1回答
我目前正在尝试使用一个通过Keras实现的“简单”LSTM网络来完成一个暑期项目。查看给出的示例代码，LSTM代码似乎需要一个预先生成的3Dnumpy数组。由于我想要使用的数据集和相关的时间间隔都相当大，因此我很难一次加载一个“完整的数组”。是否可以加载原始数据集并根据网络的需要对其应用排序变换(在这种情况下，从x个时间间隔窗口构建3D数组，然后每次递增1)？如果是这样的话，你会怎么做呢？
浏览 1提问于2017-05-20得票数 0
from tensorflow.keras.callbacks import ModelCheckpoint,LearningRateScheduler
model.fit_generator(generator
浏览 0提问于2019-08-17得票数 0
1回答
我有7个带标签的类别，每个类别都有不同数量的图像(从2000年到20000)。我知道，在keras中，当使用model.fit时，我可以更改每个标签图像文件夹的读入次数。相反，如果我用较少的图像扩充文件夹中的图像，我会比较结果。我只知道如何逐个图像地进行此操作，如何一次增加文件夹中的所有图像而不是1个？ gen = ImageDataGenerator(rotation_range=10, width_shift_range=0.1,
浏览 14提问于2019-12-31得票数 0
在tensorflow中使用Model.fit_generator时，我收到了这个弃用警告：
WARNING:tensorflow: Model.fit_generator (from tensorflow.python.keras.engine.training如何使用Model.fit代替Model.fit_generator
浏览 2提问于2019-12-18得票数 25
回答已采纳
Def/PycharmProjects/KerasUkExpenditure/TweetParsing.py", line 140, in <module> (loss, acc) = model.fit_generator
浏览 0提问于2017-07-18得票数 1
回答已采纳
1回答
我正在尝试使用Keras和tensorflow后端在带有GPU的远程服务器上训练我的深度学习代码。然而，即使是GPU服务器也会声明OOM。2018-02-09 14:19:28.918619: I tensorflow/core/common_runtime/bfc_allocator.cc:685]统计:限制: 10658837300 InUse: 10314885120 MaxInUse: 10349312000 NumAllocs: 8762 MaxAllocSize: 1416551936
2018-02-09 14:19:28.918672: w tensorflow
浏览 3提问于2018-02-12得票数 0
我目前已经安装了Google Cloud ML Engine来训练在Keras中创建的模型。在使用Keras时，ML引擎似乎不会自动将日志保存到存储桶中。我在ML引擎作业页面中看到了日志，但它们没有显示在我的存储桶中，因此我无法在训练时运行tensorboard。但是，我的存储桶中没有保存日志：
在设置我的环境时，我遵循以下教程：()
浏览 8提问于2017-07-14得票数 3
回答已采纳
我正在建立一个模型，它有一个图像输入(130,130,1)和3个输出，每个输出包含一个(10,1)向量，其中softmax被单独应用。
l0 = keras.layers.Conv2D(32, (5, 5), pa
浏览 2提问于2019-06-23得票数 1
回答已采纳
我想保存丢失的数据，同时训练我的面具R CNN，但我似乎错过了什么。训练正在起作用，但我发现了一个错误： learning_rate=config.LEARNING_RATE, augmentation=augmentation,
layers='heads',
浏览 10提问于2022-01-26得票数 0
回答已采纳
我正在使用Keras来使用train_on_batch命令对我的CNN进行模拟图像的训练，可以得到训练的损失。下一次跑--我正在预测精度，并回忆使用我的预先训练的CNN (自己的体系结构)来预测我的结果，在那里我使用命令predictions =model.predict(np.array(图像)，batch_size=batch_size)将我的数据再分割成训练和测试数据集。
浏览 1提问于2020-01-23得票数 0
回答已采纳
当我使用这些代码时 training_set, epochs=50,
steps_per_epochModel.fit_generator is deprecated and will be removed in a future version
浏览 4提问于2021-05-10得票数 0
validation', batch_size=32,现在，model.fit_generator的定义如下： train_generator, epochs=50,validation_data=validation_generator,
v
浏览 3提问于2020-03-08得票数 5
回答已采纳
我尝试过model.fit()和model.fit_generator()，但结果显示model.fit()比model.fit_generator()有更好的结果。我想扩充训练集，因此我使用了ImageDataGenerator()和model.fit_generator()。下面是带有model.fit()和model.fit_generator()的图表。
正如您所看到的，与model.fit_generator()相比，model.fit()具有更好的验证准确性和验证损失。下面是我的CNN代码
浏览 21提问于2020-03-07得票数 0
我的模型是正确的：model.add(Lambda(lambda x:x/255.0 - 0.5, input_shape=(160,320,3)))model.fit(train_generator, samples_per_epoch= len(train_samples), validation_data=validation_generator, nb_val_samples=len(validation_samples)
浏览 2提问于2017-09-23得票数 2
回答已采纳
1回答
print('training on cell array size' + str(cell_size_array[i]) + 'repeat of ' + str(j))
history = model.fit_generator
浏览 1提问于2018-02-25得票数 1
0.4.3 callback_history = model.fit_generatortraining_generator, epochs=training_epochs,
浏览 51提问于2019-05-16得票数 0
2回答
我想在每次训练之后绘制整个训练历史，但model.fit_generator()只返回最后一次训练的历史。history1 = model.fit_generator(my_gen)model.save('my_model.h5')
history2 = model.fit_generator(my_gen)
# here I would like to rec
浏览 0提问于2018-10-31得票数 3
所以我刚刚开始用tensorflow进行一些实验，但我觉得我很难掌握这个概念，我目前专注于MNIST数据集，但只有8000个用于训练，2000个用于测试。我目前拥有的小代码片段是： from keras.layers import Input, Dense, initializersfrom Dataset import Datasetfrom keras import optimizers, lossesimpo
浏览 10提问于2019-02-22得票数 1
回答已采纳
shuffle=True, )
如何将其转换为使用model.fit_generator
浏览 13提问于2017-06-26得票数 0
1回答
根据页面，我们可以使用ImageDataGenerator类(和flow_from_directory方法)构建一个生成器，可以在keras中传递给model.fit_generator方法；如下所示：train_datagen.flow_from_directory( target_size=(150, 150), class_mode='categorical')
浏览 0提问于2018-09-03得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
