keras

Keras尺寸与ImageDataGenerator不匹配的处理方法 我正在尝试使用Keras将数据流"入神经网络.我正在使用.flow_from_directory方法，该过程适合我.我正在使用keras文档中的基本示例(我正在使用tensorflow): I am attempting to 'flow' my data into a neural network with Keras. I am using the .flow_from_directory method and

在CNN评估期间如何存储错误的预测的处理方法 在评估期间，我想存储被错误地预测会进行更多处理的唯一ID.这是一个多类预测问题 During evaluation, I want to store unique ids that are wrongly predicted to do some more processing. It is a multiclass prediction problem 以下是评估过程中的代码: Here is the code during the evalua

TypeError:无法腌制_thread.RLock对象的处理方法 在此处检查所有关于Stackoverflow的答案后: TypeError:无法腌制_thread.lock对象，我还没有找到为什么这种方法不起作用或我的问题是什么. After checking all the existing answers on Stackoverflow here: Checkpointing keras model: TypeError: can't pickle _thread.lock obj

有多个输出的CNN损失?的处理方法 我有以下型号 def get_model():时代= 100learning_rate = 0.1衰减率=学习率/历元inp = keras.Input(shape =(64，101，1)，name ="inputs")x ＝layers.Conv2D(128，kernel_size ＝(3，3)，步幅＝(3，3)，padding ＝相同")(inp).x =层数.Conv2D(256，kernel_size =(3，3)，

ValueError:没有为任何变量提供渐变:['conv2d/kernel:0'，'conv2d/bias:0'，'conv2d_1/kernel:0'，'conv2d_1/bias:0'，的处理方法 系统信息Colab Tensorflow 2.2.0 System information Colab tensorflow 2.2.0 描述当前行为:当我尝试解决自己的数据问题(即多个标签语义细分)时，我遇到了此错误. Describe the current behavior: I fac

在CNN评估期间如何存储错误的预测的处理方法 在评估期间，我想存储被错误地预测会进行更多处理的唯一ID.这是一个多类预测问题 During evaluation, I want to store unique ids that are wrongly predicted to do some more processing. It is a multiclass prediction problem 以下是评估过程中的代码: Here is the code during the evalua

Keras尺寸与ImageDataGenerator不匹配的处理方法 我正在尝试使用Keras将数据流"入神经网络.我正在使用.flow_from_directory方法，该过程适合我.我正在使用keras文档中的基本示例(我正在使用tensorflow): I am attempting to 'flow' my data into a neural network with Keras. I am using the .flow_from_directory method and

TypeError:无法腌制_thread.RLock对象的处理方法 在此处检查所有关于Stackoverflow的答案后: TypeError:无法腌制_thread.lock对象，我还没有找到为什么这种方法不起作用或我的问题是什么. After checking all the existing answers on Stackoverflow here: Checkpointing keras model: TypeError: can't pickle _thread.lock obj

有多个输出的CNN损失?的处理方法 我有以下型号 def get_model():时代= 100learning_rate = 0.1衰减率=学习率/历元inp = keras.Input(shape =(64，101，1)，name ="inputs")x ＝layers.Conv2D(128，kernel_size ＝(3，3)，步幅＝(3，3)，padding ＝相同")(inp).x =层数.Conv2D(256，kernel_size =(3，3)，

ValueError:没有为任何变量提供渐变:['conv2d/kernel:0'，'conv2d/bias:0'，'conv2d_1/kernel:0'，'conv2d_1/bias:0'，的处理方法 系统信息Colab Tensorflow 2.2.0 System information Colab tensorflow 2.2.0 描述当前行为:当我尝试解决自己的数据问题(即多个标签语义细分)时，我遇到了此错误. Describe the current behavior: I fac

常规和自适应鲁棒损失函数 .作者提供了处理详细细节的tensorflow代码.我只是想在Keras中使用他的预建函数. I am trying to use Keras to implement the work done in A General and Adaptive Robust Loss Function. The author provides tensorflow code that works the hard details. I am just trying to use

创建一个Keras回调，每n个周期激活一次的处理方法 我想在Keras中创建自己的Callback，但我不太了解该怎么做. I want to create my own Callback in Keras but don't really understand how to do it. 我想做的是创建一个回调，每个 n (例如 n = 10 )时代都调用一个函数.根据Keras文档( https://keras.io/callbacks/)，基类keras.callbacks.Callba

padding='same' 转换为 PyTorch padding=#的处理方法 我正在尝试将以下 Keras 模型代码转换为 pytorch，但在处理 padding='same' 时遇到问题. I'm trying to convert the following Keras model code to pytorch, but am having problems dealing with padding='same'. model = Sequential() model.add(C

Keras 后端 什么是 「后端」？ Keras 是一个模型级库，为开发深度学习模型提供了高层次的构建模块。它不处理诸如张量乘积和卷积等低级操作。相反，它依赖于一个专门的、优化的张量操作库来完成这个操作，它可以作为 Keras 的「后端引擎」。相比单独地选择一个张量库，而将 Keras 的实现与该库相关联，Keras 以模块方式处理这个问题，并且可以将几个不同的后端引擎无缝嵌入到 Keras 中。 目前，Keras 有三个后端实现可用: TensorFlow 后端，Theano 后端，CNTK

为什么选择 Keras？ 在如今无数深度学习框架中，为什么要使用 Keras 而非其他？以下是 Keras 与现有替代品的一些比较。 Keras 优先考虑开发人员的经验 Keras 是为人类而非机器设计的 API。Keras 遵循减少认知困难的最佳实践: 它提供一致且简单的 API，它将常见用例所需的用户操作数量降至最低，并且在用户错误时提供清晰和可操作的反馈。 这使 Keras 易于学习和使用。作为 Keras 用户，你的工作效率更高，能够比竞争对手更快地尝试更多创意，从而帮助你赢得机器学习竞