为什么keras SGD没有正确优化？
Keras是一个开源的深度学习框架，而SGD（Stochastic Gradient Descent）是其中一种优化算法。在使用Keras的SGD优化器时，如果没有正确优化的原因可能有以下几点：
- 学习率设置不合适：学习率决定了每次参数更新的步长，如果学习率过大，可能会导致优化过程不稳定，无法收敛；如果学习率过小，可能会导致优化速度过慢，无法达到较好的效果。建议根据具体问题和数据集的特点调整学习率。
- 参数初始化不当：神经网络的参数初始化对优化的效果有很大影响。如果参数初始化不合理，可能会导致优化过程陷入局部最优解，无法找到全局最优解。常见的参数初始化方法包括随机初始化、Xavier初始化等，可以根据具体情况选择合适的初始化方法。
- 模型复杂度过高：如果模型过于复杂，可能会导致优化过程非常困难。在深度学习中，复杂的模型往往需要更多的数据和更长的训练时间才能得到较好的效果。可以考虑减少模型的层数、神经元个数或者使用正则化等方法来降低模型复杂度。
- 数据预处理不当：数据预处理是深度学习中非常重要的一步，如果数据预处理不当，可能会导致优化过程出现问题。常见的数据预处理方法包括归一化、标准化、数据增强等，可以根据具体问题选择合适的预处理方法。
- 训练集过小：如果训练集过小，可能会导致模型无法充分学习到数据的特征，从而无法得到较好的优化效果。建议尽量使用较大的训练集来提高模型的泛化能力。
总结起来，Keras的SGD优化器没有正确优化可能是由于学习率设置不合适、参数初始化不当、模型复杂度过高、数据预处理不当或训练集过小等原因导致的。在实际应用中，需要根据具体情况进行调试和优化，以获得更好的结果。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云深度学习平台：https://cloud.tencent.com/product/tensorflow
- 腾讯云人工智能平台：https://cloud.tencent.com/product/ai
- 腾讯云云服务器：https://cloud.tencent.com/product/cvm
- 腾讯云数据库：https://cloud.tencent.com/product/cdb
- 腾讯云存储服务：https://cloud.tencent.com/product/cos
相关·内容
16回答
当我试图修改Keras中SGD优化器的学习速率参数时，出现了这个错误。我是否遗漏了代码中的某些内容，或者我的Keras没有正确安装？
这是我的代码：
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Dense, Flatten, GlobalAveragePooling2D, Activation
import keras
from keras.optimizers import SGD
model = Sequential()
model.add
浏览 2提问于2018-04-27得票数 57
我在Google Collab上创建了笔记本电脑。为了工作，我需要一些keras库的功能。
我是进口的
from tensorflow import keras
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.callbacks import Callback
from keras import regularizers
from keras import optimizers
运行后出现此问题。
54 model.compile(
--->
浏览 12提问于2021-11-24得票数 2
我正在使用python3.9，tensorflow 2.7.0和一个改版的Mask )。我正在使用tensorflow .keras并专门导入
import tensorflow as tf
from tensorflow.python import keras
from tensorflow.python.keras import backend as K
from tensorflow.python.keras import layers as KL
from tensorflow.python.keras import utils as KU
from tensorflow.pytho
浏览 13提问于2022-04-27得票数 1
1回答
Keras损失函数值不减
、、、
我正在用Keras实现一个MLP，我注意到损失函数在历元期间不会改变。
我试着改变学习率和权重初始化，但什么都没有改变。
代码如下：
mlp = keras.models.Sequential()
# add input layer
mlp.add(
keras.layers.Input(
shape = (training_dataset.shape[1], )
)
)
# add hidden layer
mlp.add(
keras.layers.Dense(
units=training_dataset.shape[1] - 5
浏览 1提问于2020-02-22得票数 0
2回答
这是我的密码。
from keras.optimizers import gradient_descent_v2 as SGD
sgd=SGD(lr=0.01,momentum=0.9,decay=(0.01/25),nesterov=False)
当我试图运行它时，我会得到以下错误。
----> 1 sgd=SGD(lr=0.01,momentum=0.9,decay=(0.01/25),nesterov=False)
TypeError: 'module' object is not callable
浏览 11提问于2022-04-30得票数 0
试着跑--
import tensorflow as tf
from tensorflow import keras
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Flatten, Dense
from tensorflow.python.keras.optimizers import SGD, Adam
import numpy as np
print(tf.__version__)
，我得到了这个错误--
----------------
浏览 84提问于2022-03-10得票数 0
1回答
我是神经网络的新手。我正在凯拉斯做我的大学神经网络项目。我使用SGD优化器组装并训练了单层顺序模型：
[...]
nn_model = Sequential()
nn_model.add(Dense(32, input_dim=X_train.shape[1], activation='tanh'))
nn_model.add(Dense(1, activation='tanh'))
sgd = keras.optimizers.SGD(lr=0.001, momentum=0.25)
nn_model.compile(loss='mean_square
浏览 0提问于2018-06-16得票数 0
回答已采纳
2回答
我创建了一个单层神经网络，它有两个输出(每个类一个，0或1个)，使用sigmoid方法和SGD优化器进行训练。我也训练过没有任何隐藏层的神经网络。此外，我还用4分片的StratifiedKFold验证了模型的性能。训练的模型是用lr=0.1和epochs=150设计的，但是，我不知道这些值是否在优化模型。由于这个原因，我想运行20个组合的学习速率参数和时代，以看到最准确的结果和这些参数的组合，我得到它。限制规定如下：
历元: 10到150学习率的数值:0.0 1到1之间的值
请参阅下面的代码：
from sklearn.model_selection import StratifiedKFol
浏览 0提问于2019-11-25得票数 0
回答已采纳
我实现了图像分类的TFF代码。TFF版本0.18.0，我这样写：
iterative_process = tff.learning.build_federated_averaging_process(model_fn, server_optimizer_fn=lambda: tf.keras.optimizers.SGD(learning_rate=1.0), client_optimizer_fn=lambda: tf.keras.optimizers.SGD(learning_rate=0.001))
state = iterative_process.initialize()
但我发现
浏览 79提问于2021-03-11得票数 1
2回答
我使用以下代码：
from tensorflow.keras.regularizers import l2
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Add, Conv2D, MaxPooling2D, Dropout, Flatten, Dense, BatchNormalization, Activation
from tensorflow.keras import activations
CNN_model = Sequential()
# The First B
浏览 0提问于2021-08-15得票数 0
回答已采纳
2回答
在Keras和Pytorch中，SGD优化器具有权重衰减参数，我发现tf.train.GradientDescentOptimizer没有重量衰减参数。什么是tensorflow等效的SGD与重量衰减？
Pytorch
Keras优化器-
浏览 4提问于2019-03-07得票数 1
我需要把TF中的NN翻译成Keras。有点简单，除了Tensorflow中的“动量”优化器。
我最好的猜测是TF中的“动量”在Keras中是SGD。这是正确的吗？
如果是这样的话，我应该在Keras中设置的默认超参数"lr，momentum，decay，nesterov“是什么，以匹配TF中的默认调用"optimizer=momentum”？
谢谢!
要翻译的行：
network = regression(
network,
optimizer='momentum',
loss='categorical_crossentropy'
)
浏览 35提问于2018-08-14得票数 1
回答已采纳
1回答
神经网络损失值不变
、、、
我是刚开始深造的，所以我做了这个模型，为了训练我的数据，我尝试了很多组合，增加了层数，改变了激活函数，改变了损失函数，但是损失并没有减少。寻求你们的帮助伙计们。
我的training_data包含1000个示例:1000个raws和20个列--所有的数字、输出:这里有4个数字的列表是我的模型：
from keras import models
from keras.models import Sequential
from keras import layers
from keras.layers import Dense
from keras.layers import Flatten
浏览 6提问于2020-03-20得票数 0
回答已采纳
昨天在google colab上工作，一切都很好。但是现在我在尝试导入Adam时遇到了一个问题。 这就是我要导入的内容 from keras.optimizers import Adam, SGD, RMSprop 这就是我得到的 ImportError Traceback (most recent call last)
<ipython-input-1-36a1fe725448> in <module>()
30 from keras.layers import GlobalAveragePool
浏览 193提问于2021-08-18得票数 3
这是我的代码片段：
model=keras.Sequential()
model.add(keras.layers.LSTM(28,input_shape=(300,1),return_sequences=True))
model.add(keras.layers.Dropout(0.4))
model.add(keras.layers.LSTM(14))
model.add(keras.layers.Dropout(0.5))
model.add(keras.layers.Dense(2,activation="softmax"))
sgd=keras.optimizers.
浏览 0提问于2018-09-24得票数 3
回答已采纳
我一直在尝试创建一个能够识别不同演唱技巧的模型。我得到了很好的结果，但我想用不同的优化器，层等做不同的测试。然而，我不能得到可重现的结果。通过运行两次此模型训练：
num_epochs = 100
batch_size = 128
history = modelo.fit(X_train_f, Y_train, validation_data=(X_test_f,Y_test), epochs=num_epochs, batch_size=batch_size, verbose=2)
我可以在第一次运行时获得25%的准确率，然后在第二次运行时获得34%的准确率。然后，如果我将优化器从"
浏览 0提问于2020-11-22得票数 1
我有一个包含26个变量的文件，其中25个是x值，第26个值是y值。我想要拟合一个线性函数，根据x的值来预测y的值。
from keras.layers import Dense
from keras.optimizers import SGD
from keras import Sequential
import numpy as np
arr = np.loadtxt('../data/TscoreTest.csv',skiprows=1,delimiter=',')
x = arr[:,0:25]
x = x.astype(float)
y = arr[
浏览 0提问于2017-12-23得票数 0
1回答
我一直认为SGD是一个损失函数，然后我在笔记本上看到了这个。
model.compile(loss="sparse_categorical_crossentropy", optimizer=keras.optimizers.SGD(lr=1e-3), metrics=["accuracy"])
现在我很困惑，损失和优化器有什么区别？它们都是在输出层用来计算损失吗？或者优化器是在每个层中使用的吗？
浏览 0提问于2020-11-18得票数 1
1回答
我正在构建一个keras LSTM模型，在第一次遍历时，我发现它有点过拟合了数据，所以我初始化了两个回调-一个用于控制可变学习率，另一个用于提前停止： def _initialise_callback(self):
# Ensure learning rate decreases with the epoch number
learning_rate = 0.1
decay_rate = learning_rate / self.epochs
momentum = 0.8
self.sgd = SGD(
浏览 10提问于2020-06-14得票数 3
回答已采纳
如果我的代码像这样：
from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.layers import Dropout, Flatten, Dense, Conv2D, MaxPooling2D, BatchNormalization
from keras.callbacks import TensorBoard
from keras.callbacks import ModelCheckpoint
from keras.optimizer
浏览 0提问于2021-06-08得票数 0
我试着运行以下代码：
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.optimizers import SGD
我得到了一个错误：
ImportError: cannot import name 'SGD' from 'keras.optimizers' (C:\Users\user\AppData\Roaming\Python\Python38\site-packages\keras\optimizers.py)
早些时候，当我
浏览 7提问于2021-07-11得票数 2
回答已采纳
1回答
为什么我的CNN不学习
、、、
我为这样一个陈词滥调的问题感到抱歉，但我真的不知道为什么我的CNN没有进步。
我正在训练一个用于SVHN数据集(个位数)的CNN，图像为32x32。
对于预处理，我将RGB转换为灰度，并通过标准化对所有像素数据进行标准化。因此，数据范围变为(-1,1)。为了验证我的X和y是否彼此正确对应，我从X中随机选取了一个图像，并从y中随机选取了一个具有相同索引的标签，结果显示确实如此。
下面是我的代码(Keras，tensorflow后端)：
"""
Single Digit Recognition
"""
import tensorf
浏览 4提问于2017-01-14得票数 4
我正在尝试分类一些图像，如果它们包含对象:是或否。
我首先用rmsprop优化器运行50个时期，然后用超过50个时期继续第二次运行SGD优化器。
我的第一次运行以大约0.4的损失结束，模型被保存。第二次运行从保存的模型开始。
问题是，在第二次运行开始时，Keras显示在1个时期的损失约为0.8。
为什么相同的损失函数会发生这种情况？
浏览 2提问于2018-11-29得票数 0
1回答
我有一个使用Keras的完全实现的LSTM RNN，我想使用梯度范数限制为5的梯度裁剪(我正在尝试复制一篇研究论文)。关于实现神经网络，我还是个初学者，我该如何实现呢？
只是(我使用的是rmsprop优化器)：
sgd = optimizers.rmsprop(lr=0.01, clipnorm=5)
model.compile(optimizer=sgd,
loss='categorical_crossentropy',
metrics=['accuracy'])
浏览 59提问于2017-12-13得票数 3
1回答
Keras中的多维回归
、、、
我正在尝试使用Keras实现这文章中提供的一个隐藏层模型。
这是我的密码：
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten, Activation
from keras import optimizers
model = Sequential()
model.add(Dense(100, input_dim=9216))
model.add(Activation('relu'))
model.add(Dense(30))
model.compile(los
浏览 0提问于2017-07-17得票数 1
回答已采纳
我正在尝试建立一个序列模型。我有32个特征作为输入维度，这是一个分类问题。这是总结的结果： ? 这是我的模型： #Create an ANN using Keras and Tensorflow backend
from keras.wrappers.scikit_learn import KerasClassifier
from keras.models import Sequential
from keras.layers import Dense, Dropout,Activation
from keras.optimizers import Adam,SGD
nb_epoch =
浏览 29提问于2021-06-21得票数 0
我正在尝试在keras中模仿pytorch神经网络。 我确信我的keras版本的神经网络与pytorch中的非常接近，但在训练过程中，我看到pytorch网络的损失值比keras网络的损失值要低得多。我想知道这是不是因为我没有正确复制keras中的pytorch网络，或者两个框架中的损失计算是不同的。 Pytorch损失定义： loss_function = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=args.lr, momentum=0.9, weight_decay=5e-4) Keras损失定义：
浏览 555提问于2020-04-26得票数 3
回答已采纳
1回答
我正在比较SVRG，SAG和其他深度学习最小化优化器的性能。
我如何使用tf.raw_ops.ResourceApplyGradientDescent实现自定义优化器，我尝试在这里查看SGD keras实现，但是找不到keras的源代码，这使得很难为其他优化器重现。
浏览 0提问于2021-03-16得票数 0
我在做一个二进制位的分类与CNN使用马特罗网在马特隆网。现在，我正试图通过Python上的Keras来实现它。这个网络一点也不复杂，我在Matconvnet上达到了96%的精度。然而，对于Keras，即使我尽力确保每个设置与以前完全相同，我也无法获得相同的结果。或者更糟的是，这个模型根本不起作用。
以下是有关设置的一些详细信息。任何想法或帮助都是非常感谢的！
输入
图像大小为20*20。培训大小为400，测试大小为100，验证大小为132。
- Matconvnet: images stored in 20\*20\*sample\_size method
- Keras: ima
浏览 4提问于2017-07-13得票数 2
通过给定半径r和圆的面积，我希望神经网络预测正确的值。然而，下面的代码没有预测到。我需要在loss/optimize函数中做什么更改？如果你能为选择损失/优化函数提供一些理由，那就太好了。 from tensorflow import keras
import numpy as np
model = keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd', loss='mean_squared_error')
radiusTra
浏览 18提问于2020-04-22得票数 0
回答已采纳
1回答
我最近完成了一个“相当好的”TF2/keras模型，用于图像识别，使用了许多层，SGD优化，并从MobileNetv2预训练模型开始。
我可以永远调整:添加/删除层，不同的优化算法，学习率，动量，各种数据集增强，等等。我甚至没有考虑从其他预训练模型开始。我将优化器从SGD改为ADAM (应该更好，对吧？)而且它稍微更不准确。
那么，如何收敛到一个更好的预先训练好的模型、参数、值呢？这只是一次试错吗？训练我的模型需要大约45分钟(10个时期)，当我调整这么多变量时，这似乎是永远的。
我想我可以编写一个python框架来插入各种训练属性，然后让它运行几天。
浏览 1提问于2019-10-26得票数 0
1回答
我有一个简单的线性回归模型，其中自变量是年份(1970年至今)。当我将输入数据集中在零(即从x中减去平均值)时，我的模型运行得很好，得到了最佳拟合线。但是如果我不把数据集中起来，这个模型就会有无限的损失：
model = tf.keras.models.Sequential([
tf.keras.layers.Input(shape=(1,)),
tf.keras.layers.Dense(1)
])
model.compile(
tf.keras.optimizers.SGD(learning_rate=0.001, momentum=0.9),
loss=
浏览 2提问于2021-01-30得票数 0
回答已采纳
2回答
在Keras中，当指定平均绝对误差等损失时，它是否将学习算法(Adam或SGD)中的代价函数替换为平均绝对误差？我对ML还不熟悉，在这方面有点困惑。
浏览 0提问于2020-06-17得票数 0
回答已采纳
1回答
我正在尝试在keras(tensorflow)中为NN开发一个hello world应用程序。我想创建一个符合方程y=0.5+0.5x的基本模型，我写了这段代码 import tensorflow as tf
import numpy as np
from tensorflow import keras
TRAINING_DATA_SIZE = 20
model = keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd', loss='
浏览 30提问于2019-06-28得票数 0
回答已采纳
尝试用Keras/Theano训练一个非常简单的CNN关于二进制分类问题。损失函数总是收敛到8.0151左右。参数/架构修改没有帮助。所以我做了一个非常简单的例子:新的输入数组，一个是全1，另一个是零。没有骰子，同样的行为。我试过所有的1和全部-1，同样的东西。然后，所有的0和随机。一样的。降低尺寸和深度，删除掉，与参数，相同。帮助!这是怎么回事？
import numpy
A = []
B = []
for j in range(100):
npa = numpy.array([[1 for j in range(100)] for i in range(100)])
A
浏览 1提问于2016-06-03得票数 1
回答已采纳
我试图在站点上跟踪TensorFlow，但它不起作用。
这是我的密码：
import tensorflow as tf
def vectorize(vector_like):
return tf.convert_to_tensor(vector_like)
def batchify(vector):
'''Make a batch out of a single example'''
return vectorize([vector])
data = [(batchify([0]), batchify([0, 0,
浏览 1提问于2020-01-08得票数 0
回答已采纳
作为网络的一个例子，我使用了第一个示例
我想在这个网络上使用张力板。在阅读了有关如何使用的TensorBoard之后，我将这些命令添加到代码中：
from keras.callbacks import TensorBoard
TensorBoard("Directory path that contains the log files")
输出听起来是正确的：
Out[3]: <keras.callbacks.TensorBoard at 0x7f14730e79b0>
但目录里什么都没有..。
我做错了什么？
以下是完整的代码：
import keras
from
浏览 0提问于2018-07-04得票数 3
回答已采纳
伙计们好啊。第一次在这里发帖子。
因此，我试图在Pycharm空闲环境中使用Python制作一个AI聊天机器人。在尝试开始训练神经网络以使聊天机器人工作时，我遇到了这个错误，无法找到任何资源来帮助我解决这个问题：
回溯(最近一次调用)：
文件"C:\Users\Owner\PycharmProjects\ai\main.py"，第71行，在C：\Users\Owner\PycharmProjects\ai\main.py optimiser=sgd中，度量=‘准确性’)
文件"C:\Users\Owner\AppData\Roaming\Python\Pytho
浏览 3提问于2022-02-16得票数 0
回答已采纳
我刚开始使用CNN，但我正在尝试使用带有CIFAR10数据集的functional。唯一的问题是我的准确度很低。我已经看过我的教科书例子和文档，但不知道为什么它是这么低，当它应该开始更高。这是我使用DenseNet201和tf版本2.7进行的设置：
#load in data
(X_train, y_train), (X_test, y_test) = tf.keras.datasets.cifar10.load_data()
# Normalize pixel values to be between 0 and 1
X_train, X_test = X_train / 255.0,
浏览 10提问于2021-12-09得票数 0
我试着运行这段代码，但我遇到了这个错误，请任何一个人在过去遇到过同样的错误： sgd = optimizers.SGD(lr = 0.01, decay = 1e-6, momentum = 0.9, nesterov = True) 编译模型 model.compile(optimizer = sgd, loss = OBJECTIVE_FUNCTION, metrics = LOSS_METRICS)
fit_history = model.fit_generator(
train_generator,
steps_per_epoch=STEPS_PER_
浏览 221提问于2019-10-07得票数 2
2回答
我试着训练一个关于希格斯玻色子挑战卡格尔的数据的模型。我决定做的第一件事就是创建一个简单的keras模型。我尝试过不同的层次数量和宽度，不同的成本函数，不同的优化器，不同的神经元函数，但是训练集的精度总是在0.65~0.7之间。我不太明白为什么。下面是一个非常奇怪的模型的例子：
from keras.layers import Dense, merge, Activation, Dropout
from keras.models import Model
from keras.models import Sequential
from keras.optimizers import SGD
浏览 2提问于2017-01-11得票数 3
回答已采纳
我正在尝试使用TensorFlow实现一个神经网络来解决异或问题。我选择sigmoid作为激活函数，shape (2, 2, 1)和optimizer=SGD()。我选择batch_size=1是因为问题的全局性是4，所以真的很小。问题是，预测结果甚至与正确答案相去甚远。我做错了什么？ 我在Google Colab上这样做，Tensorflow的版本是2.3.0。 import tensorflow as tf
import numpy as np
x = np.array([[0, 0],
[1, 1],
[1, 0],
浏览 46提问于2020-11-04得票数 3
回答已采纳
在TF 1.14中，以下代码将引发异常。 optimizer = tf.keras.optimizers.SGD(learning_rate=params['lr'])
train_op = optimizer.minimize(loss, global_step=tf.train.get_or_create_global_step()) 例外情况是 TypeError: minimize() got an unexpected keyword argument 'global_step' 似乎tf.keras.optimizers在TF 1.14中不可用
浏览 122提问于2021-01-06得票数 0
1回答
学习率没有影响
、、、
我使用的是带有Keras的MLP，用sgd优化的。我想调整学习速度，但它似乎对训练没有任何影响。我尝试了小学习率(.01)以及非常大的学习率(高达1e28)，而且效果几乎不明显。我的损失不应该在使用一个很大的学习率的时候爆炸吗？
我使用的是一个完全连接的神经网络，它有三个隐藏层和乙状结肠激活函数。损失是BinaryCrossEntropy的一个变体。目标是预测信贷违约。培训集包含大约500000个示例。2%的人叛逃。测试集包含200000行
def loss_custom_w(p):
def loss_custom(y,yhat):
y_l, y_lhat = kera
浏览 2提问于2020-03-28得票数 0
1回答
这是我为CNN创建的代码，但我注意到损失/时期图上的这些峰值，我无法解释。我尝试了adam optimizer，但结果仍然相同。我试图对恶性或良性乳腺肿瘤进行分类，但我的数据集有点小，只有3390张照片。 # -*- coding: utf-8 -*-
"""
Created on Wed Dec 18 16:05:12 2019
@author: Panagiotis Gkanos
"""
import numpy as np
import tensorflow as tf
from
浏览 45提问于2020-02-01得票数 2
回答已采纳
1回答
这是一个简单的神经网络，包含3个输入值和3个输出值。
错误：
ValueError: Error when checking model target: expected dense_78 to have shape (None, 3) but got array with shape (3, 1)
在我执行这个网络时抛出。我已经将最后一层设置为有三个可能的输出，这些输出与标签的数量相匹配：
model.add(Dense(3, activation='softmax'))
我没有正确地设计这个网络，我的错误在哪里？
data = ([[ 0.29365378],
浏览 3提问于2017-06-30得票数 0
回答已采纳
1回答
Keras低精度分类任务
、、、、
我在玩Keras和一个虚拟数据集。我想看看一个神经网络和一个有RBF核的标准支持向量机相比会有多好。任务很简单:为集合{0,1,2}中的20 dim向量预测类.
我注意到神经网络做得很可怕。支持向量机的正确率约为90%，而神经网络的正确率为40%左右。我的代码做错了什么？这很可能是我的一个错误，但经过几个小时的尝试各种参数的神经网络，我放弃了。
码
from sklearn.datasets import make_multilabel_classification
from sklearn.svm import SVC
from keras.models import Sequential
浏览 4提问于2016-07-28得票数 3
回答已采纳
我在Keras中有一条import语句：
from keras.optimizers import SGD, RMSprop
但是在这个错误上得到这个错误：
ImportError: No module named keras.optimizers
为什么会这样呢？那么，我如何解决这个问题呢？
谢谢。
浏览 23提问于2016-08-22得票数 0
回答已采纳
3回答
我想通过一个xor代码来练习keras，但是结果不对，下面是我的代码，谢谢大家的帮助。
from keras.models import Sequential
from keras.layers.core import Dense,Activation
from keras.optimizers import SGD
import numpy as np
model = Sequential()# two layers
model.add(Dense(input_dim=2,output_dim=4,init="glorot_uniform"))
model.add(Acti
浏览 3提问于2015-07-22得票数 6
我在config.yaml中定义了几个参数，如下所示。
params:
epochs: 10
batch_size: 128
num_classes: 10
loss_function: sparse_categorical_crossentropy
metrics: accuracy
optimizer: SGD
validation_datasize: 5000
learning_rate : '1e-3
现在我的主语也是这样。如下所示。
config = read_config(config_path)
# Create the model
LO
浏览 3提问于2021-11-24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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
