Tag: keras

如何在keras中获得可重复的结果: 每次我从imdb_lstm.py框架运行imdb_lstm.py示例（ https://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py ）时，我得到了不同的结果（testing准确性）。代码包含np.random.seed(1337)在顶部，在任何kerasimport之前。它应该防止它为每次运行产生不同的数字。我错过了什么？更新：如何repro：安装Keras（ http://keras.io/ ）执行https://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py几次。它将训练模型并输出testing精度。预期结果：每次运行testing的准确性都是一样的。实际结果：每次运行testing的准确性都不一样。 UPDATE2：我使用MinGW / msys，模块版本在Windows 8.1上运行它： theano 0.7.0 numpy 1.8.1 scipy 0.14.0c1 UPDATE3：我把问题缩小了一点。如果我用GPU运行这个例子（设置theano flag device = gpu0），那么我每次都得到不同的testing精度，但是如果我在CPU上运行它，那么一切都按预期工作。我的显卡：NVIDIA GeForce GT 635）

什么是Kerasembedded？: Keras文件不清楚这实际上是什么。我知道我们可以使用它来将input特征空间压缩成较小的一个。但是从神经devise的angular度来看，这是如何完成的呢？它是一个自动禁止者，RBM吗？

如何在Windows上的Anaconda Python中安装Keras和Theano？: 我正在尝试在Python中使用以下Keras包来处理neural network： from keras.utils import np_utils from keras.layers.core import Dense, Activation, Dropout from keras.models import Sequential from keras.layers.core import Dense, Dropout, Activation, Flatten from keras.layers.convolutional import Convolution2D, MaxPooling2D from keras.optimizers import SGD 但是，我收到以下错误： 15 import theano —> 16 from theano import gof 17 from theano.compat.python2x import partial 18 import theano.compile.mode ImportError: cannot import name gof […]

我在哪里可以在Keras中调用BatchNormalization函数？: 如果我想在Keras中使用BatchNormalization函数，那么我只需要在开始时调用它一次吗？我读了这个文档： http : //keras.io/layers/normalization/ 我不明白我应该怎么称呼它。下面是我的代码试图使用它： model = Sequential() keras.layers.normalization.BatchNormalization(epsilon=1e-06, mode=0, momentum=0.9, weights=None) model.add(Dense(64, input_dim=14, init='uniform')) model.add(Activation('tanh')) model.add(Dropout(0.5)) model.add(Dense(64, init='uniform')) model.add(Activation('tanh')) model.add(Dropout(0.5)) model.add(Dense(2, init='uniform')) model.add(Activation('softmax')) sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True) model.compile(loss='binary_crossentropy', optimizer=sgd) model.fit(X_train, y_train, nb_epoch=20, batch_size=16, show_accuracy=True, validation_split=0.2, verbose = 2) 我问，因为如果我运行包括批规范化的第二行的代码，如果我没有第二行运行代码，我得到类似的输出。所以要么我没有在正确的地方调用函数，要么我认为这并没有太大的区别。

了解Keras LSTM: 我试图调和我对LSTMs的理解，并在这里指出： http ://colah.github.io/posts/2015-08-Understanding-LSTMs/与Keras中实现的LSTM。我正在关注为Keras教程写的http://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/的博客。我主要困惑的是，将数据序列重塑为[samples, time steps, features] 有状态的LSTMs 让我们把注意力集中在以上两个问题上，参考下面的代码： # reshape into X=t and Y=t+1 look_back = 3 trainX, trainY = create_dataset(train, look_back) testX, testY = create_dataset(test, look_back) # reshape input to be [samples, time steps, features] trainX = numpy.reshape(trainX, (trainX.shape[0], look_back, 1)) testX = numpy.reshape(testX, (testX.shape[0], look_back, 1)) ######################## # The IMPORTANT […]

Keras，如何获得每一层的输出？: 我已经用CNN训练了一个二进制分类模型，这里是我的代码 model = Sequential() model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='valid', input_shape=input_shape)) model.add(Activation('relu')) model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1])) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=pool_size)) # (16, 16, 32) model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1])) model.add(Activation('relu')) model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1])) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=pool_size)) # (8, 8, 64) = (2048) model.add(Flatten()) model.add(Dense(1024)) model.add(Activation('relu')) model.add(Dropout(0.5)) model.add(Dense(2)) # define a binary classification problem model.add(Activation('softmax')) model.compile(loss='categorical_crossentropy', optimizer='adadelta', metrics=['accuracy']) model.fit(x_train, y_train, batch_size=batch_size, nb_epoch=nb_epoch, verbose=1, validation_data=(x_test, […]

ValueError at / image / Tensor张量（“activation_5 / Softmax：0”，shape =（？，4），dtype = float32）不是该图的元素: 您好我正在build立一个image processing的分类器，这个代码是一个API预测整个代码正在运行的图像的图像类除了这一行（pred = model.predict_classes（test_image））这个api是在Django框架和m使用python2.7 here is a point if I am running this code like normally ( without making an api)its running perfectly def classify_image(request): if request.method == 'POST' and request.FILES['test_image']: fs = FileSystemStorage() fs.save(request.FILES['test_image'].name, request.FILES['test_image']) test_image = cv2.imread('media/'+request.FILES['test_image'].name) if test_image is not None: test_image = cv2.resize(test_image, (128, 128)) test_image = np.array(test_image) test_image = test_image.astype('float32') […]