问题标签 [keras]

我为我的 NLP 应用程序创建了一个简单的神经网络（使用 keras），它将数据点分类为 2 个类中的 1 个。我的模型在测试数据上给出了 > ​​95% 的准确度。我已经在生产中部署了模型。它运行良好。模型的预测以电子邮件的形式发送给用户。

*如果预测正确与否，这些最终用户可以发回反馈。我想将此反馈纳入模型中，以便不断从该反馈（正反馈和负反馈）中学习并改进 *

我怎样才能实现上述目标？我读过强化学习、在线学习和主动学习。任何指针/教程（可能带有代码）都会有很大帮助。

我一直在胡闹，试图让我创建的简单示例起作用，因为我发现使用大型复杂数据集给出的示例很难直观地掌握。下面的程序采用权重列表，[x_0 x_1 ... x_n]并使用它们在平面上创建随机散布的点，并添加一些随机噪声。然后我根据这些数据训练简单的神经网络并检查结果。

当我使用 Graph 模型执行此操作时，一切正常，随着模型收敛于给定的权重，损失分数可预测地下降到零。但是，当我尝试使用顺序模型时，什么也没有发生。下面的代码

如果您愿意，我可以发布我的另一个使用 Graph 而不是顺序的脚本，并显示它完美地找到了输入权重。

输出如下

当我尝试运行 keras 示例时，程序输出错误，

任何人都知道如何解决它？

现在我正在尝试构建一个基本的卷积神经网络，以使用 keras 对 mnist 数据集进行简单分类。最终我想把我自己的图像放进去，我只想先建立一个简单的网络，以确保我的结构正常工作。所以我下载了 mnist 数据，因为 mnint.pkl.gz 将其解压缩并将其加载到元组中，并最终加载到凹凸不平的数组中。这是我的代码：

我收到这样的错误：

我认为这意味着我需要将它放入具有（样本、通道、行、列）的 theano 4d 张量中，但我不知道该怎么做。此外，当我特别想解决我将加载“.png”文件之后的问题时，我打算将它们放入 numpy 矩阵中以供输入，但看起来这不起作用。谁能告诉我如何将图像放入 theano4d 张量以在此代码中使用？谢谢

我正在研究用于深度学习的 Keras 包，并在https://github.com/fchollet/keras/blob/master/examples/cifar10_cnn.py上找到了一个很好的代码示例，它很好地集成了图像预处理（例如旋转和移位）。我想知道 - 在预处理后是否可以轻松绘制训练图像以观察这些旋转和移位的影响？

I am trying to work on neural networks in Python using the following Keras packages:

But, I am getting the following error:

Installing installed conda install keras. Later I tried to use pip install Theano, but it did not work. I Tried to install using pip install git, but I am getting this error: cannot find command git. So I installed Git and I set the environment variables.

So, is there any procedure to install these packages?

我正在尝试在 AWS 实例上运行 Keras 脚本。虽然脚本在我自己的计算机上运行良好（Python 2.7 - 没有 CPU），但它会在 AWS 上导致错误。我已经安装了最新版本的 Theano - 并且其他脚本（例如 mnist 教程）不会出错。导致问题的脚本是标准的 Keras 教程脚本 ( https://github.com/fchollet/keras/blob/master/examples/cifar10_cnn.py )。错误被复制到下面（道歉 - 可能有更好的方法可以直接从命令行捕获错误）。非常感谢任何帮助

错误信息的第一页：

错误消息结束（我没有复制整个 keras/layers 错误堆栈）

我正在尝试在 AWS 实例上运行 Keras 脚本。虽然该脚本在我自己的计算机上运行良好（Python 2.7 - 无 CPU），但它会在启用 GPU 的 AWS 实例上导致一些错误。我已经安装了最新版本的 Theano - 并且其他脚本（例如 mnist 教程）不会出错。

导致问题的脚本是标准的 Keras 教程脚本 ( https://github.com/fchollet/keras/blob/master/examples/cifar10_cnn.py )。根据 Stack Overflow 的指导，我已经将边界模式改为“有效”——这似乎解决了一个问题。但是 - 我立即遇到以下问题（下面的错误堆栈）。我在 bash "THEANO_FLAGS=optimizer=fast_compile,device=gpu,floatX=float32 cifar10.py" 处运行了以下行，但这并没有提供更多信息。也许我应该转向 nolearn / lasagne 包 - 但如果有简单的方法来解决这个问题，请告诉我。

我正在尝试用这种设计在 keras 中实现一个神经（ish）网络：http: //nlp.cs.rpi.edu/paper/AAAI15.pdf

该算法本质上具有三个输入。输入 2 和输入 3 乘以相同的权重矩阵 W1 以产生 O2 和 O3。输入 1 乘以 W2 得到 O1。然后，我们需要取 O1 * O2 和 O1 * O3 的点积。

我正在尝试在 keras 中实现这一点。

我的第一个想法是使用 kerasGraph类并使 W1 成为具有两个输入和两个输出的共享节点层。到目前为止还好。

然后出现的问题是如何使用 O1 获取这两个输出的点积。

我试图定义一个自定义函数：

然后：

编译时出现的问题是 keras 只想给 Lambda 层一个输入：

我认为另一种选择可能是使用一个Merge类，该类具有dot允许的合并类型。但是，必须将类的输入层Merge传递给构造函数。因此，似乎没有办法将共享节点的输出Merge添加Merge到Graph.

如果我使用Sequential容器，我可以将它们放入Merge. 但是，那么就没有办法实现Sequential两层需要共享相同的权重矩阵。

我曾想过尝试将 O1、O2 和 O3 连接成一个向量作为输出层，然后在目标函数中进行乘法运算。但是，这需要目标函数拆分其输入，这在 keras 中似乎是不可能的（相关的 Theano 函数没有传递到 keras API）。

有知道解决办法的吗？

编辑：

我认为我已经取得了一些进展，因为我发现它shared_node正在实施dot（即使它不在文档中）。

所以我必须：

现在的错误是：

我正在尝试研究Keras图书馆并创建了以下脚本作为示例：

在我看来，这个脚本应该可以工作:)，但是我得到了下一个错误：

通过设置 Theano 标志 'optimizer=fast_compile'。如果这不起作用，可以使用 'optimizer=None' 禁用 Theano 优化。提示：使用 Theano 标志 'exception_verbosity=high' 作为此应用节点的调试打印和存储映射占用空间。

PS。形状数据：

• X_train 尺寸（9L、784L）
• X_test 尺寸（9L、784L）