问题标签 [keras-layer]

我已经阅读了官方文档，但仍然无法理解TimeDistributedKeras 模型中作为层的实际作用？

我无法理解 和 之间的TimeDistributed区别TimeDistributedDense？什么时候会有人使用TimeDistributedDense？只是为了减少训练数据集吗？它还有其他好处吗？

谁能用一个精确的例子来解释这两种类型的层包装器的作用？

我试图在使用 Keras 的功能 API 时获取中间层输出。使用标准 Sequential API 时，我能够获得输出，但不能使用功能 API。

我正在研究这个工作玩具示例：

但是如果我使用功能 API，它就不起作用。输出不正确。例如，它在第二层输出初始输入：

回答： 显然，当使用功能 API 时，第 0 层是输入本身。所以一切都向前移动了一个位置。

I wanted to train a single layered neural network using the cifar data set and the keras framework. Since each image for the data set is 32 by 32 by 3 I wasn't quite sure how to process the image using a single layered network with no convolution. I think that flattening each image to have a data set of shape N by 32*32*3 is the right thing to do. Thus I did the following:

then I just made a single layered network that matched the input dimension:

the code seems to compile fine and everything. Thus, is this the correct way to train a single layered Neural Network on an image data set without convolution? I guess the main thing that is throwing me off is that the image is a 3D tensor but a singled layer net would just treat it as a 1D vector regardless of its shape. Right?

Also, since Keras provided a flatten() function it seemed unclear to me if that was a preferred method to use due to efficiency or some other reason. However, I wasn't able to make that one work.

Also, this goes without saying but the softmax layer doesn't really count as another layer. Right? I want it to be single layer.

whole code:

在我之前的问题中，我使用Layer.set_input()Keras 将我的 Tensorflow 预处理输出张量连接到我的 Keras 模型的输入。但是，这个方法在 Keras 版本之后已经被移除1.1.1了。

如何在较新的 Keras 版本中实现这一点？

例子：

我是 Keras 的新手。我正在尝试在 Keras 中合并三个预训练模型的输出层。每个模型都有两个单独的输入，但具有不同的维度，以及一个密集层输出。

由于 model?.input 返回张量列表，这不起作用。我尝试了不同的东西，但似乎没有任何效果。这个问题有简单的解决方案吗？

编辑： 来自 indraforyou 的适用于每个模型中的多个输入的工作解决方案。

我想绘制误差与 keras 中的时代数的关系。为此，我在这里找到了一个非常有用的帖子。它在本地就像一个魅力，但如果我想在某个远程 GPU/集群中运行我的脚本，那么它就没有那么有用了，因为我需要向自己发送数据才能真正制作绘图。有没有办法运行类似的东西，但将错误存储在一些文件/csv/json 中，然后能够使用 rysnc/scp/dropbox 等标准工具将其发送给自己？

现在我唯一的想法是腌制文件，然后将其发送给自己并取消腌制，但它根本不起作用。我得到错误：

有没有使用 Keras 和 python 的不同方法？我只需要能够存储这种类型的数据，以便我可以以某种方式将其发送到我的本地计算机。

目前我完全可重现的错误可以按如下方式完成：

存储数据.py

并绘制它：

绘图.py

此外，如果您由于框架构建而对 matplot lib 有问题，只需使用已经为您解决该问题的虚拟环境：

http://matplotlib.org/faq/osx_framework.html#virtualenv

http://matplotlib.org/faq/osx_framework.html

http://matplotlib.org/faq/virtualenv_faq.html

使用python3的-m venvvirtualenv实现，该实现使python成为一个框架。

我正在尝试使用“layer_from_config”Keras 实用程序从以前保存的配置中加载图层，如下所述： https ://keras.io/layers/about-keras-layers/

对于初学者，我正在尝试在基本模型上使用它

正如预期的那样，config返回一个 dict 类型对象，并打印它读取

但是，当我运行上面的代码时，我收到以下错误消息

那么，我做错了什么？

使用 Keras (1.2.2)，我正在加载一个顺序模型，其最后一层是：

然后，我想弹出最后一层，再添加一个全连接层，重新添加分类层。

如您所见，我的dense_3 和activation_7 没有连接到网络（summary() 中的空值带有“已连接到”）。我在文档中找不到任何解释如何解决此问题的内容。有任何想法吗？

按照下面的答案，我在打印出来之前编译了模型model.summary()，但由于某些原因，图层没有正确弹出，如摘要所示： 最后一层的连接错误：

但应该是

我正在尝试InceptionV4用于一些分类问题。在将它用于解决问题之前，我正在尝试使用它。

我用一个新的密集层替换了最后一个密集层（大小1001），编译了模型并尝试拟合它

但我收到以下错误

我究竟做错了什么？(None,1)为什么在我将 newDense 层定义为大小为 3 之后，它会有一个形状？

非常感谢

PS我正在添加模型摘要的结尾

I have data with integer target class in the range 1-5 where one is the lowest and five the highest. In this case, should I consider it as regression problem and have one node in the output layer?

My way of handling it is:

1- first I convert the labels to binary class matrix

2- in the output layer, I have five nodes

3- I use 'categorical_crossentropy with mean_squared_error when compiling

Also, can anyone tells me: what is the difference between using categorical_accuracy and 'mean_squared_error in this case?