分类：keras

2020
10-08

keras实现theano和tensorflow训练的模型相互转换

我就废话不多说了，大家还是直接看代码吧~</pre><precode_snippet_id="1947416"snippet_file_name="blog_20161025_1_3331239"name="code"class="python">#coding:utf-8"""Ifyouwanttoloadpre-trainedweightsthatincludeconvolutions(layersConvolution2DorConvolution1D),bemindfulofthis:TheanoandTensorFlowimplementconvolutionindifferentways(TensorFlowactuallyimplementscorrelation,muc... 继续阅读 >

2020
10-08

Keras 切换后端方式(Theano和TensorFlow)

实验室新装了keras，发现keras默认后端是tensorflow，想换回theano，看了官方文档也没搞懂，最终搞定，很简单。中文文档的描述：keras中文文档，切换后端其实就是在C:\Users\75538（75538是我的windos用户名字，找你对应的用户名就行）下有个文件夹.keras，里面有keras.json文件，改一下里面的内容就好了，如果没有文件夹和文件，手动创建就行。用theano的话，keras.json写入{"image_dim_ordering":"th","epsilon":1e-07,"f... 继续阅读 >

2020
10-08

查看keras的默认backend实现方式

1.进入当前用户目录：cd~2.查看当前目录下的文件：ls-a3.找到.keras目录并进入：cd.keras4.进入并查看keras.json文件：catkeras.json5.可能的显示如下：{“image_dim_ordering”:”tf”,“epsilon”:1e-07,“floatx”:“float32”,“backend”:“tensorflow”}补充知识：keras和tensorflow的channel之争（你的channel是否正确？）说到keras，封装了tensorflow，因其简单，方便，好用为吾等深度学习入门工具．t... 继续阅读 >

2020
10-08

Keras自动下载的数据集/模型存放位置介绍

Mac#数据集~/.keras/datasets/#模型~/.keras/models/Linux#数据集~/.keras/datasets/Windows#win10C:\Users\user_name\.keras\datasets补充知识：Keras_gan生成自己的数据，并保存模型我就废话不多说了，大家还是直接看代码吧~from__future__importprint_function,divisionfromkeras.datasetsimportmnistfromkeras.layersimportInput,Dense,Reshape,Flatten,Dropoutfromkeras.layersimportBatchNormalizatio... 继续阅读 >

2020
10-08

在tensorflow以及keras安装目录查询操作(windows下)

安装anaconda后查询CPU版本时打开AnacondaPrompt输入python然后输入importtensorflowastftf.__path__即可查询cpu版本tensorflow目录位置，需要注意的是此处path两侧均为双下划线。查询GPU版本时打开AnacondaPrompt(tensorflow-gpu)输入python然后输入importtensorflowastftf.__path__即可至于keras的目录输入fromtensorflowimportkeraskeras.__path__即可~补充知识：keras文件存放的目录win10的路径为C:\Users\user_na... 继续阅读 >

2020
10-08

如何在keras中添加自己的优化器(如adam等)

本文主要讨论windows下基于tensorflow的keras1、找到tensorflow的根目录如果安装时使用anaconda且使用默认安装路径，则在C:\ProgramData\Anaconda3\envs\tensorflow-gpu\Lib\site-packages\tensorflow处可以找到(此处为GPU版本)，cpu版本可在C:\ProgramData\Anaconda3\Lib\site-packages\tensorflow处找到。若并非使用默认安装路径，可参照根目录查看找到。2、找到keras在tensorflow下的根目录需要特别注意的是找到keras在tensorf... 继续阅读 >

2020
10-08

keras 实现轻量级网络ShuffleNet教程

ShuffleNet是由旷世发表的一个计算效率极高的CNN架构，它是专门为计算能力非常有限的移动设备(例如，10-150MFLOPs)而设计的。该结构利用组卷积和信道混洗两种新的运算方法，在保证计算精度的同时，大大降低了计算成本。ImageNet分类和MSCOCO对象检测实验表明，在40MFLOPs的计算预算下，ShuffleNet的性能优于其他结构，例如，在ImageNet分类任务上，ShuffleNet的top-1error7.8%比最近的MobileNet低。在基于arm的移动设备上，Sh... 继续阅读 >

2020
10-08

Keras设置以及获取权重的实现

layer的两个函数：get_weights(),set_weights(weights)。详情请参考about-keras-layers。补充知识：Keras层的共同函数关于Keras层：所有Keras层都有很多共同的函数：layer.get_weights():#以Numpy矩阵的形式返回层的权重。layer.set_weights(weights):#从Numpy矩阵中设置层的权重（与get_weights的输出形状相同）。layer.get_config():#返回包含层配置的字典。图层的重置：layer=Dense(32)config=layer.get_config()rec... 继续阅读 >

2020
10-08

浅谈Keras中shuffle和validation_split的顺序

模型的fit函数有两个参数，shuffle用于将数据打乱，validation_split用于在没有提供验证集的时候，按一定比例从训练集中取出一部分作为验证集这里有个陷阱是，程序是先执行validation_split，再执行shuffle的，所以会出现这种情况：假如你的训练集是有序的，比方说正样本在前负样本在后，又设置了validation_split，那么你的验证集中很可能将全部是负样本同样的，这个东西不会有任何错误报出来，因为Keras不可能知道你的数据有没有... 继续阅读 >

2020
10-08

sklearn和keras的数据切分与交叉验证的实例详解

在训练深度学习模型的时候，通常将数据集切分为训练集和验证集．Keras提供了两种评估模型性能的方法：使用自动切分的验证集使用手动切分的验证集一．自动切分在Keras中，可以从数据集中切分出一部分作为验证集，并且在每次迭代(epoch)时在验证集中评估模型的性能．具体地，调用model.fit()训练模型时，可通过validation_split参数来指定从数据集中切分出验证集的比例．#MLPwithautomaticvalidationsetfromkeras.modelsimpor... 继续阅读 >

2020
10-08

keras model.fit 解决validation_spilt=num 的问题

如下所示：hist=model.fit(x,y,epochs=epoch_num,batch_size=32,callbacks=early_stopping],validation_split=0.004,shuffle=True)正确写法如上，注意当出现下面问题，或fit函数中其他参数关键字提示问题，优先排查先后顺序，一开始我把callbacks放在了validation_split后面，就会出错。Unrecognizedkeywordarguments:{'validation_spilt':0.003}TIPS：当不清楚具体顺序的时候，可在进到类函数里查看具体定义顺序。补充知... 继续阅读 >

2020
10-08

keras中的History对象用法

keras中的fit_generator和fit函数均返回History对象，那么History怎么用呢？事实上History对象已经记录了运行输出。在了解之前，我们甚至自己定义回调函数记录损失和准确率等。相关keras源码位于网址：classHistory(Callback):"""Callbackthatrecordseventsintoa`History`object.ThiscallbackisautomaticallyappliedtoeveryKerasmodel.The`History`objectgetsreturnedbythe`fit`methodofmodels."""... 继续阅读 >

2020
10-08

解决keras backend 越跑越慢问题

Keras运行迭代一定代数以后，速度越来越慢，经检查是因为在循环迭代过程中增加了新的计算节点，导致计算节点越来越多，内存被占用完，速度变慢。判断是否在循环迭代过程中增加了新的计算节点，可以用下面的语句：tf.Graph.finalize()如果增加了新的计算节点，就会报错，如果没有报错，说明没有增加计算节点。补充知识：win10下pytorch，tensorflow，keras+tf速度对比采用GitHub上的代码运行类似vgg模型，在cifar10上训练，结果朋友... 继续阅读 >

2020
10-08

解决Keras中Embedding层masking与Concatenate层不可调和的问题

问题描述我在用Keras的Embedding层做nlp相关的实现时，发现了一个神奇的问题，先上代码：a=Input(shape=[15])#None*15b=Input(shape=[30])#None*30emb_a=Embedding(10,5,mask_zero=True)(a)#None*15*5emb_b=Embedding(20,5,mask_zero=False)(b)#None*30*5cat=Concatenate(axis=1)([emb_a,emb_b])#None*45*5model=Model(inputs=[a,b],outputs=[cat])printmodel.summary()我有两个Embedding层，当其中... 继续阅读 >

2020
10-08

浅谈keras中的batch_dot,dot方法和TensorFlow的matmul

概述在使用keras中的keras.backend.batch_dot和tf.matmul实现功能其实是一样的智能矩阵乘法，比如A,B,C,D,E,F,G,H，I,J,K,L都是二维矩阵，中间点表示矩阵乘法，AG表示矩阵A和G矩阵乘法（A的列维度等于G行维度），WX=Zimportkeras.backendasKimporttensorflowastfimportnumpyasnpw=K.variable(np.random.randint(10,size=(10,12,4,5)))k=K.variable(np.random.randint(10,size=(10,12,5,8)))z=K.batch_dot(w,k)... 继续阅读 >

2020
10-08

使用Keras实现Tensor的相乘和相加代码

前言最近在写行为识别的代码，涉及到两个网络的融合，这个融合是有加权的网络结果的融合，所以需要对网络的结果进行加权（相乘）和融合（相加）。最初的想法最初的想法是用Keras.layers.Add和Keras.layers.Multiply来做，后来发现这样会报错。rate_rgb=k.variable(np.ones((1024,),dtype='float32')*0.8)rate_esti=k.variable(np.ones((1024,),dtype='float32')*0.2)weight_gru1=Multiply()([rate_rgb,gru1])weight_gru2=M... 继续阅读 >