问题标签 [keras-2]

我正在使用 Keras（带有 tensorflow 后端）并尝试在训练期间在我的训练集上获取层输出（实际激活）（使用“fit”功能）

作为 on_batch_end 回调的一部分，有什么方法可以获取用于训练的最后一批的激活？或任何其他能够访问图层输出的方式？

我在下面找到了这段代码，但它再次对新数据运行前向传递。我正在尝试利用这样一个事实，即我的网络已经作为批处理本身训练的一部分进行了前向传递，并且只是提取了当前的激活，这可能吗？

我有以下工作正常的网络：

但是，我需要用 Embedding 层替换 Dense 层：

然后当我使用嵌入层时出现以下错误：

将 Dense 层替换为 Embedding 层时，我需要进行哪些其他更改？谢谢！

我正在使用 Keras 博客中的示例代码（进行了一些调整），但是在运行我的模型时，损失和准确度指标并没有提高。

我不确定是否错误地实现了某些功能。

我正在从保存的文件（h5py）和小批量加载图像。

我的输出

这是最后 50 步左右，但与第一步没有变化：

我在尝试保存 Keras 模型时遇到了一些麻烦：

这是我的代码：

但即使代码打印，我也收到以下错误'import fine'：

I have a weighted sparse_categorical_crossentropy loss which is not working after updating to Keras 2.1.1. The previous version I was using was 2.0.6, and it was working fine then.

There are 2 classes (0 and 1) in the Output Layer. I pass the flattened 1D array with an extra dimension as the label.

If I call sparse_categorical_crossentropy directly then there are no errors shown and the training starts. To verify that there was nothing wrong in the way custom weighted loss function should be called, I copied the sparse_categorical_crossentropy from keras/backend/tensorflow_backend.py, renamed it to scc and assigned it to the loss function.

This gives the following error:

If I change the label to One-Hot encoding format to correspond to the 2 labels, then tensorflow throws an error as shown below:

Any idea what I am doing wrong ?

我想使用 keras 层Flatten()或Reshape((-1,))在模型的末尾输出一维向量，例如[0,0,1,0,0, ... ,0,0,1,0].

可悲的是，由于我未知的输入形状存在问题，即：
input_shape=(4, None, 1))).

因此，通常输入形状介于两者之间[batch_size, 4, 64, 1]，[batch_size, 4, 256, 1]输出应该是batch_size x 未知维度（对于上面的第一个示例：[batch_size, 64]和第二个[batch_size, 256]）。

我的模型看起来像：

所以我当前的输出形状是[batchsize, 1, unknown dimension, 1]。例如，这不允许我使用 class_weights "ValueError: class_weight not supported for 3+ dimensional targets."。

当我使用灵活的输入形状时，是否可以在 keras（带有 tensorflow 后端的 2.0.4）中使用类似Flatten()或扁平化我的 3 维输出？Reshape((1,))

非常感谢！

我正在尝试在 keras 模型中输出从前到最后的密集层。我首先加载模型架构和权重：

然后我通过这样做删除最后一个 Dense 层：

如果我取消注释注释行，我会收到此错误：InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'flatten_1_input' with dtype float. 如果我让他们评论，最后一个密集层不会被有效地删除（我的意思是当我调用predict时model，我仍然得到最后一个密集层的输出）。我该如何解决这个问题？

此外，如果有一种不同的方法可以让模型输出前一个到最后一个密集层，我也可以将其作为答案（而不是尝试修复这种方法）。

另一个不起作用的解决方案是在加载权重后通过简单地执行以下操作来剪切长模型：

您收到以下错误：

RuntimeError: Graph disconnected: cannot obtain value for tensor Tensor("flatten_1_input:0", shape=(?, 1, 1, 2048), dtype=float32, device=/device:GPU:2) at layer "flatten_1_input". The following previous layers were accessed without issue: []

我在 InceptionResNetV2 模型（预训练）之前添加了一个密集层这是 InceptionResNetV2 输出

这是要添加的图层

这是结合两个模型

采用

作为

但它不起作用。我该如何解决？

我正在使用以下代码调整存储在文件夹（两个类）中的 RGB 图像的大小：

我的数据树如下：

运行代码后，我得到以下输出，但没有图像：

如何保存图像？

我正在尝试遵循 senddex 的游戏 AI 机器人教程（https://www.youtube.com/watch?v=G-KvpNGudLw），但我试图使用 keras 来代替 tflearn 来实现相同的实现。

模型功能

模型训练函数

其中训练数据是：

我得到的错误在标题中。我是深度学习的新手，我对重塑部分还没有很好的掌握。