问题标签 [keras-layer]

这是我在 pyspark 上使用 distkeras 运行的 python 代码。

但它打印这样的错误：

我的 11.csv 是这样的：

它的 C0 列是标签，C1 到 C50 是特征。希望您的回答。非常感谢。

这是 dataset.printSchema()：

使用 Keras 函数式 API 可以做哪些额外的事情，而使用 keras 顺序模型则无法做到？除了可以使用“TimeDistributed”层包装器将简单模型重用于时基数据这一事实之外？

在 Keras 中运行密集的前馈神经网络。两个输出有 class_weights，第三个输出有 sample_weights。出于某种原因，它会打印计算出的每个批次的详细进度显示，而不是像它应该更新的那样在同一行上更新打印......这曾经发生在你身上吗？它是如何固定的？从外壳：

我想在 Keras 中实现时空全卷积网络（STFCN）。我需要将 3D 卷积输出的每个深度列（例如带有 shape 的张量(64, 16, 16)）作为单独的 LSTM 的输入。

为了清楚起见，我有一个(64 x 16 x 16)张量尺寸(channels, height, width)。我需要将张量（显式或隐式）拆分为 16 * 16 = 256 张量的 shape (64 x 1 x 1)。

这是 STFCN 论文中用于说明时空模块的图表。我上面描述的是“空间特征”和“时空模块”之间的箭头。

这个想法如何在 Keras 中得到最好的实施？

我正在尝试为 cifar10 编写 GAN 模型。但我有一个问题。

如何从卷积网络获得所需的输出（3x32x32）？实际上，我从为 mnist 找到的模型中获得了灵感：

所以，从那里，我有一个 3x28x28 的输出你知道我怎么能得到 3x32x32 吗？谢谢！

是否可以获取上一层的权重，修改它们并再次设置到下一层。我想在网络中引入一个自定义层，它将修改权重（根据所需的逻辑），然后将修改后的权重值设置为下一层。类似于下图所示：

我不确定这是否可能。我知道我们可以转储快照，然后使用它来设置新的权重。我还可以使用快照转换权重。但是，我不知道如何在网络本身内执行此操作（无需拍摄或使用任何快照）。

谢谢

KK

我想从以下层开始训练一个深度网络：

使用

使用以下生成器：

（验证生成器看起来很相似）。

在训练期间，我收到错误：

怎么可能，第一层

?

我基本上是在尝试构建一个深度模型，该模型由许多卷积层组成，然后是 maxpooling 2d，如下所示：

但是，我收到以下错误：

文件“/home/user/anaconda2/lib/python2.7/site-packages/keras/engine/training.py”，第 100 行，在 standardize_input_data str(array.shape)) 异常：检查模型输入时出错：预期的 convolution2d_input_1有 4 个维度，但得到了形状为 (8000, 180, 54) 的数组

但我遵循（样本、通道、行、列）规范。为什么会这样？

我的 Keras 模型是 Keras 存储库中的babi_rnn 示例。

我想在数据集上获取模型的输出（以文字形式）。

我试过了：

但我得到了错误：

如何在输入输入后简单地获得模型或层的输出？

也就是说，我需要

这样我就可以做到：for x, y in zip(X,Y): print(x,y)查看模型实际在做什么。

我认为这应该是最简单的用例，但是实现起来看起来很麻烦。

任何帮助将不胜感激。谢谢。

在 keras 中，我想训练一组共享某些层的模型。它们具有以下形式：

x ---> f(x) ---> g_1(f(x))

x ---> f(x) ---> g_2(f(x))

...

x ---> f(x) ---> g_n(f(x))

这里 f(x) 是一些重要的共享层。g_1 到 g_n 有其特定的参数。

在每个训练阶段，数据 x 被馈送到 n 个网络之一，例如第 i 个网络。然后通过基于梯度的优化器最小化/减少 g_i(f(x)) 上的损失。我如何定义和训练这样的模型？

提前致谢！