使用keras进行预测的MLP
使用Keras进行预测的MLP是指基于Keras深度学习框架构建的多层感知器（Multilayer Perceptron）模型进行预测任务。
多层感知器是一种前馈神经网络模型，由输入层、隐藏层和输出层组成。它通过多个神经元的连接和激活函数的作用，实现对输入数据的非线性映射和复杂模式的学习。Keras是一个高级神经网络API，能够以简洁、快速的方式构建和训练深度学习模型。
MLP在预测任务中具有以下优势：
- 非线性建模能力：MLP通过多个隐藏层和非线性激活函数，能够学习到更复杂的数据模式和特征表示，适用于各种非线性预测任务。
- 并行计算能力：MLP的神经元之间是并行连接的，可以利用并行计算的优势，加速模型训练和预测过程。
- 可扩展性：MLP可以通过增加隐藏层和神经元的数量，提高模型的表达能力和预测性能。
- 适应性：MLP可以处理多种类型的数据，包括数值型、类别型和文本型数据。
MLP在各个领域都有广泛的应用场景，包括但不限于：
- 图像分类：MLP可以通过学习图像的特征表示，实现对图像进行分类、识别等任务。
- 文本分类：MLP可以通过学习文本的词向量表示，实现对文本进行情感分析、垃圾邮件过滤等任务。
- 音频处理：MLP可以通过学习音频的频谱特征，实现对音频的语音识别、音乐分类等任务。
- 时间序列预测：MLP可以通过学习时间序列的模式，实现对股票价格、天气预测等任务。
腾讯云提供了一系列与深度学习相关的产品和服务，可以用于支持使用Keras进行预测的MLP模型的开发和部署，包括：
- 腾讯云AI引擎：提供了基于GPU加速的深度学习推理服务，可用于高效地进行模型预测。
- 腾讯云机器学习平台：提供了完整的机器学习开发环境，包括数据处理、模型训练和模型部署等功能，支持使用Keras进行模型开发和预测。
- 腾讯云容器服务：提供了容器化部署的能力，可以将使用Keras构建的MLP模型打包成容器镜像，并进行分布式部署和管理。
更多关于腾讯云相关产品和服务的介绍，请访问腾讯云官方网站：https://cloud.tencent.com/
相关·内容
2回答
我正在训练一个模型，我需要为其报告类别概率，而不是单个分类。我有三个类，每个训练实例都有分配给它的三个类中的任何一个。
我正在尝试使用Keras创建一个MLP。但是我不知道如何提取每个类的最终类概率。我使用这个作为我的基本示例：
谢谢！
浏览 1提问于2017-02-10得票数 14
回答已采纳
1回答
我使用MLP进行分类。
这是我的模型
model = keras.Sequential([
keras.layers.Flatten(input_shape=(X.shape[1], X.shape[2])),
keras.layers.Dense(2048, activation='relu'),
keras.layers.Dropout(0.1),
keras.layers.Dense(512, activation='relu'),
keras.layers.Dense(128, activation='re
浏览 0提问于2020-10-29得票数 1
回答已采纳
1回答
我有一个转换器模型，与用于时间序列数据的Keras示例代码几乎完全相同。我将采取股票信息处理实践通过转换器的分类，目标是一个简单的{0,1}分离的结果。这里的问题是，我得到的总是失去的nan，没有任何精度改进。请看我的模特：
def transformer_encoder(inputs, head_size, num_heads, ff_dim, dropout=0):
# Attention and Normalization
x = layers.MultiHeadAttention(
key_dim=head_size, num_heads=num_hea
浏览 2提问于2021-11-22得票数 0
1回答
我正在尝试使用MLP进行二进制分类，方法是输出一个2神经元密集层，并将softmax作为其激活函数。但是我总是得到预测的类。
那么我到底做错了什么呢？
请注意，这是我的主神经网络的较短版本。
inp = tf.keras.layers.Input(shape = (len(feat_cols),))
x = tf.keras.layers.Dense(32, activation = "relu")(inp)
out = tf.keras.layers.Dense(2, activation= "softmax")(x)
model = tf.keras.mod
浏览 6提问于2021-02-27得票数 0
我使用新的tf.keras版本2.2.4-tf训练了一个简单的MLP模型。下面是模型的外观： input_layer = Input(batch_shape=(138, 28))
first_layer = Dense(30, activation=activation, name="first_dense_layer_1")(input_layer)
first_layer = Dropout(0.1)(first_layer, training=True)
second_layer = Dense(15, activation=activation, name="
浏览 18提问于2020-03-23得票数 0
回答已采纳
1回答
neuMF类不是Keras的类，因此它不提供任何编译方法，我最好使用keras.Model而不是nn.Blocks。
不幸的是，我并不真正理解nn.Blocks是什么，以及如何在类中替换它。我应该如何对我的代码进行修改，以便它能够与keras.Model一起工作并可以使用Keras方法？
这是我的代码：
from d2l import mxnet as d2l
from mxnet import autograd, gluon, np, npx
from mxnet.gluon import nn
import tensorflow as tf
from tensorflow import k
浏览 3提问于2020-10-20得票数 0
回答已采纳
我有下面的代码，我得到了一个TypeError。我的猜测是，我将Keras.Model作为Keras.Model的一部分，而我本应使用Layer。长话短说，我如何转换mlp返回的mlp对象，以便在构造SumNet实例时不会得到：
raise TypeError('The added layer must be '
TypeError: The added layer must be an instance of class Layer. Found: input_1 Placeholder FLOAT32(<tile.Value SymbolicDim UINT64()&
浏览 3提问于2022-06-30得票数 1
3回答
我正在用Keras实现一个神经网络，但是Sequential模型返回nan作为损失值。我在输出层中有sigmoid激活函数来压缩0到1之间的输出，但可能不能正常工作。
这是代码：
def data_generator(batch_count, training_dataset, training_dataset_labels):
while True:
start_range = 0
for batch in batch_count:
end_range = (start_range + batch[1])
batch_dataset = train
浏览 0提问于2020-02-19得票数 14
我使用MLP来预测时间序列，我实现了一个包含掩码层的代码，让模型跳过掩码值。
例如，在我的数据中，时间序列有很多NaN值，我用'value = -999‘填充它。我不想删除它，但我希望Keras掩蔽以温和的方式跳过它。
我的代码如下：
model = Sequential()
model.add(Masking(mask_value=-999, input_shape=(n_steps_in, )))
model.add(Dense(1024, activation='relu'))
model.add(Dense(n_steps_out))
我读过一个，它说不可能让掩
浏览 8提问于2022-08-11得票数 0
回答已采纳
我用Keras训练了两个神经网络:一个MLP和一个Bidirectional LSTM。
我的任务是预测句子中的单词顺序，因此对于每个单词，神经网络必须输出一个实数。当处理一个包含N个单词的句子时，对输出中的N个实数进行排序，以获得代表单词位置的整数。
我在数据集上使用相同的数据集和相同的预处理。唯一不同的是，在LSTM数据集中，我添加了填充以获得相同长度的序列。
在预测阶段，使用LSTM，我排除了从填充向量创建的预测，因为我在训练阶段屏蔽了它们。
MLP架构：
mlp = keras.models.Sequential()
# add input layer
mlp.add(
ke
浏览 4提问于2020-04-19得票数 1
1回答
是否有可能在Keras中实现专家方法学的混合MLP？请您用Keras中的一个简单代码来指导我解决一个与2位专家有关的二进制问题。
它需要像这样定义一个成本函数：
g = gate.layers[-1].output
o1 = mlp1.layers[-1].output
o2 = mlp2.layers[-1].output
def ME_objective(y_true, y_pred):
A = g[0] * T.exp(-0.5*T.sqr(y_true – o1))
B = g[1] * T.exp(-0.5*T.sqr(y_true – o2))
retur
浏览 0提问于2016-10-16得票数 16
回答已采纳
2回答
输出MLP预测评分
、、、
按照keras教程，MLP分类在这里：。
我能够成功地训练一个模型，并使用下面的代码打印出3种预测标签。我也想打印预测分数。在文档中，我似乎找不到如何做到这一点。
# Create a model for inference.
model_for_inference = keras.Sequential([text_vectorizer, shallow_mlp_model])
# Create a small dataset just for demoing inference.
inference_dataset = make_dataset(test_df.sample(100), i
浏览 5提问于2022-08-17得票数 1
回答已采纳
我得到了
RuntimeError: Dst张量未初始化
在我的神经网络训练中。具体来说，当我在自定义Callback中使用self.model.predict(self.dataset)获得预测时，似乎出现了错误，因为堆栈跟踪显示
文件"mlp_keras.py"，第20行，在on_epoch_end predictions = self.model.predict(self.dataset)中
这是完整的堆栈跟踪：
Traceback (most recent call last):
File "mlp_keras.py", line 150, i
浏览 6提问于2020-02-24得票数 1
1回答
我写了一个mlp，并想开始调整它，以适应最好的结果。但我遇到过几种不同的MSE。 from pandas import read_csv
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasRegressor
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from sklearn.p
浏览 69提问于2021-04-18得票数 0
回答已采纳
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
import keras
from keras.layers import Input, Dense
from keras.models import Model
from keras_adamw import AdamW
mlp = Model([
Dense(10, activation='relu', input_shape=trainX_scaled.shape), #input shape
Dense(10, activation='relu'), #Hiddin layer
Dense(10, a
浏览 4提问于2022-08-01得票数 0
作为标题。现在我正在阅读这个指南：。
页面上有一段引文：(我的粗体文本)
注意: tf.Module是tf.keras.layers.Layer和tf.keras.Model的基类，所以这里遇到的所有内容也适用于Keras。由于历史上兼容性的原因，Keras层不会从模块中收集变量，所以您的模型应该只使用模块或只使用Keras层。但是，下面所示的检查变量的方法在这两种情况下都是相同的。
但是我尝试了这个层次结构：tf.Module和嵌套的tf.keras.layers.Layer，它有嵌套的tf.Module。所有的tf.Variable都是从model.trainable_variables
浏览 4提问于2022-07-19得票数 0
回答已采纳
1回答
我想给ConvNN模型提供mlp_net_input_shaped形状(？，32，32，1)，但它总是得到形状(1，32，32，1)，所以它是错误的。Shape(32，32)是从matmul函数中获取的，代码如下 # Define input placeholders for user, item and label.
user = tf.placeholder(tf.int32, shape=(None, 1))
item = tf.placeholder(tf.int32, shape=(None, 1))
label = tf.placeholder(tf.int32, shape=(
浏览 26提问于2020-06-16得票数 1
2回答
我想比较使用gpu和不使用gpu时代码的处理时间。我的keras后端是Tensorflow。所以它会自动使用GPU。我使用keras/examples/mnist_mlp.py模型进行比较。
我像下面这样检查了处理时间。那么，如何禁用我的GPU呢？是否应该修改~/.keras/keras.json？
$ time python mnist_mlp.py
Test loss: 0.109761892007
Test accuracy: 0.9832
python mnist_mlp.py 38.22s user 3.18s system 162% cpu 25.543 total
浏览 0提问于2017-03-28得票数 10
回答已采纳
1回答
我正在尝试在Keras (版本2.2.4-tf)中实现一个多层感知器，它可以迭代地训练层。我一直在使用https://machinelearningmastery.com/greedy-layer-wise-pretraining-tutorial/作为模型，但事情对我来说并不是很有效。下面是我的代码： # Train first layer
mlp = keras.models.Sequential()
mlp.add(keras.layers.Dense(units=512, activation='tanh', kernel_initializer='he_un
浏览 54提问于2019-06-28得票数 1
回答已采纳
我正在使用Keras之上的Theano创建一个MLP，我训练和使用预测时间序列。独立于我的网络的结构和深度，我无法弄清楚(Keras文档，StackOverflow，搜索网络.)哪种训练算法(反向传播，.)Keras的model.fit()函数正在使用。
在Theano (以前没有Keras使用)中，我可以用以下方法定义参数的调整方式
self.train_step = theano.function(inputs=[u_in, t_in, lrate], outputs=[cost, y],
on_unused_in
浏览 4提问于2017-08-23得票数 0
回答已采纳
我有一些与生物反应器相关的时间序列数据。每24小时我给生物反应器喂食葡萄糖，并测量它自上一次喂食以来产生了多少物质。
输入：葡萄糖饲料。
Ouput：物质的生产。
目的：考虑到我摄入的葡萄糖，估计这些物质的浓度随时间的推移。
该生物反应器具有一定的初始条件，如葡萄糖初始浓度和物质。每个实验都有不同的初始条件。在一个实验中，我可以从10毫米的物质开始，在另一个实验中，我可以从100毫米开始，所以知道起点是很重要的。
我想利用这个初始条件来训练RNN的初始隐藏状态。
有我能做到的吗？如果没有，是否有其他方法向RNN表示初始条件？我在Keras中使用python。谢谢!
在代码中，我相信它
浏览 3提问于2019-12-19得票数 2
1回答
我正在尝试在修改一个简单的NN体系结构后恢复它的训练。使用MNIST数据集，在本例中，我训练模型2个时期，然后将模型保存在.h5文件中。然后我重新加载模型，修改模型并重新编译它。但是我想从我中断的地方继续训练。因此，我想使用重新加载的模型的优化器来继续训练。代码如下：
MLP = keras.models.Sequential([
keras.layers.Dense(100, activation='sigmoid', input_shape=(784,)),
keras.layers.Dense(10, activation='sof
浏览 0提问于2019-03-12得票数 0
在观看了F.CholletYoutube的视频"Inside TensorFlow: tf.Keras (第1部分)“之后，我试过这样做。在本节中，他讨论了如何通过子类创建自定义层和模型。我在colab上使用：
try:
# %tensorflow_version only exists in Colab.
%tensorflow_version 2.x
except Exception:
pass
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.models impo
浏览 3提问于2019-09-17得票数 1
回答已采纳
1回答
我有3个并行的MLP，并希望在Keras中获得以下内容：
Out = W1 * Out_MLP1 + W2 * Out_MLP2 + W3 * Out_MLP3
其中，Out_MLPs是每个MLP的输出层，维度为(10，)，W1、W2和W3是满足以下条件的三个可训练权重(浮点数)：
W1 + W2 + W3 = 1
使用Keras functional API实现这一点的最佳方式是什么？如果我们有N个平行层呢？
浏览 14提问于2020-06-01得票数 0
回答已采纳
我已经使用Keras regressor对数据进行回归拟合。我使用Scikit-learn wrapper和Pipeline首先对数据进行标准化，然后将其放在Keras regressor上。有点像这样：
from sklearn.grid_search import GridSearchCV
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasRegressor
from sklearn.preprocessing imp
浏览 5提问于2017-02-01得票数 3
我有以下代码。
x = keras.layers.Input(batch_shape = (None, 4096))
hidden = keras.layers.Dense(512, activation = 'relu')(x)
hidden = keras.layers.BatchNormalization()(hidden)
hidden = keras.layers.Dropout(0.5)(hidden)
predictions = keras.layers.Dense(80, activation = 'sigmoid')(hidden)
mlp_m
浏览 1提问于2017-03-01得票数 26
回答已采纳
1回答
我试图在keras‘on_epoch_end的函数Callback中得到预测。现在，为了得到预测，我用self.model.predict值为2执行batch_size，但是在第三个时代，我得到了这个错误：
RuntimeError: Dst张量未在Tensorflow中初始化
在网上阅读时，我注意到当GPU耗尽内存时会出现这个错误。在我的例子中，读取堆栈跟踪时，这个错误是由self.model.predict在on_epoch_end中触发的，它说：
文件"mlp_keras.py"，第20行，在on_epoch_end predictions = self.model.
浏览 7提问于2020-02-25得票数 0
3回答
多类神经网络总是预测优化后的1类
、、、、
在训练过程中，神经网络被放置在一个它总是预测5个等级中的一个的地方。
我的火车和测试集都是这样分布的：
Train Set
Samples: 269,501. Features: 157
Data distribution
16.24% 'a'
39.93% 'b'
9.31% 'c'
20.86% 'd'
13.67% 'e'
Test Set
Samples: 33,967. Features: 157
Data distribution
10.83% 'a'
35.39% 'b&#
浏览 0提问于2017-02-08得票数 5
2回答
用角码书写自定义层的适当方法？
、、、、
我至少看到了三种在keras中创建自定义层的方法。
import tensorflow as tf
import numpy as np
from tensorflow.keras.layers import Dense, Input
from tensorflow.keras.models import Model
def reset_seed(seed=313):
tf.keras.backend.clear_session()
tf.random.set_seed(seed)
np.random.seed(313)
class Method1MLP(tf.ke
浏览 1提问于2021-01-05得票数 0
1回答
我正在研究癫痫分类系统，它消耗脑电图信号，结果说如果使用某一时期，是否是癫痫发作。为了进行网络培训，我利用Keras。我正在尝试几种不同的神经网络配置，现在我想知道，在某些情况下，MLP在一维分类方面是否比CNN更好？我的问题不仅与脑电图或癫痫的检测有关，而且更多的是当MLP在准确性上比CNN表现得更好的时候。或者，在数学上证明了，对于给定的分类问题，总会有一些CNN优于MLP。
对于CNN，我用的是keras.layers.Conv1D，如果这有关系的话，我使用MLP keras.layers.Dense。
浏览 0提问于2021-05-15得票数 0
我有这个数据集
step pos_x pos_y vel_x vel_y ship_lander_angle ship_lander_angular_vel leg_1_ground_contact leg_2_ground_contact action
0 0 -0.004053 0.937387 -0.410560 -0.215127 0.004703 0.092998 0.0 0.0 3
1 1 -0.008040 0.933774 -0.401600 -0.240878 0.00761
浏览 1提问于2018-04-20得票数 0
我已经读到，当您也想使用模型回调时，不能与Keras进行交叉验证，但是表明这毕竟是可能的。然而，我很难把它融入到我的上下文中。
为了更详细地了解这一点，我将遵循，并使用。
这是一个三级分类问题，我正在尝试使用一个多层感知器(目前只用于测试一层)。我现在的目标是在模型回调中工作，这样我就可以节省最佳模型的权重。下面，我在我的network_mlp部分中尝试了这一点。为了表明该模型在没有回调的情况下工作，我还包括了network_mlp_no_callbacks。
您应该能够将它复制/粘贴到python会话中并运行它，没有问题。为了复制我看到的错误，取消最后一行注释。
错误：RuntimeErro
浏览 2提问于2017-04-22得票数 3
回答已采纳
2回答
我正在构建和测试一个简单的MLP模型，但我的结果在Keras重现性方面遇到了问题。我正在尝试设置我的神经网络，以便在运行网络时预测输出不会改变。 我已经在线关注了Keras指南以及这篇文章(Reproducible results using Keras with TensorFlow backend)。我在本地机器上使用Tensorflow后端和以下版本运行Keras： tensorflow 2.0.0-alpha0，keras 2.2.4-tf，numpy 1.16.0 import os
os.environ['PYTHONHASHSEED']=str(0)
im
浏览 13提问于2019-06-14得票数 4
理论上和实践上，MLPclassifier的隐藏层(参见hidden_layer_sizes)
mlp = MLPClassifier(hidden_layer_sizes=(4, 3, 2, 1),
max_iter = 100, activation = 'relu',
solver = 'adam', verbose = type_spec_from_value,
random_state = 100, learning
浏览 5提问于2022-06-11得票数 -1
回答已采纳
我试图使用.onnx对从keras的多标签文本分类模型转换的模型进行推断。这是一个文本分类模型，它接受文本并提供预测类别。
我在这里遵循本教程：，但我不确定我在寻找'feed‘格式方面缺少什么。
keras模型如下所示：
def make_model():
shallow_mlp_model = keras.Sequential(
[
layers.Dense(512, activation="relu"),
layers.Dense(256, activation="relu"),
la
浏览 8提问于2022-08-25得票数 0
我们可以使用MLP的输出作为LSTM网络中的小区状态，并使用反向传播来训练MLP吗？
这类似于使用CNN & LSTM的图像字幕，其中CNN的输出被展平并用作初始隐藏/单元状态，并训练堆叠网络，其中甚至CNN部分也通过反向传播进行更新。
我在keras中尝试了一个架构来实现同样的效果。请找到代码。
但是MLP的权重没有更新。我知道这在tensorflow中更简单，我们可以明确地提到哪些参数要随着损失进行更新，但是有谁可以帮助我使用keras API吗？
浏览 1提问于2018-07-19得票数 1
在使用Python进行人工智能实践时，我遇到了以下问题。我该如何解决这个问题？我想使用MLP识别Cifar-10数据。但是，当你这样写的时候，出现了一个错误:我应该怎么做来解决这个问题？请帮帮我。
我在正文中添加了一个错误。如果你能帮我，我将不胜感激。
import numpy as np
import tensorflow as tf
from tensorflow.keras.datasets import cifar10
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import C
浏览 8提问于2021-06-15得票数 1
1回答
我有一个回归任务(预测金融市场的价格)。
我构建了一个mlp来进行回归。
我发现mlp会停止给出一个不断的预测，我认为这是无用的。
这是否意味着，我不能做一个比常量值更好的预测？但是我试了一下，它给出了一个有意义的预测。
那么，如果mlp给出了常数，有什么共同的原因吗？以及如何改进这一点？
浏览 0提问于2021-05-10得票数 0
1回答
BERT模型在情感分类中的应用
、、、、
我试图找出情绪分类的电影评论使用伯特，变压器和tensorflow。这是我目前的代码：
def read_dataset(filename, model_name="bert-base-uncased"):
"""Reads a dataset from the specified path and returns sentences and labels"""
tokenizer = BertTokenizer.from_pretrained(model_name)
with open(filename
浏览 15提问于2022-10-05得票数 0
回答已采纳
1回答
我正在用python3做一个神经网络的解码器，这是我到目前为止所做的： from sklearn.model_selection import train_test_split
import numpy as np
import keras
from keras.models import Sequential
from keras.layers.core import Dense
import pandas as pd
from sklearn.preprocessing import LabelEncoder
import csv
LE = LabelEncoder()
dado =
浏览 17提问于2020-10-22得票数 0
我试图做一个时间序列图预测变压器。输入大小为(无，30)。但是，这里会出现一个错误。
x = layers.MultiHeadAttention(
5 key_dim=1, num_heads=1, dropout=dropout
----> 6 )(inputs, inputs)
7 x = layers.Dropout(dropout)(x)
8 x = layers.LayerNormalization(epsilon=1e-6)(x)
这里发生了一个错误。IndexError:元组索引超出范围
def transformer_encoder(i
浏览 8提问于2022-11-15得票数 0
回答已采纳
我正在为一个简单的3层MLP使用keras。我想将学习到的MLP的权重限制在一个范围内。例如，在模型拟合之后，所有的权重和偏差都在(-1，1)范围内。我该怎么做呢？谢谢。
浏览 65提问于2019-06-30得票数 1
回答已采纳
当我使用keras.models.Model()创建模型时，有以下错误：
AttributeError：“张量”对象没有属性“_keras_history”
我在我的模型中创建了3个MLP，意图是一个形状(6040,100)的张量。
代码和完整的跟踪如下：
def get_model(num_users,num_items,layers_1=[10],
layers_2=[10],layers_3=[10],reg_layers_1=[0],
reg_layers_2=[0],reg_layers_3=[0]):
asse
浏览 0提问于2019-05-12得票数 0
我对机器学习完全陌生，我想从一个相当简单的项目开始:使用mnist数据集进行数字识别。我正在使用keras和tensorflow，我开始使用代码，我发现here.The网络是正确构建和训练的，现在我想做一个简单的预测。对于初学者来说，我只是简单地使用了数据集中用于测试的部分中的一张图片，我希望我的输出就是这个数字。(在本例中，输出应为7。)下面是我的代码： # Baseline MLP for MNIST dataset
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequen
浏览 37提问于2019-12-06得票数 1
回答已采纳
1回答
混合深度学习在人工数据中的应用
、、、、
晚上好，让我们假设我们已经使用以下代码生成了人工数据 import numpy as np
from sklearn.datasets import make_classification
X ,y =make_classification(n_samples=5000,n_features=10,n_informative=3,random_state=1) 我读过下面关于混合深度学习的文章：Hybrid Deep learning 让我们假设我想使用经典的MLP (多层感知器)和一些经典的ML算法，例如catboost，根据文章，我想要做以下事情:正如你从代码中看到的，信息性是三个特征(
浏览 19提问于2021-04-06得票数 1
回答已采纳
2回答
我用tensorflow在Keras中实现了一个基本的MLP，并试图解决一个二进制分类问题。对于二进制分类，sigmoid似乎是推荐的激活函数，我不太理解其中的原因，以及Keras如何处理这个问题。
我理解sigmoid函数会产生介于0到1之间的值。我的理解是，对于使用sigmoid的分类问题，将有一个特定的阈值来确定输入的类(通常为0.5)。在Keras中，我没有看到任何方法来指定这个阈值，所以我假设它是在后端隐式完成的？如果是这种情况，那么Keras如何区分在二进制分类问题中使用sigmoid，还是在回归问题中使用？对于二进制分类，我们需要一个二进制值，而回归则需要一个名义值。我所能看到的
浏览 0提问于2018-03-06得票数 21
回答已采纳
我仍然是机器学习的新手，刚遇到强大的深度学习库，Keras。
我已经阅读过Keras文档，并且在Github 这里上尝试了很少的Keras示例。我还从几个来源学习了一些深入学习的基本知识和概念，但在CNN和RNN中还没有得到真正的理解，这两个网络看起来非常强大。
因此，为了证明我的假设，我从Keras下载了reuters_mlp.py示例，该示例最初使用简单的MLP网络作为模型。我结合了从imdb_cnn.py例子到reuters_mlp.py例子的CNN思想，并观察了结果。
令人惊讶的是，结果并没有像我预期的那样出来。CNN的表现比简单的MLP网络最差。有人能解释一下为什么CNN的准确性低于
浏览 0提问于2017-05-17得票数 3
回答已采纳
1回答
Keras怪异预测中的多层感知器
、、、、
我正在使用R中的Keras来预测金融序列。我需要用2个隐藏层训练MLP，每个隐藏层有40个神经元来预测股票价格。目标数据由股票价格组成，而训练数据由该价格的四个滞后部分组成。
input_data看起来像这样：
price_lag_4 price_lag_3 price_lag_2 price_lag_1 price
2018-04-13 157.73 161.21 160.28 162.21 161.37
2018-04-16 161.21 160.28 162.21
浏览 0提问于2018-04-25得票数 0
所以我是个初学者，刚接近tensorflow2和keras，我只是在玩一些模型，当我偶然发现以下错误时：
Traceback (most recent call last):
File "/home/arch_poppin/dev/AI/reviews/rev.py", line 7, in <module>
x = layers.Dense(8, activation='relu')([input1, input2])
File "/usr/lib/python3.8/site-packages/tensorflow/pyt
浏览 3提问于2020-09-15得票数 4
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
