分类：keras

2020
10-07

使用Keras加载含有自定义层或函数的模型操作

当我们导入的模型含有自定义层或者自定义函数时，需要使用custom_objects来指定目标层或目标函数。例如：我的一个模型含有自定义层“SincConv1D”，需要使用下面的代码导入：fromkeras.modelsimportload_modelmodel=load_model('model.h5',custom_objects={'SincConv1D':SincConv1D})如果不加custom_objects指定目标层Layer，则会出现以下报错：ValueError:Unknownlayer:SincConv1D同样的，当我的模型含有自定义函数“my... 继续阅读 >
2020
10-07

keras 获取某层的输入/输出 tensor 尺寸操作

获取单输入尺寸，该层只被使用了一次。importkerasfromkeras.layersimportInput,LSTM,Dense,Conv2Dfromkeras.modelsimportModela=Input(shape=(32,32,3))b=Input(shape=(64,64,3))conv=Conv2D(16,(3,3),padding='same')conved_a=conv(a)#到目前为止只有一个输入，以下可行：assertconv.input_shape==(None,32,32,3)如果该层被使用了两次importkerasfromkeras.layersimportInput,LSTM,Dens... 继续阅读 >
2020
10-07

在keras 中获取张量 tensor 的维度大小实例

在进行keras网络计算时，有时候需要获取输入张量的维度来定义自己的层。但是由于keras是一个封闭的接口。因此在调用由于是张量不能直接用numpy里的A.shape()。这样的形式来获取。这里需要调用一下keras作为后端的方式来获取。当我们想要操作时第一时间就想到直接用shape()函数。其实keras中真的有shape()这个函数。shape（x）返回一个张量的符号shape，符号shape的意思是返回值本身也是一个tensor，示例：>>>fromkerasimp... 继续阅读 >
2020
10-07

Keras—embedding嵌入层的用法详解

Keras—embedding嵌入层的用法详解 最近在工作中进行了NLP的内容，使用的还是Keras中embedding的词嵌入来做的。Keras中embedding层做一下介绍。中文文档地址：https://keras.io/zh/layers/embeddings/参数如下：其中参数重点有input_dim,output_dim,非必选参数input_length.初始化方法参数设置后面会单独总结一下。demo使用预训练（使用百度百科（word2vec）的语料库）参考embedding使用的demo参考：defcreate_embedding(word_index,num_words,word2vec_model):e... 继续阅读 >
2020
10-07

Keras框架中的epoch、bacth、batch size、iteration使用介绍

1、epochKeras官方文档中给出的解释是：“简单说，epochs指的就是训练过程接中数据将被“轮”多少次”（1）释义：训练过程中当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一个epoch，网络会在每个epoch结束时报告关于模型学习进度的调试信息。（2）为什么要训练多个epoch，即数据要被“轮”多次在神经网络中传递完整的数据集一次是不够的，对于有限的数据集（是在批梯度下降情况下），使用一个迭代过程，更新... 继续阅读 >
2020
10-07

keras 使用Lambda 快速新建层 添加多个参数操作

keras许多简单操作，都需要新建一个层，使用Lambda可以很好完成需求。#额外参数defnormal_reshape(x,shape):returnK.reshape(x,shape)output=Lambda(normal_reshape,arguments={'shape':(-1,image_seq,1000)})(output)output=Lambda(lambdainp:K.mean(inp,axis=1),output_shape=(1000,))(output)更多参考补充知识：keras实现包括batchsize所在维度的reshape，使用backend新建一层针对多输入使用不同batchsize... 继续阅读 >
2020
10-07

keras打印loss对权重的导数方式

Notes怀疑模型梯度爆炸，想打印模型loss对各权重的导数看看。如果如果fit来训练的话，可以用keras.callbacks.TensorBoard实现。但此次使用train_on_batch来训练的，用K.gradients和K.function实现。Codes以一份VAE代码为例#-*-coding:utf8-*-importkerasfromkeras.modelsimportModelfromkeras.layersimportInput,Lambda,Conv2D,MaxPooling2D,Flatten,Dense,Reshapefromkeras.lossesimportbinary_crossentr... 继续阅读 >
2020
10-07

keras-siamese用自己的数据集实现详解

keras-siamese用自己的数据集实现详解 Siamese网络不做过多介绍，思想并不难，输入两个图像，输出这两张图像的相似度，两个输入的网络结构是相同的，参数共享。主要发现很多代码都是基于mnist数据集的，下面说一下怎么用自己的数据集实现siamese网络。首先，先整理数据集，相同的类放到同一个文件夹下，如下图所示：接下来，将pairs及对应的label写到csv中，代码如下：importosimportrandomimportcsv#图片所在的路径path='/Users/mac/Desktop/wxd/flag/category/'#... 继续阅读 >
2020
10-07

Keras之自定义损失(loss)函数用法说明

在Keras中可以自定义损失函数，在自定义损失函数的过程中需要注意的一点是，损失函数的参数形式，这一点在Keras中是固定的，须如下形式：defmy_loss(y_true,y_pred):#y_true:Truelabels.TensorFlow/Theanotensor#y_pred:Predictions.TensorFlow/Theanotensorofthesameshapeasy_true...returnscalar#返回一个标量值然后在model.compile中指定即可，如：model.compile(loss=my_loss,optimizer='sgd')具体参... 继续阅读 >
2020
10-07

keras实现调用自己训练的模型,并去掉全连接层

其实很简单fromkeras.modelsimportload_modelbase_model=load_model('model_resenet.h5')#加载指定的模型print(base_model.summary())#输出网络的结构图这是我的网络模型的输出，其实就是它的结构图__________________________________________________________________________________________________Layer(type)OutputShapeParam#Connectedto=========================================... 继续阅读 >
2020
10-07

对Keras中predict()方法和predict_classes()方法的区别说明

对Keras中predict()方法和predict_classes()方法的区别说明 1predict()方法当使用predict()方法进行预测时，返回值是数值，表示样本属于每一个类别的概率，我们可以使用numpy.argmax()方法找到样本以最大概率所属的类别作为样本的预测标签。2predict_classes()方法当使用predict_classes()方法进行预测时，返回的是类别的索引，即该样本所属的类别标签。以卷积神经网络中的图片分类为例说明，代码如下：补充知识：keras中model.evaluate、model.predict和model.predict_classes的区别1、mo... 继续阅读 >
2020
10-07

Keras load_model 导入错误的解决方式

Keras load_model 导入错误的解决方式 在使用Kerasload_model时，会出现以下报错：ImportError:Failedtoimportpydot.Youmustinstallpydotandgraphvizfor`pydotprint`towork.解决办法：$pipinstallpydot$sudoapt-getinstallgraphviz补充知识：Keras保存model到指定文件夹和加载load_model指定文件夹中的文件（踩坑）我们一般保存模型和加载模型都是通过下面这段代码：fromkeras.modelsimportload_modelmodel.save('model.h5')fromkeras.model... 继续阅读 >
2020
10-07

使用Keras 实现查看model weights .h5 文件的内容

Keras的模型是用hdf5存储的，如果想要查看模型，keras提供了get_weights的函数可以查看：forlayerinmodel.layers:weights=layer.get_weights()#listofnumpyarray而通过hdf5模块也可以读取：hdf5的数据结构主要是File-Group-Dataset三级，具体操作API可以看官方文档。weights的tensor保存在Dataset的value中，而每一集都会有attrs保存各网络层的属性：importh5pydefprint_keras_wegiths(weight_file_path):f=... 继续阅读 >
2020
09-29

Pytorch转keras的有效方法,以FlowNet为例讲解

Pytorch凭借动态图机制，获得了广泛的使用，大有超越tensorflow的趋势，不过在工程应用上，TF仍然占据优势。有的时候我们会遇到这种情况，需要把模型应用到工业中，运用到实际项目上，TF支持的PB文件和TF的C++接口就成为了有效的工具。今天就给大家讲解一下Pytorch转成Keras的方法，进而我们也可以获得Pb文件，因为Keras是支持tensorflow的，我将会在下一篇博客讲解获得Pb文件，并使用Pb文件的方法。PytorchToKeras首先，我们必... 继续阅读 >
2020
09-29

keras .h5转移动端的.tflite文件实现方式

以前tensorflow有bug在winodws下无法转，但现在好像没有问题了,代码如下将keras下的mobilenet_v2转成了tflitefromkeras.backendimportclear_sessionimportnumpyasnpimporttensorflowastfclear_session()np.set_printoptions(suppress=True)input_graph_name="../models/weights.best_mobilenet224.h5"output_graph_name=input_graph_name[:-3]+'.tflite'converter=tf.lite.TFLiteConverter.from_keras_model_fi... 继续阅读 >