keras

1熱

1答えて

背景私はインセプション-Resnet_v2とkerasを使用して病理像を予測したいと予測します。私はすでにモデルを訓練し、.hdf5ファイルを持っています。病理画像は非常に大きいので（例：20,000 x 20,000ピクセル）、画像をスキャンして予測用の小さなパッチを取得する必要があります。私はpython2.7でマルチプロセッシングlibを使って予測手順を高速化したいと思います。主な考え方

1熱

1答えて

Kerasでcross_modality_pretrainedを実行する方法：異なる形状のウェイトを設定する

私はkerasでcross_modality_pretrainをやっています。 IはInceptionResNetv2 pretrainedモデルを使用し、I（3 3 20 32）に変更した形状であるconv2d_1、（3 3 3 32）（高さ、幅、チャネル、出力） model_base = InceptionResNetV2(include_top=False, weights='imagen

1熱

1答えて

ケラで複数のバリデーションセットを使用する

model.fit()メソッドを使用してケラスでモデルをトレーニングしています。各訓練エポック後に別々に検証する必要がある複数の検証セットを使用したいので、検証セットごとに1つの損失値が得られます。可能であれば、それらはトレーニング中に表示され、keras.callbacks.History()コールバックによって返されます。私はこのような何かを考えています： history = model.

3熱

1答えて

テンソルのバッチから個々のテンソルを抽出する方法は？

ガイダンスマップ（this研究論文に続いて）を使用して、双方向グリッドをアップサンプリングしようとしています。 I 3つの入力を受け取り、アップサンプリングされた画像を提供するKeras層を作成した：形状の BilateralGrids（なし、16、16、96）形状のGuidanceMaps（なし、256、 256）ここ形状のInputImages（なし、256、256、3）は、 'なし'

1熱

1答えて

TheasanoとKerasで同じ重みを共有する2つの同一のブランチを実装する方法

同じ重みをある程度共有する2つの同じブランチを実装しようとしています。あなたがここに見るグラフィックは、私が持っているものの単純化されたモデルです。だから、私は入力を持っています：否定的で肯定的なもの、conv1_1_xからRpnまでのすべての層は同じ重みを持つべきです。私は、これまで実施することを試みたことは次のとおりです。 def create_base_network(input_shape

0熱

1答えて

1つのシーケンス機能と3つの現在の機能を備えたLSTM

LSTMモデルを使用して販売を予測する方法について質問があります。モデルを作成するには、以前の販売値（サンプルサイズ30を選択）と、プロモーションの有無、休日などの現在の機能（t）などを入力します。現在のコード： def create_dataset(dataset, look_back=1): dataX, dataY = [], [] for i in range(len(dataset

0熱

1答えて

Kerasは常に同じ出力を予測します

Kerasはすべての入力に対して常に同じクラスを予測します。現在、4つのクラスがあります。ニュース、天気、スポーツ、経済。トレーニングセットは、クラスがトピックと同じ、さまざまなテキストで構成されています。ニュースとスポーツに分類されるテキストは、天気と経済のテキストよりもはるかに多くあります。ニュース：12112のテキスト天気：私はモデルがスポーツとニュースに偏っされると予想しているでし

0熱

1答えて

Keras、models.add（）missing 1必要な位置引数： 'layer'

私はKerasを使用した簡単なフィードフォワードニューラルネットを使用してMNISTデータセットの数字を分類しています。そこで以下のコードを実行します。 import os import tensorflow as tf import keras from keras.models import Sequential from keras.layers import Dense, Act

3熱

1答えて

Keras Multilabel Multiclass個別タグ精度

KerasのCNNでマルチクラスマルチラベル分類を実行しようとしています。私は同様の質問からthis functionに基づいて個々のラベル精度関数を作成しようとしてきました私がしようとした、関連するコードは次のとおりです。 labels = ["dog", "mammal", "cat", "fish", "rock"] #I have more interesting_id = [0]*l

0熱

1答えて

保存私はここで議論された内容に基づいて、mnistデータセットの雑音除去オートエンコーダを設置Kerasコールバック

で最高val_loss： https://blog.keras.io/building-autoencoders-in-keras.html を、私は、入力画像の再構成が切り替わるかを確認しようとしています時間; DAEスパイクの喪失（訓練と検証の両方）、例えば〜0.12から〜3.0までの損失から気づいたことがあります。トレーニングプロセスでこれらの「誤ったステップ」を使用するのを避けるために、私