如何从带有分支的模型创建新的神经网络模型(Python，keras)
在Python中使用Keras库创建新的神经网络模型时，可以通过以下步骤从带有分支的模型开始：
- 导入所需的库和模块：
import keras
from keras.models import Model
from keras.layers import Input, Dense- 定义输入层：
input_layer = Input(shape=(input_shape,))其中，input_shape是输入数据的形状。
- 创建原始模型：
original_model = ... # 原始模型的定义- 获取原始模型的某一层的输出：
output_layer = original_model.get_layer('layer_name').output其中，layer_name是原始模型中的某一层的名称。
- 创建新的模型：
new_model = Model(inputs=input_layer, outputs=output_layer)- 添加新的层到新的模型：
new_model.layers[-1].trainable = False # 可选，冻结最后一层的权重
new_model.add(Dense(num_classes, activation='softmax'))其中，num_classes是输出类别的数量。
- 编译新的模型：
new_model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])- 训练新的模型：
new_model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, validation_data=(x_val, y_val))其中，x_train和y_train是训练数据和标签，x_val和y_val是验证数据和标签，batch_size是批量大小，epochs是训练轮数。
- 使用新的模型进行预测：
predictions = new_model.predict(x_test)其中，x_test是测试数据。
以上是从带有分支的模型创建新的神经网络模型的步骤。在实际应用中，可以根据具体需求进行调整和优化。腾讯云提供了多个与神经网络模型相关的产品和服务，例如腾讯云AI Lab、腾讯云AI 机器学习平台等，您可以根据具体需求选择适合的产品和服务。
相关·内容
这实际上是我第一篇关于Stackoverflow的文章，我对机器学习非常陌生。目前，我正尝试用VGG16训练一个简单的图像分类任务的卷积神经网络。它基于本教程：。我的目标是将该模型转换为CoreML，并将其用于iOS上的图像分类。
经过一些挣扎之后，通过使用以下转换行，我能够成功地将Keras模型转换为CoreML模型：
coreml_model =coremltools.converters.keras.convert(“模型路径”，image_input_names =“数据”，class_labels =“类路径”)
但是，在将CoreML模型复制到Xcode中之后，它请求一个形
浏览 1提问于2017-12-08得票数 0
Keras有一个count_param() Python函数来计算人工神经网络(ANN)模型的可训练参数的总数。
model.count_params()
同样，是否有一个Keras函数来计算ANN模型的单位的总数？
浏览 1提问于2019-11-19得票数 1
2回答
量化Keras神经网络模型
、、、、
最近，我开始使用Tensorflow + Keras创建神经网络，我想尝试Tensorflow中提供的量化功能。到目前为止，使用TF教程中的示例进行实验运行良好，我有这个基本的工作示例(来自)：
import tensorflow as tf
from tensorflow import keras
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
# fashion mnist d
浏览 116提问于2018-09-10得票数 19
回答已采纳
1回答
在我的input_shape中有一个从0到100的变量x，我想要分离神经网络，以便对于小于50的值使用一些权重，对于大于50的值使用其他权重。我的想象是这样的：
inputs = keras.Input(shape=(3,)) # let's say x is the first of the three variables
if inputs[0] < 50:
x = layers.Dense(10)(inputs)
output_small = layers.Dense(10)(x)
else:
x = layers.Dense(10)(inputs
浏览 1提问于2020-06-07得票数 1
我正在尝试使用keras(版本2.2.50)神经网络/序列模型在强化学习设置中创建一个简单的代理，使用reinforcelearn包(版本0.2.1)根据这个小插曲：https://cran.r-project.org/web/packages/reinforcelearn/vignettes/agents.html。这是我使用的代码： library('reinforcelearn')
library('keras')
model = keras_model_sequential() %>%
layer_dense(units = 10, in
浏览 31提问于2020-04-01得票数 1
1回答
我目前正在学习Keras，这是一个深度学习模块。
我遇到了一个我无法理解的句子，因为我不知道python包装器是什么。
from keras.models import Sequential
#Create the Sequential model
model = Sequential()
“keras.models.Sequential类是神经网络模型的包装器，它将网络视为一系列层。它使用用于训练和运行模型的常用方法(如compile()、fit()和evaluate() )来实现Keras模型接口。”
在上面的句子中，什么是Python包装器，它是做什么的？
浏览 0提问于2019-11-11得票数 0
1回答
我打开这个线程来讨论如何使我的NN模型进行部署。
我用在Matlab中建立和训练了一个神经网络(mdCNN是一个简单的Matlab库，用于建立多维输入神经网络，目前Matlab-cov3x3x3不支持它)。我用Matlab训练我的模型，现在我想把它投入生产。
经过几个小时的研究，我计划做以下工作
用TF后端在Keras中训练神经网络模型。我选择Keras是因为我希望将来与Matlab具有向后兼容性。
从Keras模型获取tensorflow会话，有一个如何执行的示例。在文件中比*.pd文件
从模型加载神经网络模型。有一个特定的功能可以做到这一点
简历：：readNet()
在C
浏览 1提问于2018-08-28得票数 3
我用python训练了一个单层神经网络模型(一个没有keras和tensorflow的简单模型)。canI如何在训练后将其与权重一起保存在python中，以及稍后如何加载它？
浏览 0提问于2019-03-11得票数 5
我需要用少量的节点创建一个简单的神经网络模型，对其进行训练，然后评估得到的已经训练好的网络中的某些参数。 我需要重复几次(>100)。因此，我只想重新初始化权重，而不是每次都创建一个新模型。 以下是我的代码中有问题的部分： import tensorflow as tf
from tensorflow import keras
from keras import backend as K
def reinitLayers(model):
session = K.get_session()
for layer in model.layers:
浏览 66提问于2019-03-20得票数 0
3回答
我有一个用Python和Keras实现的神经网络。一旦我训练了它，我就导出了模型，我得到了两个文件: model.js和model.h5。现在，我想在.NET项目中进行实时分类，并使用经过训练的神经网络进行分类。 在ML.NET中，有没有一种方法可以把用python导出的模型和经过训练的权重加载到模型对象中？ 我在documentation1中看到可以加载以前保存的模型，但显然是存储在.zip中，我找不到格式(可能是为了编写一个脚本，从python中获取模型并将其‘转换’为ML.NET模型。 显然，hdf5格式是一个standard2，有没有办法用ML.NET加载它？ 1 2
浏览 22提问于2019-04-30得票数 4
回答已采纳
我想使用预先训练的神经网络与TF.Keras和Python。我想试试不同的案子。我在上看到了我可以使用的不同的预训练神经网络。
我还想使用一个具有相同参数和预训练的非训练神经网络来获得比较结果的可能性。
我看到命令“model.summary()”存在。这是一个很好的方法，采取预先训练的模型，获得他的参数，用我的图片训练它，然后创建一个新的模型，用相同的参数，只训练它与我的数据，最后比较结果与2样本神经网络，但不同的训练？
你认为这是正确的方法吗？
非常感谢你的回答
浏览 6提问于2022-06-15得票数 0
上下文:许多带有神经网络的语言句子翻译系统(例如法语到英语)使用seq2seq结构：
猫坐在“-> Seq2Seq模型 ->”的垫子上。
例子：关于Keras中的序列对序列学习的十分钟介绍，用于NLP的Python : Keras中Seq2Seq的神经机器翻译
我注意到，在所有这些示例中，神经网络的结构并不是通过使用具有连续层的Sequential结构来完成的，而是使用了更复杂的结构，如以下所示：
📷
问题:是否有成功尝试用经典的Sequential层进行句子语言翻译？
即：
输入层:英语单词标记句，零填充：“猫坐在垫子上” => x = [2, 112, 198, 22,
浏览 0提问于2020-02-12得票数 4
我需要在android中创建一个项目，从麦克风获得输入，并对它正在录制的内容进行分类。为此，我使用python语言和Google Colab中的keras创建并训练了一个卷积神经网络模型。获取数据集的方法如下:使用UrbanSound8k数据集，读取.wav文件(使用Python中的soundfile库)，并将它们存储在numpy数组中。然后我做了一些处理，并将每个numpy数组(对应于每个声音文件)转换为2D特征矩阵(10x40) (也是numpy格式)。 我使用这些“图像特征”训练了一个卷积神经网络。训练结束后，我将经过训练的模型保存在.h5文件中，然后将其转换为.tflite模型 现在
浏览 29提问于2021-06-20得票数 0
我是Keras的初学者。我用Python3.6安装了Anaconda，然后安装了Tensorflow，并运行了我在互联网上找到的一些模型。然后我发现了Keras，这正是我需要学习的关于神经网络的知识。我安装了Keras，它没有任何错误。然后我发现了一个使用Keras的简短简单的XOR模型，但它就是不起作用，并抱怨它不知道Keras是什么？？我希望有人能帮上忙。
浏览 2提问于2018-01-24得票数 8
我正在学习tensorflow关于构建简单神经网络的教程，在导入了必要的库(tensorflow、keras、numpy & matplotlib)和数据集(fashion_mnist)之后，我按照教程运行了以下代码：
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10, activation='softmax'
浏览 3提问于2020-02-08得票数 7
回答已采纳
1回答
我不能理解如何使用已经训练好的神经网络模型。我在python上编程，我使用的是库keras。我分析时间序列。训练神经网络，保存模型。
正如keras文档中所述，您需要调用model_name.predict ()方法。好的。我这样做: model.predict ( dataset )，其中dataset是过去90天的值。我需要提前预测，比如说，10天。
但是预测只针对指定的数据集90天！也就是说，您只能比较原始数据和预测。
那么，从今天开始如何提前10天进行预测呢？
浏览 18提问于2018-01-24得票数 0
1回答
您好，我想知道如何在节点js中更新TensorFlow js保存的模型，
我使用NodeJS在TensorFlow js中创建了一个基本的神经网络，并保存了训练好的模型，它生成了model.json和weights.bin文件。
我已经看到，我们可以在Python中更新keras中经过训练的模型。
但是在TensorFlow js、NodeJS和JS中没有更新模型的示例。
请有人帮助更新训练好的模型。
模型加载和更新代码
var tf = require('@tensorflow/tfjs-node')
async funtion load(){
const model
浏览 0提问于2020-02-27得票数 2
1回答
我正在使用python中的sklearn来构建/训练一些模型(随机森林回归器、Kmeans、SVM、.)，我想在webapp Javascript/html中使用这些经过训练的模型。是否有办法这样做？
我已经看到tensorflow.js允许用keras模型来做这样的事情。但在我看来，python中的TF/keras仅限于神经网络。
我也见过sklearn porter，但它似乎仅限于一些特定的模型(主要是分类)。如果有人能用它，他能告诉我更多吗？
提前感谢您的帮助
浏览 6提问于2020-08-13得票数 1
1回答
无法使用预先训练好的模型
、、、、
我希望在一个数据集上预训练模型，并在另一个数据集上训练层。 这是我针对第一个数据集的神经网络： model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(100, input_shape=(30,) ))
model.add(tf.keras.layers.Activation('relu'))
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Dense(10))
model.add(tf.keras.layers
浏览 13提问于2021-04-14得票数 0
回答已采纳
1回答
如何为训练暹罗神经网络准备数据集
、、、、
我试图通过建立一个带有角角的人脸识别模型来实现一个暹罗神经网络。以前，我使用分类实现了CNN人脸识别模型(带有keras)，因此我的数据集已经被分成训练数据、训练标签、验证数据、验证标签和测试数据。用于此目的的数据集由226个图像类组成。我使用2799张图像进行训练，226张图片进行验证。现在我想使用数据集来训练一个暹罗神经网络。为了这个目的，我该如何分割数据呢？
浏览 1提问于2019-07-02得票数 3
回答已采纳
1回答
我正试图使用带有自定义丢失的Keras在python中构建一个神经网络，并且我在徘徊，在最后一层中是否有作为激活函数的乙状结肠函数，而在自定义丢失开始时是否有一个sigmoid函数。我的意思是：
我有一种感觉，在第二个模型中，损失是计算出来的，但它不是通过乙状结肠传播的，而在第一个模型中，它是。是那么回事吗？
浏览 0提问于2017-02-21得票数 2
回答已采纳
1回答
我有几个模型将输入(字嵌入)分类为几个类。我的问题是，我需要分别训练这些模型，并需要将这些模型的输出合并在一起才能得到标签。
为了简单起见，假设只有两种模型：
Model 1: predicts A, B or C
Model 2: predicts D or E
然后，我需要对输入X进行分类，以便得到A、B、C、D和E上的联合概率。
我在Keras/Python中尝试了这段代码，在该代码中，我定义了神经网络并在训练后删除了softmax激活函数：
inputs = tf.keras.Input(shape=dim_in)
x = layers.Dense(dim_out)(inputs)
o
浏览 0提问于2020-07-08得票数 1
我有一些用Python3.7开发的神经网络，用于使用TensorFlow中包含的Keras包对图像进行分类，我想导出层和权重模型，以便将其导入到使用Tensorflow.js的Node.js应用程序中。
我将神经网络保存为h5格式，其中包含两个单独的文件，一个用于层模型，另一个用于权重模型。尝试遵循Tensorflow提出的这个教程()，但它不起作用。
from tensorflow.python.keras.models import load_model
import numpy as np
import tensorflowjs as tf
import json
cnn_name =
浏览 13提问于2019-07-06得票数 0
1回答
应用于神经网络模型的预测不起作用
、、、、
目前，我正在对给定的数据集(红葡萄酒质量)进行统计学习分析；目标是预测质量值。我已经尝试过logistic回归和随机森林，但准确性较差。现在，神经网络的准确率为99%，我不得不将该模型应用于带有函数predict()的测试数据集中。我试过了，但没用。这是神经网络模型：
> modnn=keras_model_sequential()
> modnn %>%
> layer_dense(units=7,activation="relu",input_shape=c(11))%>%
> l
浏览 11提问于2022-07-19得票数 0
回答已采纳
我一直在尝试保存我的神经网络模型的权重，以便我可以使用它的一些层用于另一个神经网络模型，以便在另一个数据集上进行训练。 预训练模型： model = Sequential()
model.add(tf.keras.layers.Dense(100, input_shape=(X_train_orig_sm.shape)))
model.add(tf.keras.layers.Activation('relu'))
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Dense(10))
model
浏览 33提问于2021-04-13得票数 0
回答已采纳
当我用Python(3.5.5) + Keras (版本2.0.8)比较在GPU上训练的神经网络的输出时，与使用DL4J (1.0.0-beta2 2)在安卓(API 24)上的相同神经网络的输出进行比较时，我的预测结果有很大的不同。
这将是非常有帮助的，如果有人可以分享他们的经验，如何解决这个问题，谢谢！
将模型导入到Android中
通过导入神经网络，神经网络被转换为DL4J格式：
MultiLayerNetwork model = KerasModelImport.importKerasSequentialModelAndWeights(SIMPLE_MLP, false)
并使用DL4
浏览 0提问于2018-09-26得票数 1
回答已采纳
我一直在尝试使用coreML创建IOS应用程序，我在Keras中训练了一个卷积神经网络，当我使用CoreMLTools将此模型转换为CoreML模型时，它显示输出是一个多维数组，但我希望它是一个类别概率。如何在Keras中生成带有类标签的.txt文件？
这是我用来生成coreML模型的代码：
import coremltools
coreml_model = coremltools.converters.keras.convert(
"chars74kV3.0.h5", c
浏览 0提问于2017-11-05得票数 0
我想用keras从X_train -> Y_train建立一个神经网络回归模型。但是，在本例中，我需要对输入和输出执行预处理转换。所以模型需要
X_train ->(preproc) X_hat ->(model) -> Y_hat <-(preproc) Y_train
使用keras的预处理层对输入进行预处理是简单的，但它不适用于输出。我可以使用TargetTransformRegressor在sklearn中做到这一点，但是我不知道在keras中有类似的东西。我最好的猜测是，我需要创建一个自定义模型来执行这个预处理、拟合和预测。有什么想法吗？
浏览 9提问于2022-03-08得票数 0
1回答
我正在研究一个二进制分类问题，我的训练数据有数百万条记录和2000个变量。我运行lightGBM进行特征选择，并使用从lightGBM中选择的特性运行神经网络(使用Keras)模型进行预测。关于我所遵循的方法，我有几个问题。
当使用lightGBM进行特性选择时，我正在进行超参数调优。这是基于我的理解，随着超参数的变化，所选择的功能也会有所不同。我使用'goss‘算法和’增益‘作为特征重要性类型。我看过几篇他们使用lightGBM进行特性选择的文章，但我还没有看到在哪里进行超参数调优，它们只是使用默认设置。这是正确的方法吗？使用lightGBM进行特征选择，并使用神经网络根据从ligh
浏览 7提问于2020-07-07得票数 2
我刚刚开始对神经网络进行编码，我的代码si如下
#create model
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28,28)),
keras.layers.Dense(16, activation="relu"),
keras.layers.Dense(16, activation="relu"),
keras.layers.Dense(10, activation="softmax")
])
model.compile(opti
浏览 3提问于2020-12-27得票数 1
回答已采纳
Keras是深度学习库TensorFlow Keras(和其他库)的轻量级包装器，用于帮助构建、训练和部署神经网络和其他机器学习模型。我能用火车图书馆从检查点恢复训练吗？
浏览 2提问于2020-07-01得票数 2
我使用Keras (带有TensorFlow后端)来实现一个神经网络，并且只想保存在训练期间验证集上的损失最小化的模型。为此，我实例化了一个ModelCheckpoint，并在调用模型的fit方法时传递它。但是，当我这样做时，我会得到以下错误："AttributeError: 'ModelCheckpoint' object has no attribute '_implements_train_batch_hooks'“。我在网上为我的问题找到的最接近的东西是，它有一个类似的错误，这个问题来自于混合来自keras和tf.keras的模块，但是这不是我的
浏览 10提问于2020-06-18得票数 6
1回答
我想在keras中创建卷积神经网络模型，首先我已经导入了所有必要的库，如下所示 from tensorflow.keras.layers import Flatten
from tensorflow.keras.layers import Conv2D
from tensorflow.keras.layers import MaxPooling2D 比起我尝试过的模型 model =Sequential()
model.add(Conv2D(filters=32,kernel_size=(5,5),padding='valid',input_shape=(1,28,28),a
浏览 29提问于2020-07-24得票数 0
回答已采纳
colocate_with在Keras中还有其他用法吗？此处：和此处：中记录的Keras Model API代码会导致一个弃用警告。被引用的代码并没有直接使用colocate_with (尽管API可能使用了colocate_with)。此模型API是否会被弃用，或者警告是否存在错误？
Keras文档中的示例代码：
from keras.models import Model
from keras.layers import Input, Dense
a = Input(shape=(32,))
b = Dense(32)(a)
model = Model(inputs=a, outputs
浏览 6提问于2019-03-17得票数 3
回答已采纳
1回答
库实现了哪个精确的LSTM (长时记忆)神经网络模型？它是“基本”版本概述的，或者如果它是一个变化，如，它是哪一个？特别是，我需要知道确切的内部联系以及它们各自的激活函数。
我想知道这一点，因为我正在使用Keras来训练一个模型，我想用它在没有Python的设备上进行预测-因此我需要实现我自己的LSTM (并使用来自经过训练的Keras模型的权重)。
浏览 8提问于2017-05-26得票数 2
回答已采纳
我有一个具有不同类型的几个层的部分神经网络，具有权值$\theta$；让我们称它为$F_{\theta}$；输入和输出数组的尺寸是相同的，在带有Tensorflow后端的Keras中实现。在这个框架内，如何训练形式为$y =F_{\theta}(F_{theta}(X))$的模型，或者更一般地说是$F_{\theta}$的$n$-th迭代？换句话说，我重用整个神经网络子集，具有所有相同的权重，因此整个模型更深，但没有比浅层模型更多的参数。
浏览 0提问于2018-02-21得票数 2
我使用的是带有TF后端的Keras。我想使用python建立一个带有keras的神经网络，然后保存它，将其转换为tensorflow，并使用TF的C++ API对其进行训练。
到目前为止，我发现的东西已经很有帮助了：
1)
2)
不幸的是，这两种方法都使用Keras来训练NN，然后将其转换为TF。基本上，我只想使用Keras设置体系结构，然后使用TF的C++应用程序接口训练网络。有没有办法做到这一点？
感谢您的帮助！
浏览 0提问于2018-12-07得票数 0
3回答
我在Keras中训练了一个神经网络，并将其保存为HDF5文件(*.h5)。其目的是对数据进行分类，并直接在树莓派零上区分几个类别，这是通过使用GrovePi屏蔽的格罗夫传感器获得数据。
我想使用经过训练的Keras模型对Raspberry Pi实时执行分类任务。但是，不可能在Raspberry Pi Zero上安装Tensorflow，这是使用内置Keras函数加载模型和对传入数据进行分类所必需的。在Python中加载Keras模型并在不使用Tensorflow或Keras包的情况下对数据进行分类还有另一种可能性吗？
谢谢你的帮忙!
浏览 5提问于2017-12-14得票数 1
我有一个python脚本，它使用一个ONNX神经网络，并将它转换成一个keras (.h5)模型，并将其训练并导出回ONNX，作为一个新训练的模型在以后部署。问题是，我需要从python脚本创建一个python .exe文件，因为目标是在C++中部署深度学习模型。目前，Python在修改C+ Plus程序的onnx程序以部署经过培训的模型方面做了大量工作，使用以下命令成功地使用Pyinstaller创建了一个.exe文件：
pyinstaller --onefile Material_Classifier.py
但是，问题是，当我在文件资源管理器中单击.exe文件时，控制台呈现为空约半分钟，然
浏览 5提问于2020-06-28得票数 1
回答已采纳
1回答
我有一个具有数字特征和标签的数据集。我正在使用TensorFlow (TFF)构建一个联邦学习模型。基本上，我所拥有的模型是(神经网络)，它总是在TFF教程中解释。我想问，是否有机会为本地客户建立另一个模型，例如支持向量机？因为它适合我的数据集。
我的神经网络：
def create_keras_model():
initializer = tf.keras.initializers.Zeros()
return tf.keras.models.Sequential([
tf.keras.layers.Input(shape=(18,)),
tf.keras.l
浏览 5提问于2022-06-06得票数 0
回答已采纳
我需要使用imports在witch中运行python神经网络脚本： from keras.models import Sequential
from keras.layers import Dense
from keras.callbacks import History
from keras.models import load_model
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(7)
import pandas as pd
from
浏览 28提问于2019-10-19得票数 2
回答已采纳
1回答
我正试图在Keras中创建一个基本的神经网络模型，该模型将学习将正数相加在一起，并且在调整训练数据以适应该模型时遇到困难：
对于第一个密集层的"input_shape“属性，我已经尝试过许多配置，但是似乎没有什么效果。
# training data
training = np.array([[2,3],[4,5],[3,8],[2,9],[11,4],[13,5],[2,9]], dtype=float)
answers = np.array([5, 9, 11, 11, 15, 18, 11], dtype=float)
# create our model now:
mode
浏览 2提问于2019-06-15得票数 1
回答已采纳
1回答
我使用Python3.x和TensorFlow 2.0来创建一个玩具神经网络模型，如下所示：
model = Sequential()
model.add(
Dense(
units = 2, activation = 'relu',
kernel_initializer = tf.keras.initializers.Gloro
浏览 0提问于2020-01-17得票数 1
这个模型的想法是，它通过神经网络学习执行两个特征的乘法，因此我创建了一个训练数据集，其中随机数的乘法从0到100。因为它的想法是在任何情况下都能学习乘法，所以我创建了训练数据a)，其中随机数最多为100，b)随机数为1000到5000。 我为此创建了下面的神经网络，但是它与测试数据“b”不太匹配。 model = tf.keras.Sequenenter code heretial()
model.add(tf.keras.layers.Dense(units = 2,input_dim = 2))
model.add(tf.keras.layers.Dropout(
浏览 14提问于2020-11-21得票数 1
1回答
使用神经网络学习分类值的分布
、、、、
使用神经网络学习分类值的分布 其目的是使用神经网络对一维输入进行分类。应该对两个类进行分类，即A和B。用于确定类的每个输入都是一个介于0.0和1.0之间的数字。 class A的输入值在0和1之间均匀分布，如下所示： ? class B的输入值都在0.4到0.6之间，如下所示： ? 现在我想训练一个神经网络，它可以学习将0.4到0.6范围内的值分类为B，其余的分类为A。因此，我需要一个可以近似类的上下界的神经网络。我之前的尝试都没有成功-神经网络总是为所有的输入返回50%的概率，并且损失在时期中不会减少。 使用Python中的Tensorflow和Keras，我已经训练了如下简单
浏览 25提问于2019-04-24得票数 1
回答已采纳
2回答
为什么类相似性是不正确的？
、、、、
我已经创建了一个神经网络，它将数据分类为大量的类别。我在Keras中使用了softmax和分类交叉熵。训练很成功，我达到了95%的准确率。问题如下，当我删除带有类别的最后一层，并使用具有余弦相似性的神经网络作为编码器时，预测是不正确的。这些类彼此不匹配。为什么以及如何解决这个问题？从理论上讲，神经网络应该以一种类似类邻近的方式来构建数据空间。
浏览 0提问于2021-01-30得票数 0
我正在尝试建立一个用于情感分析的NLP模型，并使用keras实现神经网络。我已经安装了所有tensorflow，tensorflow-gpu，keras的最新版本和使用python 3.6.6。
以下是初始代码：
import tensorflow as tf
我收到错误消息
from tensorflow.python._pywrap_tensorflow_internal import *
ImportError: DLL load failed: The specified module could not be found.
在导入tensorflow时的第一行。
我已经在网上搜索了
浏览 15提问于2020-07-29得票数 0
回答已采纳
1回答
最近，我试图在以前在该领域进行的工作的基础上创建一个股票市场预测程序，根据该程序，通过Python中的Keras模块创建的神经网络可以从Quandl获得调整后的股票价格信息，并利用上述信息对自己进行训练。我通过使用以下教程中的帮助完成了这个程序；但是，我已经修改了提供的程序，用Keras序列模型代替了'sklearn‘线性模块的使用。本教程列示如下：
此外，我还从Keras模块的正式文档中导出了Keras序列模型信息：
我已经完成了前面提到的谷歌合作程序，一个解释器和在线IDE的Python形式的木星笔记本。我使用了以下代码：
import tensorflow as tf
imp
浏览 0提问于2020-01-02得票数 0
回答已采纳
2回答
不能运行keras
、、、、
我想在anaconda上运行角点，用mnist笔迹识别进行卷积神经网络。在一切正常运行的前一天，当我尝试运行相同的程序时，我在第一行中得到了以下错误：
从keras.datasets导入mnist (第一行代码)
ModuleNotFoundError:没有名为“keras.data not”的模块；“keras”不是一个包
我还创建了使用python3.5的虚拟环境，因为我的python版本是3.6。我已经安装了keras和tensorflow。如何修复上述错误？也许它与路径有关，而不是与角点的错误有关。我的anaconda安装在E: whearas的工作环境中，是C:\Users\
浏览 4提问于2017-06-08得票数 1
1回答
我在研究一个应该能下棋的人工智能。我想利用keras神经网络来评估董事会的地位。我想通过在AI和AI之间玩大量的游戏来教NN。我已经实施了α-β剪枝。
我的想法是创建一个csv文件与位置的每一个游戏，AI已经玩过。我会选择我想要存储在那里的变量。非常简单的例子：
"white_pawns","black_pawns","white_queens","black_queens","white_pawns_on_side","white_won"
3,7,1,2,0,False
3,5,3,0,1,Tr
浏览 3提问于2020-02-01得票数 1
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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
