问题标签 [keras-layer]

我目前正在使用 keras 并希望可视化每一层的输出。当具有神经网络输出层的可视化时，如下例所示，用于 MNIST 手写数字识别。

1. 研究人员从这些图像中获得了哪些信息或洞察力
2. 这些图像是如何解释的
3. 如果您选择查看图层的输出，您的选择标准是什么？

非常感谢任何意见或建议。谢谢你。

我正在尝试使用 keras 创建基于论文 Bengio et all 的 SVM 的混合。

我已经训练了两个 svm 分类器，它们的输出分别为 svm1、svm2。我在下面写了一个伪代码。

我的问题

• 如何向我的模型添加自定义输入。（在这种情况下 y_hats 来自 svm 专家）？

我正在尝试复制此博客文章中的代码卷积神经网络如何看待世界

它在没有 dropout 层的 CNN 中运行良好，但是当有一个（或多个）dropout 层时，我不能直接使用这layer.output条线，因为它需要一个学习阶段。

当我使用推荐的方式来提取层的输出时：

问题是我不能放入占位符，input_img因为它需要“真实”数据，但如果我直接放入“真实”数据，那么其余代码将不起作用（创建损失、渐变和迭代需要占位符） .

有没有办法让这个工作？

我正在使用 Tensorflow 后端。

编辑：我通过在构建模型之前使用该K.set_learning_phase()方法解决了我的问题（我必须从一个新环境开始，并且在导入之后立即使用该方法）。

我有 7 类图像需要分类。每个类都有不同数量的样本。

1. 75 张图片
2. 70 张图片
3. 98 张图片
4. 182 张图片
5. 146 张图片
6. 197 张图片
7. 150 张图片

我最终删除了所有类中的所有图像，减少到 70 个图像（50 个训练和 20 个验证）。使用 Keras 和生成器以及 flow_from_directory 方法，我能够对所有这些进行分类，但很明显我不会得到很好的准确性。我也有计划在以后增加数据。

我的问题是，我可以使用 flow_from_directory 方法为每个类使用不同数量的训练数据吗？这种方法有什么潜在的缺点吗？

例如 ：

1. 55 培训 - 20 验证
2. 50 培训 - 20 验证
3. 78 培训 - 20 验证
4. ……

谢谢

我希望我的keras模型使用 cv2 或类似方法调整输入图像的大小。

我已经看到ImageGenerator了keras.layers.core.Lambda.

我该怎么做？

keras 有一些问题。我只是在尝试构建模型并使其运行，然后对其进行调整。也就是说，我只使用了 99 个图像和 99 个标签。作为参考，我用它来给我一个连续的输出，而不仅仅是一个类标签。下面是我正在使用的代码。首先，我有一个导入所有数据的脚本。99 张图片和 99 个标签。

当我开始安装模型部件时，它给我一个错误。“ValueError：检查模型目标时出错：预期cropping2d_1 有4 个维度，但得到了形状为(99, 1) 的数组”。

我阅读了一些关于类似错误的其他线程，似乎它可能是我发送 keras 的数组的顺序。我玩弄它并得到以下结果。目前图像数组的形状是（99,160,320,3）。我尝试将 keras 中“input_shape”的顺序更改为（3,160,320）。这给了我和错误“ValueError：检查模型输入时出错：预期cropping2d_input_1 具有形状（None、3、160、320）但得到了形状为（99、160、320、3）的数组”。然后我相应地重塑了 images_center 数组，得到了与上面相同的错误。

我省略了 import 语句，只是为了保持简短。

对接下来的步骤有什么想法吗？

I am trying to write a GAN in keras but I am getting this assertion error while running it. After searching I found out the most likely cause of the problem is an old version theano. I updated theano to the latest github development version 0.9.0beta1 but still I am getting the same error.

The problem happens in this section gen_dec.add(D)

该模型的目标是对视频序列进行分类分类，其中每个输入是灰度、45 帧、100x150 视频序列（1、45、100、150），对应于 3 个中之一的 one-hot 编码分类输出类，例如 [0, 0, 1]。这是用于训练模型的脚本：

引入批归一化似乎导致训练损失很快变为 NaN：

我使用带有 Tensorflow 的 Keras 作为后端并得到不兼容的错误：

以下错误显示：

我该如何解决这个问题？

Keras 版本：1.2.2 TensorFlow 版本：0.12

这个例子说：

现在model.output_shape == (None, 64, 256, 256)

但是在我的控制台中，我得到了结果model.output_shape == (None, 3, 256, 64) 我相信肯定有其他人得到了同样的错误结果，有人解决了这个问题吗？</p>