问题标签 [keras-layer]

我正在尝试 在自定义大型数据集上建立连体神经网络和三重神经网络

Keras有ImageDataGenerator这使得神经网络的输入数据的生成regular非常容易。

ImageDataGenerator为了训练具有 2( siamese) 和 3( triple) 输入的网络，我很感兴趣使用或类似的方式。

在mniset keras siamese 示例中，由方法完成的预处理阶段生成的输入create_pairs。我认为这种方式不适合大型数据集。

ImageDataGenerator在这种情况下可以使用吗？假设数据集非常大，我还有哪些其他选择？

我想编写一个自定义层，我可以在运行之间将变量保存在内存中。例如，

当我运行时m.predict，我希望persistent_variable得到更新，并打印增加的值。但它看起来总是打印0

persistent_variable我的问题是，每次运行后如何进行增量和保存m.predict

谢谢，纳文

我正在尝试进行迁移学习；为此，我想删除神经网络的最后两层并添加另外两层。这是一个示例代码，它也输出相同的错误。

我使用删除了图层，pop()但是当我尝试添加它时输出此错误

AttributeError：“模型”对象没有属性“添加”

我知道错误的最可能原因是使用不当model.add()。我应该使用什么其他语法？

编辑：

我试图在 keras 中删除/添加层，但它不允许在加载外部权重后添加它。

它显示此错误

对于我拥有的每个输入，我都有一个关联的 49x2 矩阵。这是 1 个输入输出对的样子

其中 Label1 和 Label2 都是 LabelEncode，它们分别有 1200 和 1300 个不同的类。

只是为了确保这就是我们所说的多输出多类问题？

我试图使输出变平，但我担心模型不会理解所有相似的 Label 共享相同的类。

是否有一个 Keras 层可以处理输出这种特殊的数组形状？

I am trying to use CNN 1D for time series prediction. I have a time series data set with 30 features, 3 targets and more than 3000 rows.

This is my keras model

The model compiles without any error but when I tried to do model fit it gave this error

I saw this answer but my x (feature) and y (target) are already in numpy array form. How to solve this?

EDITED

After some tinkering I have found out the problem is caused by my CNN model itself. I tried to train the same dataset with a simple neural network and it ran with out any issue.

Any one know what is wrong with my CNN model?

我正在使用 keras 并使用图层输出进行一些修改。之前，使用输出（张量变量）我将其转换为 numpy 数组，从而在其上调用 eval()，如下所示：

代码失败并出现以下错误：

我打算在前一层的输出上调用一个转换函数）。转换函数将输入作为张量变量并进行计算。但是，我还想可视化数据，我需要计算它的每个元素的 bit_length。

例如，如果层 A 给出输出 Y1。此输出由 Lambda 层 L1 使用，并调用转换方法。示例代码：

我使用了类似的方案来使用 model.get_weights() 转换层权重。get_weights() 方法返回 numpy 数组列表，因此可以轻松地迭代每个元素并计算位长。但是，虽然转换输出是一个问题，因为输出是一个张量变量，当我在其上调用 eval() 时，会给出我在上一篇文章中提到的错误。我希望我能够明确我的意图。

我有一个计算时间步长平均值并支持屏蔽的层。我的问题是，可能存在掩码为空（没有填充时间步）的情况，但我不知道在使用张量时如何检查零。

我有一些掩码为空的训练示例，因此我得到了 NaN 损失并且程序崩溃了。

这是我的图层：

这mask.sum(axis=1, keepdims=True)变成了零。为了绕过这个，我增加了 input_length，所以它涵盖了我所有的训练示例，但这不是一个解决方案。我也尝试添加一个 try/except 但这也没有用。

迄今为止的笔记本：笔记本

我正在尝试重塑标准Keras VGG16模型以用于经典的猫对狗比赛（Kaggle Cats vs Dogs）

我不得不重新创建 Keras 模型的pop()和add()函数Sequential()来删除最后Dense(1000)一层并用 layer 替换它Dense(2)。

但是，当我尝试使用该fit_generator()功能时，出现以下错误：

听起来我的模型仍然期望输出 1000 个类别而不是 2 个。这是为什么呢？

模型摘要如下：

该.add()函数将model.built变量设置为 False，所以我想知道它是否与此有关。如果是，我如何“构建”模型？任何帮助是极大的赞赏。

这是完整的错误：

Exception: Error when checking model input: expected convolution2d_input_1 to have shape (None, 3, 224, 224) but got array with shape (20, 3, 244, 244)

一切正常，直到最后model.fit_generator(...)的代码块。我正在使用 theano 后端。

我对 keras 很陌生，所以我不确定如何进行。检查文档我可以看到Noneinlayers.convolutional.Convolution2D对应于批次（或样品）的数量？替换input_shape=(20,3,244,244)产生以下错误Exception: Input 0 is incompatible with layer conv1_1: expected ndim=4, found ndim=5。使用 23000 而不是 20 会产生相同的错误。

任何帮助表示赞赏。

下面是我的代码：

我想将形状为 (160,320,3) 的图像提供给

如何包含一个图层，将图像重塑为 VGG16 模型预期的形状，即 (224,224,3) ？