冻结图层的特定过滤器，以便在Keras中进行修剪
在Keras中，冻结图层的特定过滤器是指在神经网络模型中，将某些卷积层的特定过滤器设置为不可训练状态，从而固定它们的权重参数，不再更新。这样做的目的是为了在模型训练过程中保持特定过滤器的权重不变，以便进行修剪（pruning）操作。
修剪是一种模型压缩技术，通过去除冗余的神经元或权重，以减少模型的存储空间和计算量，同时提高模型的效率和推理速度。冻结图层的特定过滤器是修剪操作的一种方式，它可以通过将某些过滤器的权重设置为零或非常小的值来实现。
冻结图层的特定过滤器可以在Keras中通过以下步骤实现：
- 定义模型：使用Keras构建神经网络模型，并添加卷积层。
- 冻结过滤器：选择要冻结的特定过滤器，并将其对应的权重参数设置为不可训练状态。可以使用Keras的
layer.trainable属性来控制是否可训练。 - 编译模型：设置模型的损失函数、优化器和评估指标。
- 训练模型：使用训练数据对模型进行训练，只更新未冻结的层的权重参数。
- 进行修剪：根据需要，可以将冻结的过滤器权重设置为零或非常小的值，以实现修剪效果。
冻结图层的特定过滤器可以应用于各种场景，如模型压缩、模型加速和模型优化等。通过冻结不需要更新的过滤器，可以减少模型的参数量，提高模型的推理速度，并在一定程度上减少过拟合的风险。
腾讯云提供了一系列与云计算相关的产品和服务，其中包括深度学习平台Tencent ML-Images，可以用于构建和训练神经网络模型。您可以通过以下链接了解更多关于Tencent ML-Images的信息：Tencent ML-Images
请注意，本回答仅提供了一种解决方案，实际应用中可能还需要根据具体情况进行调整和优化。
相关·内容
3回答
我正在尝试微调来自卡格尔核的一些代码。该模型使用预先训练的VGG16权重(通过'imagenet')进行迁移学习。但是，我注意到没有角化酶(博客)推荐的层冻结。一种方法是冻结所有VGG16层，并在编译期间只使用代码中的最后4个层，例如：
for layer in model.layers[:-5]:
layer.trainable = False
据推测，这将使用imagenet权重作为顶层，并且只训练最后5个层。不冻结VGG16层会带来什么后果？
from keras.models import Sequential, Model, load_model
from k
浏览 0提问于2018-04-23得票数 12
回答已采纳
1回答
正如标题所说，我需要从keras xception模型中获取输出节点名称。具体地说，我想使用这些信息来冻结它，以便与opencv一起使用。
浏览 2提问于2021-10-19得票数 0
1回答
我目前正在构建一个CNN，它使用迁移学习来对图像进行分类。在我的模型中，有一个tensorflow-hub KerasLayer，它使用EfficientNet来创建特征向量。 我的代码如下： model = models.Sequential([
hub.KerasLayer("https://tfhub.dev/google/efficientnet/b7/feature-vector/1", trainable=True), # Trainable
layers.Dropout(DROPOUT),
layers.Dense(NEURONS_PER_LAYER, kern
浏览 17提问于2020-05-02得票数 0
回答已采纳
1回答
据说在Keras ()中，conv2d的滤波器定义是随机的。在另一篇文章()中，解释了我们可以分配自定义过滤器。我的问题是，我们如何在conv2d中手动/自定义地定义多种类型/形式的过滤器。我想使用sobel，canny，prewit和roberts边缘检测器作为滤波器( )
浏览 0提问于2021-02-18得票数 1
在我的数据集中，单个输入和输出的形状是15 x 61。我指定input_shape=(15,61)。这意味着15x61到15x61之间的映射，这不是一个分类问题。输出层中的单位规格应该是什么？ model = tf.keras.models.Sequential([tf.keras.layers.Dense(units=128,input_shape =(15,61),
tf.keras.layers.Dense(units=128, activation=tf.nn.relu),
tf.keras.layers.Dense(units=, activation=tf.nn.softmax)
浏览 6提问于2019-09-14得票数 0
我正在尝试理解keras中的model.summary()，我有如下代码： model = Sequential([
Dense(3,activation='relu',input_shape=(6,)),
Dense(3,activation='relu'),
Dense(1),
])
model.compile(optimizer='adam',
loss='mean_squared_error',
浏览 61提问于2019-06-30得票数 0
回答已采纳
1回答
我有这个神经网络，它接受输入的rgb图像和它的其他两个变体(固定和动态)。我想要添加“注意力”机制，以便在输出中具有测试实例的热图。
def build_model():
inputRGB = tf.keras.Input(shape=(128,128,3), name='train_ds')
inputFixed = tf.keras.Input(shape=(128,128,3), name='fixed_ds')
inputDinamic = tf.keras.Input(shape=(128,128,3), name='dinamic
浏览 1提问于2020-04-21得票数 0
我有一个关于keras中的'Convolution2D‘函数的问题。
model.add(Convolution2D(
nb_filter=32,
nb_row=5,
nb_col=5,
border_mode='same',
input_shape=(1,28,28),
))
通过这样做，将使用32个5*5滤波器来卷积输入。但是只指定了过滤器的大小，那么这些过滤器是什么样子的呢？它们都是相同的还是随机的？
浏览 1提问于2019-11-17得票数 0
2回答
我正在尝试用Keras实现，并在MATLAB中检查了网络设计，如下所示
可以看出，第二卷积层具有大小为5×5的256个滤波器、48个通道和2 2 2的填充。如何使用Keras指定2 2 2的padding？我看过了。它只接受两个填充的值，即valid和same。我无法理解这一点。据我所知，valid意味着零填充。如何使用第二卷积层指定2 2 2填充？我创建的第一层是：
model.add(keras.layers.Conv2D(filters = 96, kernel_size = (11,11),
strides = (4,4), padding = "valid
浏览 0提问于2019-04-16得票数 4
回答已采纳
我正在创建一个稀疏的神经网络，如下图所述。Keras只提供一个密集的层，我们不能选择我们想要连接到前一层的神经元数量。为了使用Keras实现这一点，我尝试实现以下方法：
1-求出各时期各层的梯度矩阵。
2-带掩码矩阵的多重梯度矩阵使其稀疏
3-根据更新的梯度矩阵更新新的权重
我无法在Keras中找到梯度矩阵。我怎样才能得到它和更新它在时代？
tf.GradientTape()只用于查看渐变。
提前谢谢。请参阅附图。
浏览 5提问于2022-05-24得票数 1
回答已采纳
3回答
因此，我是计算机视觉的新手，我不知道keras中的层是做什么的。在keras中添加层(dense、Conv2D等)有什么用？他们给它添加了什么？
浏览 1提问于2020-03-04得票数 2
1回答
我将从代码开始，然后提出我的问题。
model1_input= keras.Input(shape=(5,10))
x = layers.Dense(16, activation='relu')(model1_input)
model1_output = layers.Dense(4)(x)
model1= keras.Model(model1_input, model1_output, name='model1')
model1.summary()
//----
model2_input= keras.Input(shape=(5,10))
y = la
浏览 27提问于2019-11-22得票数 0
回答已采纳
在TensorFlow/Keras中训练神经网络进行分类时，是否可以将输出层中的偏差项设置为不可训练？ 看起来layer.trainable = False将冻结这一层中的内核和偏差。有没有可能只冻结偏差，而仍然更新内核？
浏览 129提问于2020-12-29得票数 0
我使用上的ssd_mobilenet_v1_pets.config配置遵循了TF对象检测应用编程接口教程页面上的步骤
这是非常酷的，我能够训练一个自定义检测器使用我自己的图像。然而，由于整个训练过程在我看来就像一个“黑匣子”，我想知道如何配置层以进行微调，就像如何使用tensorflow/keras中的Inception模型配置要重新训练的层一样。
我认为，如果我有10000张图片，而不是100张图片，那么需要微调的图层可能(应该)不同。
浏览 2提问于2018-11-30得票数 4
我有一个基于resnet50的模型架构，需要定期重新培训。多年来，它一直很有效。它运行在tensorflow版本1.9和keras 2.3.1上。现在我买了一台带RTX 3070的新电脑-这意味着我必须使用tensorflow 2.4或更高版本才能使用GPU。我安装了tensorflow 2.5以及相关的Cuda 11.2和cudnn 8.1，手动复制了一些文件-该模型确实在GPU上运行。然而，当我冻结基础模型的层时，我得到的结果与在我的旧计算机上运行它时完全不同。例如:在resnet50所有层都冻结的两个预热时期，我在旧电脑上获得了超过50%的准确率-但在新电脑上只有7.5%。我意识到了B
浏览 136提问于2021-06-22得票数 0
2回答
我对过滤器参数感到困惑，它是keras中Conv2D()层函数中的第一个参数。据我所知，过滤器应该做一些事情，比如边缘检测、锐化图像或模糊图像，但是当我将模型定义为
input_shape = (32, 32, 3)
model = Sequential()
model.add( Conv2D(64, kernel_size=(5, 5), activation='relu', input_shape=input_shape, strides=(1,1), padding='same') )
model.add(MaxPooling2D(pool_size=(2
浏览 3提问于2021-05-07得票数 3
回答已采纳
在使用Keras完成模型训练后，我正在尝试使用Keras的model.predict()，以便在新的输入上测试模型。 当我训练模型时，我用Scikit Learn的MinMaxScaler()对我的训练数据进行了标准化。 在使用model.predict()时，我是否也需要对数据进行标准化？如果是这样，我该怎么做呢？
浏览 69提问于2021-06-25得票数 0
回答已采纳
我有一个基线TF功能模型，我想修剪。我尝试遵循文档中的代码，但压缩剪枝模型的大小与压缩基线模型的大小相同。
()
我不相信我的代码有什么问题，那么为什么会发生这种情况呢？
def get_gzipped_model_size(model):
# Returns size of gzipped model, in bytes.
import os
import zipfile
_, keras_file = tempfile.mkstemp('.h5')
model.save(keras_file, include_optimizer=False)
_
浏览 2提问于2021-03-16得票数 0
1回答
我使用以下代码(向提供)，该代码运行CNN以训练MNIST图像：
from __future__ import print_function
import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K
batch_size = 128
num
浏览 0提问于2018-06-08得票数 7
回答已采纳
2回答
深度卷积训练损失没有减少
、、、、
该模型用于二分类。这是我的模型：
im_input= layers.Input(shape=[160,160,3])
x = layers.Conv2D(30,(3,3),strides=(2,2),padding='same')(im_input)
z = layers.DepthwiseConv2D((3,3),strides=2,padding='same',depth_multiplier=10)(im_input)
x = layers.ReLU()(x)
z = layers.ReLU()(z)
x = layers.Conv2D(60,(3,3),
浏览 0提问于2020-06-20得票数 0
我正在尝试使用来自预训练模型的numpy数组，来初始化我的keras模型中的内核。因此，我正在编写自己的初始化函数。该函数嵌入在可调用类中，以避免在使用load_model时出现问题。在我的例子中，将数组作为参数传递给初始化器似乎不起作用。 我当前的解决方案的灵感来自：keras kernel initializers are called incorrectly when using load_model，在向初始化器函数传递单个数字参数的情况下，所提供的答案对我来说工作得很好。在使用数组时，会发生错误。 我也研究过使用set_weights的解决方案，但它们不适用于我的情况，因为我只想初
浏览 26提问于2019-05-18得票数 3
我在第一个数据集上训练了一个LeNet架构。我希望通过使用从LeNet获得的权重来初始化VGG的权重，从而在其他数据集上训练VGG架构。
keras中的所有初始化函数都是预定义的，我不知道如何自定义它们。例如：
keras.initializers.Zeros()
你知道我怎么设置权重吗？
浏览 0提问于2019-04-17得票数 0
我想了解以下差异背后的建筑直觉：
tf.keras.layers.Conv2D(64, (3,3), activation='relu', input_shape=(28, 28, 1))
和
tf.keras.layers.Conv2D(32, (7,7), activation='relu', input_shape=(28, 28, 1))
假设，
随着核大小的增加，在卷积步骤中可以执行更复杂的特征模式匹配；随着特征尺寸的增大，较小特征的较大方差可以定义一个特定的层。
我们如何以及何时(如果可能的话，请给出方案)在抽象的层次上证明这种权衡是合理的？
浏览 2提问于2020-08-15得票数 0
回答已采纳
2回答
你如何将迁移学习应用于像InceptionV3，ResNet50这样的模型，这些模型是在ImageNet (大约1000个班级)上训练的，对于一个超过1000个班级的问题？
我正在使用Keras，但我对其他解决方案持开放态度。我熟悉这样的想法:加载一个经过训练的网络的所有权重(就像ImageNet上的ResNet50 )，除了顶部(最终分类层有1000个单元)，然后将网络的末端连接到我可以指定的其他层(完全连接层，池化等)。然而，在许多这样的网络中，最终层之前的层只有不到3000个单元，因此添加一个超过3000个单元的层将是一个扩展层，有点像自动编码器中的解码器。正常情况下，我已经看到最后一层
浏览 0提问于2019-01-12得票数 1
我正在尝试用一个小的测试数据集来建立我的第一个深度学习顺序模型。
不幸的是，当我调用model.fit()时，我得到了以下错误消息：
ValueError: Input 0 of layer "sequential_8" is incompatible with the layer: expected shape=(None, 160, 4000), found shape=(32, 4000)
我的模型如下
num_of_classes = 2
input_shape = (1,4000)
y_train_cat = keras.utils.to_categorical(y
浏览 11提问于2022-07-26得票数 0
1回答
我想在展平后保存图层的特征向量。我该怎么做？作为输入，我想给出所有的测试图像，让它来预测结果，但在分类层之前，我需要提取网络学习的特征并将其保存为向量。这有可能吗？ 下面是我的代码： from keras.datasets import mnist
from keras.utils import to_categorical
from keras import layers
from keras import models
(train_img,train_label), (test_img, test_label) = mnist.load_data()
#preprocessing
浏览 21提问于2020-08-12得票数 0
回答已采纳
1回答
我正在尝试使用谷歌的本教程来使用TensorFlow估计器来训练和识别图像：
我在本教程中可以看到的数据是：train_data、train_labels、eval_data、eval_labels
((train_data,train_labels),(eval_data,eval_labels)) =
tf.keras.datasets.mnist.load_data();
在卷积层中，需要有特征滤波图像数据与输入图像数据相乘。但是，我在代码中没有看到它们。
从本指南出发，输入的图像数据与滤波图像数据匹配以检查低层次特征(曲线、边缘等)，因此也应该有滤波图像数据(下面图像中的右矩阵)？：
浏览 0提问于2019-04-11得票数 2
回答已采纳
我想保存我的训练模型到.h5没有最后两层，以便转移学习使用我的自定义模型在未来，就像MobileNetV2 include_top=False，有人能帮助我，谢谢！
base_model = tf.keras.applications.mobilenet_v2.MobileNetV2(
alpha=1.0,
input_shape=IMG_SHAPE,
include_top=False,
weights='imagenet')
model = tf.keras.Sequential([
base_model,
tf.keras
浏览 3提问于2019-09-03得票数 1
1回答
我正在尝试在AWS实例上运行Keras脚本。虽然该脚本在我自己的计算机上运行良好(Python2.7-没有CPU)，但它在支持GPU的AWS实例上会导致一些错误。我已经安装了Theano的最新版本-和其他脚本(例如mnist tutoral)不会给出错误。
导致该问题的脚本是标准的Keras tutoral脚本()。基于Stack Overflow指导，我已经将边界模式移动到“有效”--这似乎消除了一个问题。然而，我立即遇到了以下问题(下面的错误堆栈)。我在bash "THEANO_FLAGS=optimizer=fast_compile，device=gpu，floatX=float
浏览 2提问于2015-12-06得票数 1
根据，tensorflow2 / keras中的自定义层可以这样定义
class CustomLayer(layers.Layer):
def __init__(self, ntimes):
super().__init__()
self.convs = [layers.Conv2D(10, (3, 3), padding='same') for i in range(ntimes)]
def call(self, x, **kwargs):
for conv in self.convs:
浏览 2提问于2021-02-08得票数 0
1回答
我们有一些有效的训练和测试数据来创建作为家庭作业CNN1D，并将结果与另一个模型进行比较，以获得我使用此模型尝试的考试分数，但我得到的准确率为84.18，而竞争对手模型为84.58。我的同学也得到了与我相同的模型，他们可以将其改进为85.20%的准确率。我只是被授权更改超参数或在fusion = concate()之后添加/修改/删除某些层v
有人能帮我改进一下吗？
def CNN1D ()
n_filters=256,
dropout_rate = 0.4
conv1 = Conv1D(filters=n_filters, kernel_size=3, padding
浏览 0提问于2021-03-09得票数 0
我试图修剪一个基本模型，它由VGG网络上的几个层组成。它还包含一个名为instance_normalization的用户定义层。为了成功地剪枝，我定义了该层的get_prunable_weights函数如下：
### defined for model pruning
def get_prunable_weights(self):
return self.weights
我使用了以下函数，使用一个名为model的基本模型获得了要修剪的模型结构。
def define_prune_model(self, model, img_shape, epochs, batch_si
浏览 4提问于2021-08-17得票数 0
回答已采纳
1回答
我想写一个表达式，以修剪视频后效果与开始和结束的时间，以修剪特定的视频。
有人能帮我吗？编写表达式的任何参考点都是有帮助的。
提前谢谢。
浏览 13提问于2022-05-28得票数 0
我有这段来自youtube视频的Keras代码： from keras.models import Sequential
from keras.layers import Embedding, SimpleRNN
model = Sequential()
model.add(Embedding(10000, 32))
model.add(SimpleRNN(32))
model.summary() 摘要的输出如下： _________________________________________________________________
Layer (type)
浏览 33提问于2019-06-13得票数 1
回答已采纳
我试着做一个像这样的模型可视化：
这张照片是从拍摄的
这是我的代码：
def create_classical_model():
# A simple model based off LeNet from https://keras.io/examples/mnist_cnn/
model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(32, [3, 3], activation='relu', input_shape=(28,28,1)))
model.add(tf.ke
浏览 5提问于2022-06-05得票数 1
我需要在nattable的汇总行中聚合几个列值，这是我可以使用summary_provider来做的，但问题是该行并不总是可见的，我必须滚动到最后才能看到聚合值。
有没有办法冻结汇总行？
浏览 0提问于2018-06-15得票数 0
我正在尝试命名Keras模型中的节点，但Keras将附加信息附加到层名称。
例如，当您创建一个名为“sm_output”的层时：
model.add(keras.layers.Dense(output_size, activation='softmax', name="sm_output"))
您最终会调用softmax输出
sm_output/Softmax
如何命名模型的最终输出？我需要它符合一个标准约定，因为这个模型与其他模型互换，如果输出层不同，调用代码就找不到输出层。
浏览 1提问于2019-03-18得票数 3
1回答
我正在遵循keras神经风格迁移的例子，在风格损失函数中，他们除以数字4，我已经阅读了Gatys等人的原始论文。和其他文章寻找这个整数的意义和它对整个pprocess的贡献，但找不到解释。 代码来自：https://keras.io/examples/generative/neural_style_transfer/ 有人知道这是什么吗？ def style_loss(style, combination):
S = gram_matrix(style)
C = gram_matrix(combination)
channels = 3
size = img
浏览 21提问于2021-01-31得票数 1
我使用Optuna2.5来优化tf.keras CNN模型上的几个超参数。我想使用剪枝，以便优化跳过超参数空间中不太有希望的角。我用的是这样的东西
study0 = optuna.create_study(study_name=study_name,
storage=storage_name,
direction='minimize',
sampler=TPESampler(n_startup_trial
浏览 5提问于2021-02-16得票数 1
回答已采纳
我试图更好地理解CNN，所以我使用keras基本上制作了一个小的CNN，并希望手动完成计算。 我从GTSRB数据库下载了图像，然后使用PIL库包将图像集转换为灰度并将大小调整为(6 X 6)。 下面的代码显示了我创建的CNN。它包括1个卷积层(具有2个大小为2x2的滤波器)，1个最大池化层(2x2)，一个平坦层和一个在末端的致密层。 model = keras.models.Sequential()
model.add(keras.layers.Conv2D(2, kernel_size=(2,2),activation='relu', input_shape=(6,6,1)
浏览 26提问于2019-05-16得票数 1
回答已采纳
2回答
加载没有top的本地h5模型
、、、、
因此，有一种方法可以在tensorflow中加载内置模型，而不使用top进行迁移学习。例如：
tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE,
include_top=False,
weights='imagenet')
但是如何对保存在我pc中的h5模型执行相同的操作，因为tensorflow.keras.models.load
浏览 27提问于2021-03-06得票数 0
1回答
我正在使用Inception V3模型对两个类进行图像分类。因为我使用了两个新的类(正常和异常)，所以我冻结了初始V3模型的顶层，并用我自己的替换它。
base_model = keras.applications.InceptionV3(
weights ='imagenet',
include_top=False,
input_shape = (img_width,img_height,3))
#Classifier Model ontop of Convolutional Model
model_top = keras.
浏览 0提问于2018-08-23得票数 1
我们有一组谷歌BigQuery表，由于技术原因，这些表都通过通配符进行区分，例如content_owner_asset_metadata_*。这些表每天都会更新，但时间不同。 我们需要从通配符的每个表中选择最新的分区。 现在我们正在使用这个查询来构建我们的派生表： SELECT
*
FROM
`project.content_owner_asset_metadata_*`
WHERE
_PARTITIONTIME = (
SELECT
MIN(time)
FROM (
SELECT
MAX(_PARTITIONTIME) a
浏览 17提问于2019-05-03得票数 0
1回答
我试图从零开始训练我的VGG16网络。为此，我从下载了体系结构。
其中一位作者将代码编写为vgg-16_keras.py代码。在此代码中，所期望的默认图像大小为224x224。我的输入图像也有相同的大小。所以，没有问题的大小。
接下来，我做了一些轻微的修改，以便我的体系结构可以在我手头的一些示例图像上训练我的模型。当我试图训练我的模型时，我得到了“负维”错误。为了调试代码，我试图获得一些函数，它为我提供了不同层的输出维度，但不幸的是，没有一个。
我正在张贴我的代码以及错误消息。
import keras
import numpy as np
from keras import backend
浏览 1提问于2018-08-28得票数 0
class RoastBot(tf.keras.Model):
def __init__(self, vocab_size, embedding_dim, batch_size, conv_arr, rnn_arr):
super(RoastBot, self).__init__()
self.img_input = tf.keras.layers.Input(batch_input_shape=[batch_size,None,None,3])
self.text_input = tf.keras.layers.Embedding(v
浏览 29提问于2020-10-12得票数 0
1回答
假设我想在神经网络中创建以下一层:不是让一个方形卷积滤波器在某个图像上移动，而是希望滤波器的形状是其他形状，比如矩形、圆形、三角形等(这当然是一个愚蠢的例子；我考虑的实际情况是不同的)。我如何在TensorFlow中实现这样一个层呢？
我发现可以通过扩展tf.keras.layers.Layer在Keras中定义自定义层，但是文档非常有限，没有很多示例。例如，通过扩展tf.keras.layer.Layer的卷积层的python实现可能也会有所帮助，但似乎卷积层是用C实现的。这是否意味着我必须用C实现我的自定义层才能获得合理的速度，或者Python TensorFlow操作就足够了吗？
编辑:
浏览 4提问于2019-04-09得票数 2
1回答
我现在正在尝试实现以下过程:首先，我有一个训练有素的自动编码器，然后我正在考虑增加瓶颈层的大小(增加该层中“神经元”的数量)。然后，我想训练增加的模型作为一个整体，同时保持与旧层对应的重量冻结。总体思路是，以MNIST为例，这些新神经元将输出哪些特征(这些神经元将为原始输出添加哪些细节)？我的想法是，首先，我们训练一个正常的自动编码器，然后我可以建立相同的模型，除了瓶颈层的大小增加。然后，我把重量加载到这个新模型，并保持他们的固定。但我遇到了两个问题：
如何加载只需要新权重向量一部分的权重(由于旧的瓶颈大小小于新的瓶颈大小)？如何保持部分权重不变？以keras为例，它只允许整个层不可调(设置为
浏览 2提问于2020-08-02得票数 0
回答已采纳
在调用Keras模型时，我想更好地理解参数培训。
在所有教程(如)中，都会解释说，当您执行自定义的列车步骤时，您应该像这样调用模型(因为某些层的行为可能因您想要进行培训或推理而有所不同)：
pred = model(x, training=True)
当您想要进行推理时，应该将训练设置为false：
pred = model(x, training=False)
我现在想知道的是，这是如何受到创建功能模型的影响的。假设我有两个模型: model_base和model_head，我想从这两个模型中创建一个新模型，其中我希望用training=False调用model_base (因为我计划像在本
浏览 2提问于2021-03-27得票数 1
回答已采纳
我试图在Excel中建立一个非常简单的卷积神经网络。该模型是一种图像分类器，试图识别手写的I、O和X；并使用Keras对EMNIST字母数据集的子集进行了培训。Excel电子表格只是前向传播阶段(即所有实际培训都是在Keras中进行的)，我主要是为了说明和理解目的而使用它。
模型结构非常简单:输入>卷积层(5 3x3滤波器)>最大池>密集输出层(3类)。
模型在测试集上的准确率为99.33%，所以我知道它工作得很好。使用model.predict正确地对单个样本进行分类，但是当我在Excel版本中尝试相同的示例时，预测通常是不同的(而且不正确)。
在我看来，可能有两个问题:第
浏览 1提问于2020-06-30得票数 2
1回答
在同一个python程序中，是否可以在keras后端之间切换，其中两个后端特定的函数都是从keras内部(tensorflow_backend.py，theano_backend.py和cntk_backend.py)导入的。
当我设置os.environ[KERAS_BACKEND]='theano'时，我从Keras tensorflow内部得到错误。
我需要从keras tensorflow和keras theano内部(从后端文件)获得输出，以便在同一程序中进行相同的计算
浏览 4提问于2018-04-26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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
