分类：keras

2020
10-08

keras 简单 lstm实例(基于one-hot编码)

简单的LSTM问题，能够预测一句话的下一个字词是什么固定长度的句子，一个句子有3个词。使用one-hot编码各种引用importkerasfromkeras.modelsimportSequentialfromkeras.layersimportLSTM,Dense,Dropoutimportnumpyasnp数据预处理data='abcdefghijklmnopqrstuvwxyz'data_set=set(data)word_2_int={b:afora,binenumerate(data_set)}int_2_word={a:bfora,binenumerate(data_set)}word_len=len(data_s... 继续阅读 >

2020
10-08

浅谈keras中的keras.utils.to_categorical用法

如下所示：to_categorical(y,num_classes=None,dtype='float32')将整型标签转为onehot。y为int数组，num_classes为标签类别总数，大于max(y)（标签从0开始的）。返回：如果num_classes=None，返回len(y)*[max(y)+1]（维度，m*n表示m行n列矩阵，下同），否则为len(y)*num_classes。说出来显得复杂，请看下面实例。importkerasohl=keras.utils.to_categorical([1,3])#ohl=keras.utils.to_categorical([[1],[3]])print(ohl)""... 继续阅读 >

2020
10-08

解决keras GAN训练是loss不发生变化,accuracy一直为0.5的问题

1、BinaryCrossEntropy常用于二分类问题，当然也可以用于多分类问题，通常需要在网络的最后一层添加sigmoid进行配合使用，其期望输出值（target）需要进行onehot编码，另外BCELoss还可以用于多分类问题Multi-labelclassification.定义：Forbrevity,letx=output,z=target.Thebinarycrossentropylossisloss(x,z)=-sum_i(x[i]*log(z[i])+(1-x[i])*log(1-z[i]))对应的代码为：defbinary_crossentrop... 继续阅读 >

2020
10-08

解决keras,val_categorical_accuracy:,0.0000e+00问题

问题描述：在利用神经网络进行分类和识别的时候，使用了keras这个封装层次比较高的框架，backend使用的是tensorflow-cpu。在交叉验证的时候，出现val_categorical_accuracy:0.0000e+00的问题。问题分析：首先，弄清楚，训练集、验证集、测试集的区别，验证集是从训练集中提前拿出一部分的数据集。在keras中，一般都是使用这种方式来指定验证集占训练集和的总大小。validation_split=0.2比如，经典的数据集MNIST，共有60000个训... 继续阅读 >

2020
10-08

keras中epoch,batch,loss,val_loss用法说明

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
10-08

浅谈keras使用预训练模型vgg16分类,损失和准确度不变

问题keras使用预训练模型vgg16分类，损失和准确度不变。细节：使用keras训练一个两类数据，正负比例1：3，在vgg16后添加了几个全链接并初始化了。并且对所有层都允许训练。但是准确度一直是0.75.数据预先处理已经检查过格式正确再将模型中relu改成sigmoid就正常了。数据处理程序importosimportpickleimportnumpyasnpimportDataFileimportSelectiveSearchimportGeneratorimportIoUimportModel_CRNN_VGG16fromkeras.pre... 继续阅读 >

2020
10-08

keras:model.compile损失函数的用法

损失函数loss：该参数为模型试图最小化的目标函数，它可为预定义的损失函数名，如categorical_crossentropy、mse，也可以为一个损失函数。详情见losses可用的损失目标函数：mean_squared_error或msemean_absolute_error或maemean_absolute_percentage_error或mapemean_squared_logarithmic_error或mslesquared_hingehingecategorical_hingebinary_crossentropy（亦称作对数损失，logloss）logcoshcategorical_crossentropy：亦称作... 继续阅读 >

2020
10-08

解决Keras的自定义lambda层去reshape张量时model保存出错问题

前几天忙着参加一个AIChallenger比赛，一直没有更新博客，忙了将近一个月的时间，也没有取得很好的成绩，不过这这段时间内的确学到了很多，就在决赛结束的前一天晚上，准备复现使用一个新的网络UPerNet的时候出现了一个很匪夷所思，莫名其妙的一个问题。谷歌很久都没有解决，最后在一个日语网站上看到了解决方法。事后想想，这个问题在后面搭建网络的时候会很常见，但是网上却没有人提出解决办法，So,Ithinkthat'sverynecess... 继续阅读 >

2020
10-08

完美解决keras 读取多个hdf5文件进行训练的问题

用keras进行大数据训练，为了加快训练，需要提前制作训练集。由于HDF5的特性，所有数据需要一次性读入到内存中，才能保存。为此，我采用分批次分为2个以上HDF5进行存储。1、先读取每个标签下的图片，并设置标签defload_dataset(path_name,data_path):images=[]labels=[]train_images=[]valid_images=[]train_labels=[]valid_labels=[]counter=0allpath=os.listdir(path_name)nb_classes=len(allpath)... 继续阅读 >

2020
10-08

解决keras模型保存h5文件提示无此目录问题

问题Keras模型迭代一次保存模型到.h5中，无法保存，提示如下：方法尝试如下1.卸载、重新安装h5py2.cdfile:///home/bigdata/camera/flow/jckjTmp/models/命令，进入目录，提示无此目录改用"/home/bigdata/camera/flow/jckjTmp/models/"路径，问题解决。补充知识：keras.model的保存与打开神经网络模型的保存与打开，导入keras.models即可操作，示例如下：fromkeras.modelsimportload_modelmodel.save('my_model.h5')#保存为h... 继续阅读 >

2020
10-08

keras的backend 设置 tensorflow,theano操作

win7系统环境安装步骤：1.首先是安装Python，建议安装anaconda2.安装完anaconda后打开anacondapromp命令行promp，输入condalist.可以看到已经安装的库以及版本等信息，注意此时没有keras.3.通过condainstallkeras或pipinstallkeras直接安装。（会默认的给你安装keras最新版本和所需要的theano）4.安装完成之后，就可以打开notebook,输入importkeras检查是否成功。5.因为windows版本的tensorflow刚刚才推出，所以目前... 继续阅读 >

2020
10-08

使用已经得到的keras模型识别自己手写的数字方式

环境：Python+keras，后端为Tensorflow训练集：MNIST对于如何训练一个识别手写数字的神经网络，网上资源十分丰富，并且能达到相当高的精度。但是很少有人涉及到如何将图片输入到网络中并让已经训练好的模型惊醒识别，下面来说说实现方法及注意事项。首先import相关库，这里就不说了。然后需要将训练好的模型导入，可通过该语句实现：model=load_model('cnn_model_2.h5')（cnn_model_2.h5替换为你的模型名）之后是导入图片，需要... 继续阅读 >

2020
10-08

解决tensorflow/keras时出现数组维度不匹配问题

一、环境Ubuntu16.04tensorflow1.4.0keras2.1.3二、训练数据时报错：ValueError:Errorwhencheckingtarget:expectedmodel_2tohaveshape(None,3)butgotarraywithshape(4,1原因：数组的维度不正确。三、解决思路一开始的想法：tensorflow和keras的版本不兼容？经过多次安装不同版本的tensorflow和keras，发现问题依旧存在。而且在python环境下使用命令：importtensorflow或者importkeras时，报错：/home... 继续阅读 >

2020
10-08

解决keras使用cov1D函数的输入问题

解决了以下错误：1.ValueError:Input0isincompatiblewithlayerconv1d_1:expectedndim=3,foundndim=42.ValueError:Errorwhencheckingtarget:expecteddense_3tohave3dimensions,butgotarraywith…1.ValueError:Input0isincompatiblewithlayerconv1d_1:expectedndim=3,foundndim=4错误代码：model.add(Conv1D(8,kernel_size=3,strides=1,padding='same',input_shape=(x_train.shape))或者mo... 继续阅读 >

2020
10-08

使用Keras构造简单的CNN网络实例

1.导入各种模块基本形式为：import模块名from某个文件import某个模块2.导入数据（以两类分类问题为例，即numClass=2）训练集数据data可以看到，data是一个四维的ndarray训练集的标签3.将导入的数据转化我keras可以接受的数据格式keras要求的label格式应该为binaryclassmatrices，所以，需要对输入的label数据进行转化，利用keras提高的to_categorical函数label=np_utils.to_categorical(label,numClass此时的label... 继续阅读 >

2020
10-08

解决Keras中CNN输入维度报错问题

想要写分类器对图片进行分类，用到了CNN。然而，在运行程序时，一直报错：ValueError:Negativedimensionsizecausedbysubtracting5from1for‘conv2d_1/convolution'(op:‘Conv2D')withinputshapes:[?,1,28,28],[5,5,28,30].这部分提到的代码是这样的,这是我的分类器的输入层：model.add(Conv2D(30,(5,5),input_shape=(1,28,28),activation='relu',padding="valid"))问题出在input_shape上，报错的大意就... 继续阅读 >