1回答
我正在对sample variational autoencoder in the Keras repository的输入进行泛化，但似乎犯了一些基本的错误。特别是，只有特定的批处理大小适用于以下模型： from keras.layers import Lambda, Input, Dense, Reshapefrom keras.losses import mse
from keras import bac
浏览 4提问于2019-05-04得票数 1
回答已采纳
1回答
LSTM批量
、、、
我在使用Tensorflow中的Keras模块。
我有50,000个示例，每个示例有200个时间步骤，每个时间步骤有三个特性。所以我把我的训练数据塑造成(50000, 200, 3)。当我用model.fit调用batch_size='some_number'时，Tensorflow/Keras会用指定大小的批处理来输入模型吗？我是否必须预先重塑我的数据？
浏览 0提问于2018-12-05得票数 0
回答已采纳
我使用Keras框架构建了一个堆叠的LSTM模型，如下所示： batch_input_shape
浏览 2提问于2019-04-29得票数 3
回答已采纳
我使用的Keras类似于这里的端到端示例-- https://keras-team.github.io/keras-tuner/tutorials/subclass-tuner/ 生成的一些模型比其他模型大得多我知道我可以设置一个max_model_size (https://github.com/keras-team/keras-tuner/issues/175)。但是，调谐器是否可以
浏览 28提问于2020-07-06得票数 2
我正在Keras中实现一个自定义层。如果打印传递给call方法的输入的形状，将None作为第一个元素。为什么会这样呢？第一个元素不应该是批处理大小吗？当我调用model.fit时，我传递的是批大小model.fit(x_train, y_train, ..., batch_size=batch_size)
那么，call在call方法中获得批处理大小的推荐方法是什么？
浏览 0提问于2019-04-28得票数 9
回答已采纳
2回答
手动和自动验证损失是不同的。
、、、、
我使用Tensorflow 1.14.0和Keras 2.2.4。import randomimport tensorflow as tffrom tensorflow.keras import backend as Kfrom
浏览 4提问于2019-11-27得票数 1
回答已采纳
模型架构 model = Sequential()model.add(LSTM(30,return_sequences=True, activation='tanh'))model.add(Dense(9, activation='tanh'))
model.compile(loss
浏览 15提问于2019-04-21得票数 0
回答已采纳
1回答
未知？形状角深度学习
、、、、
我正在尝试用Keras实现一个深度学习模型。然而，我遇到了一个未知形状实现的问题。我正在寻找一个类似的错误，但没有发现。
这是我的密码。
浏览 0提问于2019-02-05得票数 2
2回答
我使用带有Tensorflow后端的Keras在GPU上训练图像分类模型。我在某个地方读到，培训大约使用两次(前后支持)验证的GPU内存，因此培训批次大小应该是验证批大小的一半。但是，在许多博客和教程中，我看到人们使用相同的批处理大小进行培训和验证。
训练使用GPU内存两倍是真的，因为向前和向后传球，还是这是假的？
浏览 0提问于2018-08-11得票数 1
输出形状中的(None，100)是什么意思？这(“None”)是样本号还是隐藏维度？
浏览 0提问于2017-11-12得票数 35
回答已采纳
我的keras编解码码在cpu上工作得很好。但是在gpu上，除了1之外，我不能用batch_size启动它！这很奇怪。即使在这种拟合中不使用批处理大小参数，我也会得到：我可以用我想要的任何batch_size运行许多其他程序。
浏览 1提问于2018-10-28得票数 2
考虑到数据集太大，无法同时加载内存，我选择使用批处理大小为32的自定义生成器，这意味着我的数据将以32的批处理大小加载。现在，如果我正确地理解了当我将这个生成器作为paramenter提供给Keras的.fit()时，这意味着在一个时代，所有的训练数据都将由32的批模型看到。
浏览 5提问于2022-03-02得票数 2
回答已采纳
在Keras中，为什么input_shape在将批处理维度作为参数传递给像Dense这样的层时不包含批处理维度，而在将input_shape传递给模型的build方法时却包含批处理维度？import tensorflow as tf model1= tf.keras.Sequential([Dense(1, input_s
浏览 3提问于2020-11-04得票数 13
回答已采纳
我想尝试使用Keras Sequential模型来训练convnet来解决图像分类问题。我的训练集是18K图像455x255，它可能太大了，无法装入内存，所以我想使用某种批处理管道。在我最初的tensorflow实现中，我有类似于的代码with tf.name_scope('input'):
# Input data
浏览 0提问于2016-11-23得票数 1
当我像这样定义一个模型时： import tensorflow as tfimport numpy as np
input = tf.keras.Input(shape=input_shape)
nn = layers.Dense(10)(nn)
model = tf.
浏览 10提问于2021-04-29得票数 0
回答已采纳
2回答
1149 raise
File "/usr/local/lib/python3.7/dist-packages/keras</
浏览 10提问于2022-03-17得票数 0
其中我将batch_size指定为32： # Preparing and preprocessing the datafrom tensorflow.keras.preprocessing.imageimport Sequential
from tensorflow.keras.layers import InputLayer, Conv2D, MaxPool2D, Flatten, Densefrom tensorflow.keras.activations import relu, si
浏览 60提问于2021-07-09得票数 0
回答已采纳
(26, 1, 1)test_labels.shape = (13, 1, 1)linear = tf.keras.Sequential([])
early_stopping = tf.keras.callbacks.EarlyStopping(monitor='
浏览 1提问于2022-08-09得票数 0
我正在将MNIST数据加载到Google Colab中，我可以看到大约60,000个样本 ? 但由于某些原因，它只能在1875个样本上进行训练： ? 这里发生什么事情？
浏览 11提问于2020-11-21得票数 1
回答已采纳
1回答
model = keras.Sequential([ keras.layers.Dense(128, activation=tf.nn.relu),])
model.compile(optimizer
浏览 11提问于2019-01-30得票数 3
回答已采纳
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
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
