器，然后我在 predict_generator 中使用它来预测概率和类别。问题是，当我预测两者时，标签会被打乱，尽管我没有在任何地方使用 shuffle 参数。如何将正确的类分配给正确的标签？以下是我的完整代码：

代码

类的输出

文件名的输出

有没有办法加快在 Keras 中加载模型的速度？我正在使用迁移学习的初始模型。根据我的经验，加载模型似乎需要 13 秒。

我想将一些模型加载到智能手机上。使用TensorFlow作为后端。

输出

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)。

我的问题是针对所有张量的，但让我们继续举例tensor1.get_shape() = (?, 500, 3, 2, 2, 69)

鉴于我有tensor2包含tensor2.get_shape() = (?, 500, 3, 2, 2, 14)最后一个轴的索引tensor1，我有两个问题：

1）我想从 构造一个tensor1形状(?, 500, 3, 2, 2, 69)的面具tensor2。例如，沿最后一个轴的可能行将tensor2是[1,8,3,68,2,4,58,19,20,21,26,48,56,11]，但由于tensor2是根据tensor1这些索引构造的，因此对于新输入有所不同。这些是必须保留的最后一个轴的索引tensor1。其他一切都必须被掩盖。

2）鉴于我有形状的掩码， (?, 500, 3, 2, 2, 69)我tensor1如何在保持批量大小维度的同时屏蔽掉不需要的值？被屏蔽的张量应该有 shape (?, 500, 3, 2, 2, 14)。

keras 或 numpy 中的答案也很简洁，虽然知道如何在 numpy 中解决问题并不能解决我的问题，但我仍然想知道。

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()' 后，model.summary() 显示该层已被删除（预期有 4096 个特征），但是在将图像传递给新模型时，结果相同作为原始模型的特征数（1000）。无论删除多少层，包括一个完全空的模型，它都会生成相同的输出。寻求您对可能是什么问题的指导。

1000

1000

谢谢！

在此处查看完整代码：https ://github.com/keras-team/keras/files/1592641/bug-feature-extraction.pdf

我正在尝试复制 Siraj 的代码以预测 R 中的股票价格（https://github.com/llSourcell/How-to-Predict-Stock-Prices-Easily-Demo）。

这是我的代码：

最后一行返回错误：

在原始代码中，Siraj 使用LSTM 层input_dim和output_dim参数，但layer_lstm()R 中的函数不包含此参数。我发现它在 Keras 2 中已贬值，我应该使用unitsand input_shape，但我尝试了input_shape = c(1L), input_shape = c(NULL, 1L), input_shape = c("None", 1L)...，但它不起作用。

我将 Keras 2.0.0 与 Theano 一起使用。

我想在每个时期之间更新训练数据。我可以使用 nb_epochs=1 在 for 循环中执行此操作，但使用 on_epoch_end 回调会更优雅。

这是我的暂定代码，基于 Keras 1 示例（博客文章）：

不幸的是，self.model.training_data 似乎不再存在。

非常感谢任何帮助！

我正在尝试训练一个非常简单的图像识别模型，没什么了不起的。当我使用图像重新缩放时，我的第一次尝试效果很好：

然后我简单地训练了模型：

这工作得非常好，并导致合理的准确性。然后我认为尝试平均减法可能是一个好主意，就像 VGG16 模型使用的那样。我没有手动进行，而是选择使用 ImageDataGenerator.fit()。但是，为此，您需要将训练图像作为 numpy 数组提供给它，所以我首先读取图像，转换它们，然后将它们输入其中：

然后，我以同样的方式训练模型，只是给它两个迭代器。训练完成后，即使经过 50 个 epoch，准确率也基本停留在 ~25%：

80/80 [==============================] - 77s 966ms/步 - 损失：12.0886 - acc: 0.2500 - val_loss ：12.0886 - val_acc：0.2500

当我对上述模型进行预测时，它只正确分类了 4 个类别中的 1 个，其他 3 个类别的所有图像都被归类为第一类——显然 25% 的百分比与这个事实有关，我只是无法弄清楚我做错了什么。

我意识到我可以手动计算平均值，然后简单地为两个生成器设置它，或者我可以使用 ImageDataGenerator.fit() 然后仍然使用 flow_from_directory，但这会浪费已经处理的图像，我会这样做相同处理两次。

关于如何让它一直与 flow() 一起工作的任何意见？

keras 中 Layer 类的每个派生类都有build()定义。

build()是我们为 keras 层分配权重的地方。

什么时候在内部调用这个函数？我找不到任何可能调用它的代码

在topology.py:580__call_()的 Layer 类中，我们调用但它只会在. 这总是设置的，只有当 self.built 为 True 时才会调用它。self.build()self.built = Trueself.build()

I'd like to monitor eg. the learning rate during training in Keras both in the progress bar and in Tensorboard. I figure there must be a way to specify which variables are logged, but there's no immediate clarification on this issue on the Keras website.

I guess it's got something to do with creating a custom Callback function, however, it should be possible to modify the already existing progress bar callback, no?