在keras中创建自定义激活函数
在Keras中创建自定义激活函数可以通过继承keras.activations.Activation类来实现。以下是一个示例：
from keras import backend as K
from keras.layers import Activation
# 自定义激活函数
def custom_activation(x):
return K.relu(x, alpha=0.0, max_value=None, threshold=0.0)
# 创建自定义激活函数类
class CustomActivation(Activation):
def __init__(self, activation, **kwargs):
super(CustomActivation, self).__init__(activation, **kwargs)
self.__name__ = 'custom_activation'
# 在模型中使用自定义激活函数
model.add(Dense(64))
model.add(CustomActivation(custom_activation))在上述示例中，我们定义了一个名为custom_activation的自定义激活函数，并创建了一个继承自Activation类的CustomActivation类。然后，我们可以在模型中使用CustomActivation类来应用自定义激活函数。
自定义激活函数可以根据具体的需求进行设计，例如使用ReLU、Sigmoid、Tanh等数学函数，或者根据特定的业务逻辑设计自己的激活函数。
自定义激活函数的优势在于可以根据具体问题进行定制，提高模型的表达能力和性能。它可以帮助模型更好地适应特定的数据分布和任务要求。
以下是一些适用于自定义激活函数的场景：
- 非线性激活函数：当数据具有非线性特征时，使用自定义激活函数可以更好地捕捉数据的非线性关系。
- 特定任务需求：某些任务可能需要特定的激活函数来处理特定的数据分布或任务要求。
- 模型优化：自定义激活函数可以帮助优化模型的性能，提高模型的准确性和泛化能力。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云人工智能平台：https://cloud.tencent.com/product/ai
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库 MySQL 版：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务：https://cloud.tencent.com/product/tbaas
- 腾讯云物联网平台：https://cloud.tencent.com/product/iotexplorer
- 腾讯云移动开发平台：https://cloud.tencent.com/product/mpt
- 腾讯云音视频处理：https://cloud.tencent.com/product/mps
- 腾讯云云原生应用平台：https://cloud.tencent.com/product/tke
- 腾讯云网络安全产品：https://cloud.tencent.com/product/ddos
- 腾讯云内容分发网络（CDN）：https://cloud.tencent.com/product/cdn
相关·内容
1回答
我训练了一个定制的YOLOv4模型。然后，我使用以下方法将权重转换为.h5：
之后，我尝试将.h5转换为coreml：
# Custom activation function
from keras.layers import Activation
from keras import backend as K
from keras.utils.generic_utils import get_custom_objects
def mish(x):
return x * K.tanh(K.softplus(x))
get_custom_objects().update({'mi
浏览 6提问于2020-08-27得票数 1
1回答
TensorFlow版本: tf 1.13.1
Keras版本: 2.2.4
Python版本: 3.7
调试后，我发现在我的模型的各个部分添加激活层之后，layer会删除2个属性_keras_history和_keras_shape。
目前，该模型还没有编译，因为我的体系结构在计算逻辑之后，在最终应用了一个激活层。
代码：
x = keras.activations.relu(x)
ff_layer2 = keras.layers.DepthwiseConv2D(128, strides=(1, 1), depth_multiplier=1, padding='same'
浏览 0提问于2019-05-27得票数 0
回答已采纳
当我试图用SineRELU或PELU替换工作代码中的SineRELU或relu时。我一直在犯这个错误：
ValueError:未知激活函数:PELU
我正在使用keras.contrib。我附上了示例代码。我已经在几个密码中尝试过。任何实现这一目标的方法都将不胜感激。
from keras.layers import Dense, Input, LeakyReLU, UpSampling2D, Conv2D, Concatenate
from keras_contrib.layers import SineReLU
from keras.models import Model,load
浏览 0提问于2019-04-11得票数 2
2回答
在Keras中，我可以创建任何具有线性激活函数的网络层，如下所示(例如，采用完全连接的层)：
model.add(keras.layers.Dense(outs, input_shape=(160,), activation='linear'))
但我在PyTorch文档中找不到线性激活函数。ReLU不合适，因为我的样本中有负值。如何在PyTorch中创建具有线性激活函数的层？
浏览 3提问于2021-02-20得票数 0
1回答
二值化神经网络的激活函数
、、、、
我试图用keras和tensorflow实现一个二值化的神经网络。以下是我的当前代码：
import tensorflow as tf
from tensorflow import keras
from keras import datasets
from keras.utils.vis_utils import plot_model
from keras.layers import Activation
from keras import backend as K
from keras.utils.generic_utils import get_custom_objects
def
浏览 0提问于2020-08-09得票数 1
Keras (特别是我使用的tf.keras)允许您在创建新的类实例时使用某些字符串作为参数，这些字符串引用其他Keras类。例如，tf.keras.layers.Dense(10, activation='elu')中的'elu‘是tf.keras.activations.elu的快捷方式。 但是，在文档中，我似乎找不到每个参数的有效参数的任何类型的综合列表。有些将是显而易见的，但如果我有一个列表来工作，事情会容易得多。此外，像model.compile(..., metrics=['accuracy'])中的“准确性”这样的参数行为似乎太过模棱两可
浏览 10提问于2019-06-28得票数 1
回答已采纳
1回答
你好，我一直在尝试创建两个tensorflow模型来尝试迁移学习。我已经训练了一个cnn模型的肺部X线图像为肺炎(2级)使用。
这是我的密码
import tensorflow as tf
import numpy as np
from tensorflow import keras
import os
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.preprocessing import image
import matplotlib.pyplot
浏览 9提问于2022-04-02得票数 0
1回答
(28, activation="relu")函数、Dropout和softmax在mnist数据集神经网络中的作用是什么，需要对每一层进行正确的指导 model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(
浏览 16提问于2019-12-24得票数 1
1回答
我在Keras中建立了一个简单的YOLO本地化模型，
model_layers = [
keras.layers.Conv2D( 32 , input_shape=( input_dim , input_dim , 3 ) , kernel_size=( 3 , 3 ) , strides=1 , activation='relu' ),
keras.layers.Conv2D( 32 , kernel_size=( 3 , 3 ) , strides=1 , activation='relu' ),
keras.layers.MaxPo
浏览 0提问于2019-08-10得票数 4
回答已采纳
2回答
我熟悉Keras，在Keras中，我们需要根据需要在输出层中添加激活函数，但是在学习Tensorflow时，我发现输出层没有添加激活函数。
有人能解释一下这背后的原因吗。
浏览 4提问于2019-03-11得票数 0
回答已采纳
我正在用一个自定义激活函数建立一个由Keras的tf后端和一些tf的张量运算符本身编写的新类的keras序列模型。我将自定义激活函数放在./keras/advanced_activation.py中。
我打算使用float16精度来运行它。如果没有自定义函数，我可以使用以下方法轻松地在float32和float16之间进行选择：
if self.precision == 'float16':
K.set_floatx('float16')
K.set_epsilon(1e-4)
el
浏览 0提问于2019-06-16得票数 2
1回答
我正在使用Keras教程跟踪官方的TensorFlow，我被困在这里：
为什么将激活函数用于预测连续值的任务？
守则是：
def build_model():
model = keras.Sequential([
keras.layers.Dense(64, activation=tf.nn.relu,
input_shape=(train_data.shape[1],)),
keras.layers.Dense(64, activation=tf.nn.relu),
keras.layers.De
浏览 1提问于2018-07-20得票数 5
回答已采纳
1回答
在Keras中使用以下语法定义图层时，如何在激活前获取该值： model.add(Convolution2D(128, 5, 5, activation='relu')) 我知道我可以简单地使用： model.add(Convolution2D(128, 5, 5))
model.add(Activation('relu')) 并从第一层获得输出，但使用第一层语法时可能吗？
浏览 14提问于2018-12-23得票数 2
回答已采纳
2回答
我正在使用Keras执行回归任务，并希望将输出限制在一个范围内(比如在1到10之间)。
有没有办法确保这一点？
浏览 0提问于2018-04-19得票数 8
1回答
三维CNN训练精度没有增加
、、、、
我正在训练一个医学数据集，图像是三维阵列，我增加了一个通道层来运行三维CNN神经网络。图像只有25张，当我运行神经网络时，精度和损失都不会随时间而变化。经过每一个时代，精度是恒定的。我相信，在每一个时代之后，权数应该改变，准确度至少应该提高1%，但这里什么也没有发生。我不知道这里出了什么问题。
#X shape=[25,100,100,100]
#input_shape_=[100,100,100]
tf.keras.backend.set_image_data_format('channels_last')
input_shape_=[resize_
浏览 0提问于2022-08-25得票数 0
环境是Python 3.7.6，下面是我的导入：
import os, sys
import tensorflow as tf # v2.2.0
tf.compat.v1.enable_eager_execution()
import numpy as np
import matplotlib.pyplot as plt
from sys import platform
import time
import random
import pickle
from tensorflow.keras.layers import ReLU
我试图克隆一个tf.keras.Model但没有成功，因为
浏览 0提问于2020-06-04得票数 1
1回答
keras限制输出最小最大值
、、、、
我的问题很简单。 如何让keras的输出受限于边界- min和max？ 有些人建议我做一个自定义的激活函数，将输出转换为最小和最大值。我希望这是我最后的选择。 我原以为在带有min_max_norm的密集层上的kernel_constraint和bias_constraint可以工作，但事实证明它不能工作。
浏览 45提问于2019-01-30得票数 1
回答已采纳
2回答
我一直在尝试用CNN制作一个图像分类器。我的数据集中有2300张图片和两类:男性和女性。下面是我使用的模型：
early_stopping = EarlyStopping(min_delta = 0.001, patience = 30, restore_best_weights = True)
model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(256, (3, 3), input_shape=X.shape[1:], activation = 'relu'))
model.add(tf.kera
浏览 4提问于2020-12-11得票数 2
回答已采纳
我正试图将一个经过训练的链子模型转换成一个经过训练的角模型，希望把它转换成核心模型。我这样做的尝试是通过使用与chainer模型相同的体系结构直接设置实例化keras模型的权重。通过调试，我注意到权矩阵的形状在Keras中设置时会被转换。问题是这两种模式的产量不同。在keras模型中，第一层得到了一些正确的输出，但大多数输出都以不可预测的方式被零化。对于我缺少的受过训练的角膜模型，还有其他参数吗？
import chainer
import cv2 as cv
import numpy as np
import argparse
import sys
import os
import ev
浏览 1提问于2019-01-19得票数 2
回答已采纳
我正在尝试使用参数'axis‘执行softmax，我发现唯一的方法是通过函数lambda。下面是我的代码，其中包含一个带有softmax的lambda的激活层：
from keras.models import Model
from keras.layers import Input,Dense,Reshape,Activation
from keras.layers.merge import Multiply,Concatenate
from keras.layers.core import Lambda
from keras.activations import softmax
f
浏览 24提问于2017-06-19得票数 5
2回答
我有一个简单的Keras网络，它使用定义为lambda的自定义激活函数：
from tensorflow.keras.activations import relu
lrelu = lambda x: relu( x, alpha=0.01 )
model = Sequential
model.add(Dense( 10, activation=lrelu, input_dim=12 ))
...
它编译、训练、测试都很好(省略了代码)，我可以使用model.save( 'model.h5' )保存它。但是，当我试图使用loaded = tf.keras.models.load
浏览 4提问于2020-08-05得票数 2
回答已采纳
我正在使用keras，我想将自己的激活函数myf添加到tensorflow后端。如何定义新功能并使其运行。因此，与代码行不同的是：
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
我会写
model.add(layers.Conv2D(64, (3, 3), activation='myf')).
浏览 0提问于2019-09-09得票数 18
我一直在研究tensorflow模型，该模型使用动量指标预测股票市场的短期积极和负面趋势。我已经建立了模型，在过去的32个时间步骤中，每个指标都包含一个32x7矩阵。如果价格在最后一步后上涨，标签为1，如果保持不变或减少，则为0。
我有一个定制的度量函数，它输出每个时代的预测值和真值，我发现真值不是0或1，它们在7左右徘徊。对于二进制分类，这是没有帮助的，因为所有的预测也将徘徊在~7。有人能向我解释一下是什么原因导致模型以这种方式改变标签吗？
这是模型和前10个时代的截图供参考。
def true(y_true, y_pred):
return y_true
def pred(y_true
浏览 3提问于2021-04-01得票数 0
尝试利用Keras/Tensorflow建立小波神经网络。对于这个神经网络，我应该使用一个小波函数作为我的激活函数。
我尝试通过简单地调用创建一个自定义激活函数来做到这一点。然而，在反向传播方面似乎存在一个问题。
import numpy as np
import pandas as pd
import pywt
import matplotlib.pyplot as plt
import tensorflow as tf
from keras.models import Model
import keras.layers as kl
from keras.layers import Inpu
浏览 3提问于2019-07-19得票数 5
1回答
Keras图像分类损失
、、、、
我试着制作一个简单的CNN模型，它可以识别Pokemons。第一次尝试，我自己创建了一个非常小的数据集，由10个不同的Pokemons的100张图片组成。在Python中使用这段代码，它似乎运行得很好。
import tensorflow as tf
import numpy as np
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Conv2D(32, (3,3), input_shape=(200,200,3), activation='relu'))
model.add(tf.keras.l
浏览 4提问于2019-10-11得票数 1
回答已采纳
首先，我对这个库很陌生。我的代码很简单，有输入x和y(x*2)。它应该学习简单的int*2，但它不能。我认为参数可能是错误的，但是我如何确定真正的参数呢？
from tensorflow import keras
import numpy as np
import tensorflow as tf
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
import keras
from keras.layers import Input, Dense
import n
浏览 12提问于2020-06-05得票数 0
1回答
带有参数的自定义激活
、、、、
我试图在Keras中创建一个激活函数，该函数可以接受如下所示的参数beta：
from keras import backend as K
from keras.utils.generic_utils import get_custom_objects
from keras.layers import Activation
class Swish(Activation):
def __init__(self, activation, beta, **kwargs):
super(Swish, self).__init__(activation, **kwargs)
浏览 1提问于2018-10-29得票数 4
回答已采纳
我是TensorFlow和Keras的新手，我想在Keras中构建一个简单的神经网络，它可以在二进制数从0到7之间(即0-111)。该网络应包括：
1输入层3节点，1隐藏层8节点，1输出层3节点。
这听起来很简单，但我在建立模型方面有问题。我得到以下错误：
ValueError: Error when checking target: expected dense_2 to have shape (1,) but got array with shape (3,)
到目前为止我尝试过的代码：
import plaidml.keras
plaidml.keras.install_backend(
浏览 2提问于2020-04-15得票数 0
回答已采纳
2回答
我想看看Keras，试着深入学习。
据我所知，叠加仅仅几个密集的层有效地阻止了反向传播工作，因为消失梯度问题。
我发现有一个预先训练过的神经网络，你可以下载并建立在它之上。
这个网络有16层，所以我想，这就是你遇到消失梯度问题的地方。
假设我想自己在Keras训练网络。我怎么发动汽车呢？我是否应该将这些层划分成簇，并将它们单独训练成自动生态器，而不是在其上堆叠分类器并对其进行训练？在Keras中有内置的机制吗？
浏览 1提问于2017-09-18得票数 1
回答已采纳
在Keras文档中的培训示例中，
使用binary_crossentropy，并在网络的最后一层中添加sigmoid激活，但是否有必要在最后一层中添加sigmoid？正如我在源代码中所发现的：
def binary_crossentropy(output, target, from_logits=False):
"""Binary crossentropy between an output tensor and a target tensor.
Arguments:
output: A tensor.
target: A tensor
浏览 8提问于2017-08-17得票数 8
2回答
我正在制作一个具有两个定制激活函数的神经网络。第一个激活函数是f(x)，第二个激活函数是f(x)对f(x)的导数。对于我的实际情况，如何使Keras后端自动完成，而不是手工获取导数呢？
这是我的代码：
import numpy as np
import math
import keras
from keras.models import Model, Sequential
from keras.layers import Input, Dense, Activation
from keras import regularizers
from keras import backend as K
浏览 3提问于2019-10-04得票数 2
回答已采纳
1回答
创建自己的激活函数时出错
、、、
我正在尝试测试MNIST数据上的激活函数，但它给出了一个错误： TypeError: Using a `tf.Tensor` as a Python `bool` is not allowed. Use `if t is not None:` instead of `if t:` to test if a tensor is defined, and use TensorFlow ops such as tf.cond to execute subgraphs conditioned on the value of a tensor. 下面是我的激活函数： def fun1(x):
浏览 24提问于2019-10-03得票数 0
回答已采纳
1回答
Keras模型一点也不了解
、、、、
我的模型权重(我输出到weights_before.txt和weights_after.txt)是精确的，在训练前后是一样的，即训练没有任何改变，没有合适的发生。
我的数据如下(我基本上希望模型预测特征的符号，如果特征为负值，结果为0，如果为正，则为1)：
,feature,zerosColumn,result
0,-5,0,0
1,5,0,1
2,-3,0,0
3,5,0,1
4,3,0,1
5,3,0,1
6,-3,0,0
...
对我的方法的简要总结：
加载数据。
将其按列拆分为x (功能)和y (结果)，将这两行按行划分为test和validation集。
将这些设置转换为
浏览 0提问于2018-12-20得票数 0
回答已采纳
我正在尝试制作一个用于情感分析的二进制分类器，我正在使用TensorFlow中的基本文本分类教程中的模型，下面是：
model = tf.keras.Sequential([
layers.Embedding(max_features + 1, embedding_dim),
layers.Dropout(0.2),
layers.GlobalAveragePooling1D(),
layers.Dropout(0.2),
layers.Dense(1)])
该模型具有80%的二值精度。但是，当将最后一层的激活函数(稠密层)转换为乙状结肠函数时，模型不学习，二值精度小于40
浏览 4提问于2020-11-15得票数 1
1回答
我正在尝试在监督学习中训练神经网络，它有一个包含100个列表的列表x_train作为输入，每个列表包含2000列......以及目标输出y_train，其也具有100个列表，但包含每个20列。
这是x_train和y_train的样子：
这是我创建的神经网络：
dnnmodel = tf.keras.models.Sequential()
dnnmodel.add(tf.keras.layers.Dense(40, input_dim = len(id2word), activation='relu'))
dnnmodel.add(tf.keras.layers.De
浏览 2提问于2020-08-22得票数 0
我试图在启用mixed-precision的培训管道中使用自定义激活，但遇到了以下错误：
TypeError: Input 'y' of 'Mul' Op has type float32 that does not match type float16 of argument 'x'.
再生产
使混合精度..。
import tensorflow as tf
policy = tf.keras.mixed_precision.experimental.Policy('mixed_float16')
tf.keras.mixe
浏览 6提问于2020-12-22得票数 0
回答已采纳
2回答
我试着训练一个模型来区分两种时间信号，一种是RTS噪声，另一种是白噪声。
我有一个简单的一维CNN，工作良好(92%的准确性)与一个训练集，但变成一个完整的硬币翻转与另一个。在眼睛看来，这些装置非常相似。一个是用真实信号创建的，另一个是用模拟信号创建的。对我来说唯一真正的区别是平均震级。在第二组中，模型如此可靠地失败是否有原因？我需要用某种方式来规范数据吗？
from keras.models import Sequential
from keras.layers import Dense, Dropout,Activation
from keras.layers import Embeddi
浏览 0提问于2018-10-31得票数 4
回答已采纳
1回答
我想要建立一个TensorFlow模型，给定特征x和标签y，比如y_i = ax_i^2+bx_i+c，可以合理地预测方程。
x = np.arange(-1000, 1000, 0.74)
y = 1.3*x**2 + 5.3*x + 4
下面是模型：
model = tf.keras.Sequential([
tf.keras.layers.Dense(64),
tf.keras.layers.Dense(16),
tf.keras.layers.Dense(1, activation="relu"),
])
model.compile(loss=
浏览 0提问于2023-03-24得票数 0
回答已采纳
我和丹索尔·弗洛和凯拉斯建立了一支干网，训练也很顺利。唯一的问题是，当我试图将输出张量转换成图像时，我会得到一个错误。
通过对输出张量的进一步检验，我发现RGB格式的图像包含通道值的负数。。
arr = generated_image.numpy() # (128, 128, 3)
# Zeroing in on a specific pixel to examine RGB values
print(arr[0][0][0]) # array([0.80051363, 0.55783302, 0.34086022])
print(arr[0][0][1]) # array([0.162
浏览 15提问于2022-07-27得票数 0
回答已采纳
1回答
我对机器学习很陌生。我为回归和分类问题做了一些简单的模型，但是很难对这些数据进行神经网络的训练。我做错了什么？数据：
train_x = np.array([1, 1, 1, 2, 2, 2])
train_y = np.array([1., 0., 1., 0., 0., 1.])
模型创建
inpLayer = tf.keras.layers.Input(1)
hiddenLayer = tf.keras.layers.Dense(2, activation='relu')(inpLayer)
outputLayer = tf.keras.layers.Dense(1, a
浏览 2提问于2022-08-11得票数 -4
我希望在虚拟机(DSVM)上使用具有特定库(Keras、TensorFlow)的特定Python环境，将我的一些本地工作转移到云中。
我使用Kerasv2.1.6在终端中创建了环境。同时，我可以看到木星环境中的环境。但是，当我将内核切换到新环境并运行时：
import keras
keras.__version__
# output: 2.1.2.
这应该是2.1.6。
任何帮助都将不胜感激！
浏览 2提问于2018-08-29得票数 1
1回答
我试着用大约700张图片和35个有代码行的课程训练CNN模型，不知道我错在哪里，以及当我完成训练时如何打印和检查结果。我已经咨询过这些方法，但是只有两个类，并且使用if- there表单，所以我不知道它将如何与许多类一起工作。
model = tf.keras.models.Sequential([ tf.keras.layers.Conv2D(16,(3,3),activation = 'relu',input_shape = (200,200,3)),
tf.keras.layers.MaxPool2D(2,2),
#
浏览 6提问于2022-07-24得票数 1
回答已采纳
1回答
我尝试使用Image Classification Tutorial，但不幸的是，在您创建模型后，它没有告诉您如何使用它。 我目前用来创建模型的代码是： model = Sequential([
tf.keras.layers.Conv2D(16, 3, padding='same', activation='relu', input_shape=(IMG_SIZE, IMG_SIZE ,3)),
tf.keras.layers.MaxPooling2D(),
tf.keras.layers.Dropout(0.1),
tf.k
浏览 7提问于2020-06-18得票数 0
回答已采纳
以下是我的代码可以帮助我 import tensorflow as tf
from keras.preprocessing.image import ImageDataGenerator
import numpy as np
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
training_set = train_datagen.flow_from_direct
浏览 33提问于2020-09-13得票数 1
2回答
我正在尝试创建一个深度学习模型，用于基于5个变量(R，G，B，NIR，NDVI)对图像进行分类。训练样本是包含所有6个变量(包括class列)的点shapefile。我使用R中的Keras库来创建模型。
library(keras)
install_keras()
library(tensorflow)
install_tensorflow(gpu=T)
library(magrittr)
library("tidyverse")
library(reticulate)
#Training samples
trainingSamples <- readOGR("
浏览 0提问于2020-04-03得票数 0
2回答
我在研究使用角星的分类系统。Keras通过检查哪个是最高的数字来分类标签。例如，如果输出为0.10.80.1，它将标签1归类为正确答案，因为它是0.8，这是最高的数字。
但是在二进制分类中，我得到了这个结果。
[0.642]
[0.996]
[0.976]
[0.302]
[0.963]
[0.115]
.
.
.
我认为Keras将其分类为:如果结果> 0.5，返回1
但这只是我的猜测，所以我想知道Keras是如何分类二进制结果的。
这是我用过的代码。
model = Sequential()
# Step 1 - Convolution
model.add(Con
浏览 2提问于2019-12-26得票数 0
回答已采纳
1回答
我正在努力建立一些新的模型，并想回到一些基本的。所以我决定写一个分类器，把1，1分类为1，所有其他组合分类为0。
我已经写了几个不同的变体，并不断得到不同的结果。
from tensorflow.keras import layers, models
from tensorflow import keras
data = [[1., 1.], [1., 0.], [0., 1.], [0., 0.]]
results = [[1.], [0.], [0.], [0.]]
def build_model():
model = models.Sequential()
model.a
浏览 4提问于2020-10-16得票数 0
回答已采纳
1回答
我试图为我的数据集采用一个标准的波士顿住房问题，区别是我在数据集中有负值，并且希望预测输出中的负值。
当我在StackOverflow中阅读来预测负值时，我应该在输出层上使用一个以上的激活函数。另外，我知道我应该将我的数据集规范化为-1,1范围。
所以我有两个问题。我有两个变体的代码。
我的第一个代码变体正确吗？我没有发现任何带有负数的公共数据集可以检查，也不知道如何确保它正常工作。
在第二个变体中，我的NN预测一个类似于"0.9“的值，但我的数据集值是"24”。我认为这是因为在这段代码中没有适当的规范化。请告诉我如何实施规范化。
我在Keras方面的经
浏览 4提问于2021-04-07得票数 0
考虑下面的代码片段
model = models.Sequential()
model.add(layers.Dense(256, activation='relu')) # Layer 1
model.add(BatchNormalization())
model.add(layers.Dense(128, activation='relu')) # Layer 2
我正在使用带有Tensorflow后端的Keras。
我的问题是-在Keras的实现中，BN是在激活功能之前还是之后执行？
为了更清晰，
最初的(Ioffe and Szege
浏览 1提问于2019-04-24得票数 3
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
