问题标签 [lasagne]

我在 Keras 和 Lasagne 上使用相同的卷积神经网络结构。现在，我只是换了一个简单的网络，看看它是否改变了任何东西，但它没有。

在 Keras 上它工作得很好，它输出 0 到 1 之间的值，准确度很高。在千层面上，这些值大多不会出错。看起来输出与输入相同。

基本上：它在 keras 上输出和训练很好。但不在我的千层面版上

千层面的结构：

在 Keras 上：

并在 Keras 上进行训练..

并在 Lasagne 上进行训练和预测：

训练 ：

我正在使用这些迭代器，我希望这不是它的原因。也许是？

预测：

这打印：

结果是完全错误的。但是，让我感到困惑的是，它在 keras 上输出良好。

此外，验证 acc 永远不会改变：

请帮忙！我究竟做错了什么？

这些是正在使用的形状：

我试图了解如何使用 LSTM 对我拥有的某个数据集进行分类。

我研究并发现了这个 keras 和 imdb 的例子： https ://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py

但是，我对必须如何处理数据集才能输入感到困惑。

我知道 keras 有预处理文本方法，但我不确定使用哪个。

x 包含 n 行文本，y 按幸福/悲伤对文本进行分类。基本上，1.0 表示 100% 快乐，0.0 表示完全悲伤。数字可能会有所不同，例如 0.25~~ 等等。

所以我的问题是，我如何正确输入 x 和 y？我必须使用词袋吗？任何提示表示赞赏！

我在下面对此进行了编码，但我不断收到相同的错误：

我已经在 theano/lasagne 中训练了一个神经网络，并用这段代码保存了网络参数：

现在我想加载模型并将参数设置为网络，以便测试它是否正常工作。我正在使用这段代码加载参数：

然后我尝试将网络的参数设置为加载的参数，如下所示：

但后来我得到这个错误：

然而，当我得到网络中的所有参数并查看长度时，有 10 个参数。

所以参数的数量是相同的，不知何故我仍然得到这个错误。知道为什么吗？我忽略了什么吗？

我很感激帮助。

我正在尝试使用卷积神经网络对酒店图像数据进行分类..

以下是一些亮点：

1. 图像预处理：

   • 转换为灰度
   • 将所有图像调整为相同的分辨率
   • 标准化图像数据
   • 寻找 pca 组件

2. 卷积神经网络：

   • 输入- 32*32
   • 卷积 - 16 个过滤器，3*3 过滤器大小
   • pooling - 2*2 过滤器大小
   • dropout——以 0.5 的概率下降
   • 全连接 - 256 台
   • dropout——以 0.5 的概率下降
   • 输出 - 8 类

3. 使用的库：

   • 千层面
   • 不学习

但是，我对测试数据的准确度降低了，只有 28% 左右。

如此低的准确性有什么可能的原因吗？有什么改进建议吗？

提前致谢。

我使用自己的自定义数据集训练了一个 CNN，其中调整数据集图像的大小是使用 PIL 库完成的。现在，当我尝试预测数据集中输入图像的标签时，它可以正常工作。我在 CNN 类中的预测函数如下：

像这样从 main 调用：

bilder 几乎是一个具有形状（图像、高度、宽度）的数组，如果我运行代码，输出如下：

请注意：

已注释且未使用。现在，如果我在其中发表评论，则会得到以下输出：

这意味着它会卡在这部分，直到我自己停止代码：

这个我完全不明白。存储在 bilder1 中的图像甚至没有用于预测，因为它只是存储在 bilder1 中，然后当我继续尝试预测 bilder 中的图像 nr 400 时，它会卡住.. 这只是我尝试实时进行的测试通过网络摄像头进行识别，在调整人脸图像大小后会出现同样的问题。

编辑：问题似乎与使用 cv2 库对图像所做的任何更改一致。这些图像是否用于神经网络似乎并不重要。

我在 Python 上使用 Lasagne 和 Theano 框架训练了一个卷积神经网络。

我对网络在测试数据上的架构和性能感到满意，我想在 iPad 应用程序上使用它。

我想知道是否有任何简单的方法可以使用该网络并在 iOS 上使用它，而无需在另一个框架中重写代码和/或再次训练它？

据我所知，没有办法将 Python 代码直接转换为 c/c++（这可能是一种导出网络/训练代码的方法）。

假设我在 Lasagne 中有一个自动编码器，有两个编码层和两个 InverseLayers 作为解码器：

假设我已经对这个自动编码器进行了令我满意的训练，并且只想使用解码器；也就是说，我有要作为输入提供给 l2p（解码器部分的第一层）的数据。我该怎么做呢？我似乎无法构建仅由解码器部分组成的网络，因为这些是依赖于其他层存在的 InverseLayers。

我找不到太多在千层面中使用空间网络的例子，所以我可能在定义我的网络时犯了一个错误。请查看我的网络定义，如果问题出在我的网络配置或有其他问题，请告诉我。

``` 网络 = 神经网络（

```

当我启动网络时，我收到以下错误：

```

我用 sklearn 的 SGDClassifier 和 LogisticRegression 做了很多工作。我现在有一个问题需要： 1- 使用稀疏矩阵（sklearn 支持） 2- 多标签实例，其中每个实例的标签是所有标签的概率分布，而不是 0/1 指标。

例如，样本 1 的标签可以是：

这意味着对于 4 个标签，我们有一个概率分布，我不应该使用阈值来使它们成为 0/1。

有人知道如何修改 sklearn 的线性模型来实现这一目标吗？或者是否有任何其他支持多输出实例的库？

注意：我在 lasagne/theano 中实现了多输出逻辑回归，但它不接受稀疏矩阵，并且与 sklearn 相比非常慢。

现在我正在和当时和千层面一起工作。我有带有命名情绪的 .csv 输入文件，以及它们在照片上的坐标。我试图教神经网络通过坐标来理解情绪。当我将 .csv 文件解析为变量并将其提供给神经网络时，它会说

我试图重塑数据，但它给了我另一个错误（我认为，我做错了什么）。
这是我的代码： http: //pastebin.com/RAhPpLuw 这是火车数据：https ://www.dropbox.com/s/yeik1zum7z0iwm4/train1.csv?dl=0