问题标签 [keras]

Keras 中似乎没有对 RNN 的平均池化层的内置支持。有人知道怎么包吗？

http://deeplearning.net/tutorial/lstm.html

我正在使用 keras 开发 Deep Nets。有一个激活“硬 sigmoid”。它的数学定义是什么？

我知道什么是 Sigmoid。有人在 Quora 上问过类似的问题：https ://www.quora.com/What-is-hard-sigmoid-in-artificial-neural-networks-Why-is-it-faster-than-standard-sigmoid-Are-there - 任何超过标准 sigmoid 的缺点

但是我在任何地方都找不到精确的数学定义？

我在我的 linux 机器上安装了 keras，但是当我尝试从 keras.datasets 导入数据集时，我收到一个错误，它找不到它。

例如：

我得到错误

ImportError：没有名为 keras.datasets 的模块

我使用安装了keras pip install，它安装成功。

我有以下代码：

但是每次我运行它时，我都会在该行出现错误

其中指出：

有谁知道那是什么意思？

我是深度学习库 Keras 的新手，需要您的帮助。模型构建没有错误，但在调用 model.fit(X, y) 时出现以下问题：

这类似于https://github.com/fchollet/keras/issues/815 我的 y 训练矩阵是一个多行一列的矩阵。

提到的一种解决方案是使用二进制 one-hot 编码将 y 转换为 3d 张量。有这样的例子吗？

我有一个关于使用我比较陌生的 Keras 的问题。我正在使用卷积神经网络，将其结果输入标准感知器层，然后生成我的输出。这个 CNN 输入了一系列图像。到目前为止，这很正常。

现在我喜欢将一个短的非图像输入向量直接传递到最后一个感知器层，而不是通过所有的 CNN 层发送。如何在 Keras 中做到这一点？

我的代码如下所示：

任何答案都非常感谢，谢谢！

我是 keras 的新手。

我在一个数据集上运行它，我的目标是减少对数损失。对于每个时代，它都给了我相同的损失值。我很困惑我是否走在正确的轨道上。

例如：

这里 3.8019 在每个时期都是相同的。应该会少一些。

我正在用一组图像训练一个类似 VGG 的 convnet（如示例http://keras.io/examples/ ）。我将图像转换为数组并使用 scipy 调整它们的大小：

在最后一个密集层中，我有 2 个神经元，并使用 softmax 激活。这是最后几行：

我无法改进减少损失，并且每个时期都具有与以前相同的损失和相同的精度。损失实际上在第 1 个和第 2 个 epoch 之间上升：

我究竟做错了什么？

我一直在尝试使用以下代码运行神经网络：

我一直无法找出这个错误的含义：

据我了解，形状应该相等，例如(98,10), (98,10)或(98,1),(98,1)，这就是导致问题的原因。那正确吗？

如果是，有谁知道我可以在代码或数据集中哪里解决这个问题？10和1是什么意思？

如果没有，谁能向我解释发生了什么？

额外的信息：

变量predictor_train：

变量目标训练：

完整追溯：

我有长度不等的时间序列，我将其输入在 keras 中创建的 RNN-LSTM。我的理解是，如果我选择 sample_weight_mode='temporal' 网络将为每个时间步学习一组不同的权重。如果我错了，请纠正我。

我猜每个时间序列的第一个时间步将由一组权重处理，每个序列的第二个步由另一组处理，依此类推。因此，最长时间序列的最后一步将获得与最短时间序列的最后一步不同的一组权重。如何为每个系列的最后一步获得相同的权重？

不同的看法：我相信使用 sample_weight_mode='temporal' 时所有的时间序列都是左对齐的，而我想让它们右对齐。我怎么能做到这一点？