问题标签 [keras]

如何在 Keras 中从 HDF5 文件加载模型？

我尝试了什么：

上述代码成功地将最佳模型保存到名为 weights.hdf5 的文件中。然后我想做的是加载该模型。下面的代码显示了我是如何尝试这样做的：

这是我得到的错误：

我对神经网络和 Keras 库还很陌生，我想知道如何使用此处描述的嵌入层将输入数据从 2D 张量屏蔽为RNN的 3D 张量。

说我的时间序列数据如下（随着时间的增加）：

现在，假设我想给 RNN 最后 2 个特征向量，以便预测时间 t+1 的特征向量。

目前（没有嵌入层），我正在自己创建所需的具有形状 (nb_samples, timesteps, input_dim) 的 3D 张量（如本例所示）。

与我的示例相关，最终的 3D 张量将如下所示：

和 Y_train：

我的模型如下所示（适用于上面的简化示例）：

最后，我的问题是，如何避免将那些 2D 张量转换为 3D 张量重塑自己并使用嵌入层？我想在模型 = 顺序（）之后我必须添加类似的内容：

可能答案很简单，我只是对嵌入层的文档感到困惑。

我正在努力在 Keras 中构建模型。我想将我的所有功能作为input=10, 和output=3. 但是，一旦我运行下面的代码

我收到一个错误：

在我的情况下，模型初始化的正确参数是什么？

我正在做一些项目，我需要在 python 中使用神经网络。我正在尝试训练神经网络，但 FIT() 函数总是出错。这是我的代码：

我收到错误消息，我的输入数组和输出数组的样本数不同。

我的控制台输出：

我在 KERAS 中编辑了一个 AlexNet，试图学习一个类（即狗/脸或非狗/脸）。我有正确图像的训练样本，所以 Ytrain 是[1, 0]和不正确的图像，所以 Ytrain 是[0,1]。目标是知道图像是否是狗（例如）。

训练时损失很大~100,000,000

所以我删除了regularisers行并且它起作用了......

在 Caffe 中，模型可以很好地处理卷积层中的这些行：

这是 Keras 中的模型（图像大小 3、68、56）：

是吗？？

我正在尝试实现基于 LSTM 的语音识别器。到目前为止，我可以按照 Merge 层中的示例设置双向 LSTM（我认为它作为双向 LSTM 工作）。现在我想用另一个双向 LSTM 层来尝试它，这使它成为一个深度双向 LSTM。但我无法弄清楚如何将先前合并的两层的输出连接到第二组 LSTM 层中。我不知道 Keras 是否可行。希望有人可以帮助我。

我的单层双向 LSTM 的代码如下

我的 x 和 y 值的尺寸如下。

我正在尝试将 Keras 的Siamese层与共享Convolution2D层结合使用。我不需要输入在该层之前通过任何其他层，Siamese但该Siamese层需要指定输入层。我不知道如何创建输入层以匹配 conv 层的输入。Siamese我能找到的唯一使用层的具体示例是在使用层（带有矢量输入）作为输入的测试中。Dense基本上，我想要一个输入层，它允许我将图像尺寸指定为输入，以便它们可以传递到共享的 conv 层。

在代码中，我有以下内容：

应该SomeInputLayer是什么？还是我的方法通常不正确？

我是使用 Keras 进行预测的初学者。我理解这个概念和它背后的所有理论。但我很难让它运行。在这个阶段我并不担心它的效率，我只是想运行它并看到一个输出，以便我以后可以进化。

我有这个用作 predictor_train (X) 的虚拟 Pandas DataFrame：

我有另一个 DataFrame 用作 target_train (Y)：

我正在使用以下代码：

我收到以下错误：

关于如何使这个猛犸象移动的任何见解？

我对卷积层和 lstm 层之间的连接有疑问。数据的形状为 (75,5)，其中每个时间步有 75 个时间步 x 5 个数据点。我想做的是对（75x5）进行卷积，获取新的卷积（75x5）数据并将该数据输入 lstm 层。但是，它不起作用，因为卷积层的输出形状具有我不需要的过滤器数量。因此卷积层输出的形状为 (1,75,5)，lstm 层所需的输入为 (75,5)。我如何只取第一个过滤器。

这是出现的错误：

我正在 Keras 中为带有来自 gensim 的词嵌入的句子构建一个 RNN 模型。我正在使用 GloVe 向量初始化嵌入层。由于这是一个顺序模型并且句子具有可变长度，因此向量是零填充的。例如

假设 GloVe 向量有维度[NUM_VOCAB, EMBEDDING_SIZE]。零索引被屏蔽（忽略），因此为了获得正确的单词索引，我们是否向 GloVe 矩阵添加了一个额外的列，所以维度是：[NUM_VOCAB+1, EMBEDDING_SIZE]?

除非有更优雅的方式，否则模型似乎会估计一个不必要的向量。

谢谢