如何在Keras功能模型中添加Dropout？
在Keras功能模型中添加Dropout可以通过在模型的层之间插入Dropout层来实现。Dropout是一种正则化技术，可以在训练过程中随机将一部分神经元的输出置为0，以减少过拟合的风险。
在Keras中，可以使用Dropout层来添加Dropout。以下是添加Dropout的步骤：
- 导入所需的库和模块：
from keras.models import Sequential
from keras.layers import Dense, Dropout- 创建一个Sequential模型：
model = Sequential()- 添加模型的层：
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dropout(0.5))
model.add(Dense(units=64, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(units=10, activation='softmax'))在上述代码中，Dropout(0.5)表示将上一层的输出随机置为0的概率为50%。
- 编译模型：
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])- 训练模型：
model.fit(x_train, y_train, epochs=10, batch_size=32)在上述代码中，x_train和y_train是训练数据和标签。
通过在模型的层之间插入Dropout层，可以有效地减少模型的过拟合风险，提高模型的泛化能力。
关于Keras和Dropout的更多信息，可以参考腾讯云的产品文档：
- Keras官方文档：Keras Documentation
- Dropout层文档：Dropout Layer
相关·内容
嗨，我目前正在google学习机器，现在我经历了这个错误keras.Input警告:tensorflow:请在顺序模型中添加而不是keras.Input。 keras.Input 将用于功能模型。在google中。
以下是我的导入类：
# Import classes
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Input, Dense, Dropout
下面是我的模型定义：
# Model definition
model = Sequential()
model.add
浏览 3提问于2021-07-12得票数 1
1回答
首先，我在Cifar10上训练Alexnet，得到了80%的准确率。但是，我想从最后一个dropout层中提取特征，使用给出80%准确率的权重。这是模型 Alexnet=keras.Sequential([
keras.layers.Conv2D(filters=32, kernel_size=(3,3), activation='relu', padding="same", input_shape=(32,32,3)),
keras.layers.BatchNormalization(),
keras.layers.Conv2D(filters=32, ke
浏览 46提问于2021-09-23得票数 0
回答已采纳
3回答
我正在使用Keras在数据集上训练LSTM模型，如下所示。变量"Description“是一个文本字段，"Age”和"Gender“是分类的连续字段。
Age, Gender, Description
22, M, "purchased a phone"
35, F, "shopping for kids"
我使用单词嵌入将文本字段转换为单词向量，然后将其输入到keras模型中。代码如下：
model = Sequential()
model.add(Embedding(word_index, 300, weights=[embeddin
浏览 92提问于2018-03-08得票数 16
回答已采纳
1回答
在创建和编译keras密集型神经网络时，我的jupyter笔记本内核总是死机。终端给我一条消息，它无法分配空间，CUDA内存不足。我的GPU (2060超级)已经运行这个模型很多次了，只是不是在jupyter上。我已经做了很多搜索，但没有一个实际有效的答案。我尝试过的一些方法是更改内核，使用numba device.reset()并重新安装conda和jupyter，但似乎都不起作用。 下面是总是会出现错误的代码块： inputs = keras.Input(shape=(69,))
fc1 = keras.layers.Dense(100, activation='relu'
浏览 27提问于2020-06-13得票数 0
回答已采纳
我正在尝试建立一个可以在音频和视频样本上进行训练的模型，但我得到了这个错误
ValueError: Please initialize `TimeDistributed` layer with a `Layer` instance. You passed: Tensor("input_13:0", shape=(None, 5, 648, 384, 3), dtype=float32)
下面是我的三个模型函数：
def build_convnet(shape=(648, 384, 3)):
momentum = .9
model = tf.keras.mode
浏览 0提问于2019-12-28得票数 3
我在Tensorflow 2.0中使用Keras创建了一个顺序模型：
def create_model():
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28,28), name="bla"),
keras.layers.Dense(128, kernel_regularizer=keras.regularizers.l2(REGULARIZE), activation="relu",),
keras.layers.Dropout
浏览 0提问于2020-01-30得票数 0
回答已采纳
我预先训练了一个LSTM编码器/解码器，没有使用dropout，这样我就可以使用GPU并加快训练速度。我现在已经重新构建了模型，并添加了dropout和recurrent，并希望在推理过程中激活它，以估计我预测的置信区间。我不确定如何使用顺序应用编程接口在我的模型中添加training=True参数。我认为我可以在评估模型时做到这一点，但事实似乎并非如此： encoder_decoder_dropout.evaluate(val, steps=VALIDATION_STEPS, training=True)
evaluate() got an unexpected keyword argu
浏览 14提问于2020-08-26得票数 1
回答已采纳
我正试图用一个使用tf.keras的LSTM模型来训练和做出预测。我在两个不同的文件中编写了代码，LSTMTraining.py用来训练Keras (并将它保存到一个文件中)和Predict.py，后者应该加载Keras模型并使用它进行预测。由于某种原因，当我在Predict.py中加载模型时，它会开始训练，即使我没有在该文件中使用model.fit()命令。为什么会发生这种情况？
我已经将模型保存为多种不同的文件格式。例如，我尝试将模型的体系结构保存到JSON文件中(使用model_to_json())，并分别保存权重，然后分别加载这两个文件，然后组合它们。我还尝试将它们保存到一个文件中(使
浏览 1提问于2019-09-22得票数 1
回答已采纳
当我一层一层地构建模型时，Sequential和Model([input],[output])的结果似乎是一样的。但是，当我使用以下两个输入相同的模型时，它们给出了不同的results.By方式，输入形状是(None, 15, 2)，输出形状是(None, 1, 2)。
Sequential模型：
model = tf.keras.Sequential(
[
tf.keras.layers.Conv1D(filters = 4, kernel_size =7, activation = "relu"),
tf.keras.layers.C
浏览 12提问于2022-08-07得票数 1
在这里的代码中：https://www.kaggle.com/ryanholbrook/detecting-the-higgs-boson-with-tpus 在编译模型之前，使用以下代码创建模型： with strategy.scope():
# Wide Network
wide = keras.experimental.LinearModel()
# Deep Network
inputs = keras.Input(shape=[28])
x = dense_block(UNITS, ACTIVATION, DROPOUT)(inputs)
浏览 108提问于2020-12-18得票数 2
回答已采纳
我有一个大型定制模型与新的tensorflow 2.0和混合角和tensorflow。我想保存它(建筑和重量)。精确的复制命令：
import tensorflow as tf
OUTPUT_CHANNELS = 3
def downsample(filters, size, apply_batchnorm=True):
initializer = tf.random_normal_initializer(0., 0.02)
result = tf.keras.Sequential()
result.add(
tf.keras.layers.Conv2D(fil
浏览 0提问于2019-04-30得票数 9
我想在训练时从Sequential Keras模型中的dropout层提取并存储1/0的dropout掩码数组。我想知道在Keras中是否有一种直接的方法来做到这一点，或者我是否需要切换到tensorflow (How to get the dropout mask in Tensorflow)。 将非常感谢您的帮助！我对TensorFlow和Keras还很陌生。 dropout层有几个函数(dropout_layer.get_output_mask()，dropout_layer.get_input_mask())，我试着使用它，但在调用上一层之后得到了None。 model = tf.k
浏览 42提问于2019-09-21得票数 3
我正在构建一个混合模型(RNN在CNN之上)，我想掩盖输入，问题是
conv层不支持mask_zero。我试着做掩蔽，然后像这样把它传递给lstm：
inputs = tf.keras.layers.Input(shape=(100,))
mask = tf.keras.layers.Masking().compute_mask(inputs)
embedding = tf.keras.layers.Embedding(self.preprocess["max_features"]+1, 300, input_length=100,
浏览 3提问于2020-01-04得票数 4
回答已采纳
我使用TensorFlow2.0和Keras以及Sequential()应用程序接口来创建一个简单的模型：
def create_model():
model = keras.Sequential([
keras.layers.Flatten(input_shape=(8,8)),
keras.layers.Dense(32, activation="relu"),
keras.layers.Dropout(DROPOUT_RATE),
keras.layers.Dense(16, activation=&
浏览 8提问于2020-02-04得票数 1
1回答
我想知道如何在Keras模型中实现我的手工特性。下面我有一些代码，其中embedding_matrix是斯坦福Glove数据集。
def BidLstm(maxlen, max_features, embed_size, embedding_matrix):
inp = Input(shape=(maxlen, ))
x = Embedding(max_features, embed_size, weights=[embedding_matrix],
trainable=False)(inp)
x = Bidirectional(LSTM(3
浏览 0提问于2018-01-21得票数 1
已经有很多关于保存模型的东西，但我正在努力弄清楚，只有当模型在val_accuracy上得到改进时，我才能保存我的模型。我的模型是这样的：
model = keras.Sequential([
keras.layers.Embedding(numberOfWords,
embedding_vector_length, input_length=1000),
keras.layers.LSTM(128),
keras.layers.Dropout(0.3),
keras.layers.Dense(128, ac
浏览 4提问于2020-02-21得票数 4
回答已采纳
1回答
给定几个目录的.wav音频文件，我已经提取了它们在3D数组中的特征(批处理、步骤、特征)。 对于我的例子，训练数据集是(1883,100,136)。基本上，每个音频都被分析了100次(想象一下是1fps)，每次都提取了136个特征。然而，这些音频文件在长度上是不同的，因此其中一些文件无法分析100次。 例如，其中一个音频有50组136个特征作为有效值，因此其余50组用零填充。 这是我的模型。 def LSTM_model_building(units=200,learning_rate=0.005,epochs=20,dropout=0.19,recurrent_dropout=0.2):
浏览 20提问于2020-10-13得票数 0
回答已采纳
model= Sequential()
model.add(keras.layers.Embedding(vocab_size,output_dim=100,input_length=input_len,weights=[embedding_matrix],trainable=False))
model.add(keras.layers.Bidirectional(keras.layers.LSTM(512, return_sequences=True,recurrent_dropout=0.2, dropout=0.2)))
model.add(keras.layers.Bidirectio
浏览 9提问于2019-12-09得票数 12
我有相对较小的CNN model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(input_shape=(400,400,3), filters=6, kernel_size=5, padding='same', activation='relu'),
tf.keras.layers.Conv2D(filters=12, kernel_size=3, padding='same', activation='relu'),
tf.keras.la
浏览 41提问于2020-03-22得票数 2
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
1回答
我尝试使用Image Classification Tutorial，但不幸的是，在您创建模型后，它没有告诉您如何使用它。 我目前用来创建模型的代码是： model = Sequential([
tf.keras.layers.Conv2D(16, 3, padding='same', activation='relu', input_shape=(IMG_SIZE, IMG_SIZE ,3)),
tf.keras.layers.MaxPooling2D(),
tf.keras.layers.Dropout(0.1),
tf.k
浏览 7提问于2020-06-18得票数 0
回答已采纳
我正在尝试添加“键”来匹配Google AI平台的批量预测输出，但是我的模型输入只允许一个输入。
看起来是这样的：
input = tf.keras.layers.Input(shape=(max_len,))
x = tf.keras.layers.Embedding(max_words, embed_size, weights=[embedding_matrix], trainable=False)(input)
x = tf.keras.layers.Bidirectional(tf.keras.layers.GRU(128, return_sequences=True, dropou
浏览 10提问于2019-08-14得票数 3
回答已采纳
1回答
我正在尝试按照此处：和此处：中概述的逻辑生成keras模型的预测的置信区间
我已经在Keras github问题页面上搜索了类似的问题，这些问题表明我使用了错误的方法来实例化一个具有预定义配置的新模型，但是尽管将我的代码从Model.from_config()更改为tf.keras.Sequential.from_config()，问题仍然存在。
代码如下：
# Model
def mlp_model():
model = tf.keras.Sequential([
tf.keras.layers.Dense(3, input_dim = 3,
浏览 5提问于2019-11-29得票数 1
我使用MobileNet和TensorFlow 2来区分4个相当相似的玩具。我有每个玩具的750张图片和一个标签，其中包含750张“负面”图像，没有任何玩具。
我以前在这方面使用过MobileNet，取得了相当的成功，但是这个案例的某些地方导致了大量的过度拟合(在训练/验证的准确性之间大约有30-40%的偏差)。该模型训练速度快，训练精度可达99.8%左右，但验证精度仅为75%左右。验证数据集是一个随机集，包含20%的输入图像。当看模型的准确性时，人们对其中的一个玩具有很大的偏见，还有很多其他的玩具被错误地识别为那个玩具。
我已经尽了一切努力来对抗这一切：
我在添加到Conv2D顶部的Mobi
浏览 0提问于2019-08-16得票数 4
回答已采纳
1回答
我有以下代码：
def create_keras_model(num_classes):
"""
This function compiles and returns a Keras model.
Should be passed to KerasClassifier in the Keras scikit-learn API.
"""
input_shape = (28, 28, 1)
x_in = keras.Input(shape=input_shape)
x =
浏览 4提问于2022-04-05得票数 1
回答已采纳
1回答
如何用两个模型连续地创建一个模型？我有两个模型，一个是Keras应用程序(vgg16模型)，另一个是自定义模型，我想将它们合并成一个顺序模型。
我试着这样做：
VGG16_model = tf.keras.applications.VGG16(
include_top=False,
weights='imagenet',
pooling='avg'
)
teacher = tf.keras.Sequential(
[
VGG16_model,
tf.keras.layers.Flatten(),
浏览 4提问于2022-04-22得票数 2
我正在构建一个包含多个连续模型的模型，在训练数据集之前需要合并这些模型。似乎keras.engine.topology.Merge在Keras 2.0上不再受支持。我尝试过keras.layers.Add和keras.layers.Concatenate，但它不能很好地工作。
下面是我的代码：
model = Sequential()
model1 = Sequential()
model1.add(Embedding(len(word_index) + 1, 300, weights = [embedding_matrix], input_length = 40, trainable =
浏览 20提问于2018-09-08得票数 6
回答已采纳
1回答
**
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from keras import models
from keras.layers import Dense
from keras.regularizers import l1
from keras.layers import Activation
from keras.layers import Dropout
from sklearn.preprocessing import St
浏览 0提问于2021-12-12得票数 0
回答已采纳
1回答
我想在参数alpha设置为0.2的情况下使用激活函数relu，但我不知道如何对我的模型执行此操作 import numpy
from tensorflow.keras.layers import Dense, Activation, Dropout, Input
from tensorflow.keras.models import Sequential, Model, load_model
from tensorflow.keras.optimizers import Adam
model_input = Input(shape = x_train[0].shape)
x = Dense
浏览 48提问于2020-03-24得票数 1
回答已采纳
1回答
两个池层的对比特性
、、、、
我正在尝试设计一个双向的LSTM模型，我想连接在Max池和平均池层之后的特性。我把这个送给我的模特：
from keras.layers import Dense, Embedding
from keras.layers.recurrent import LSTM
from keras.layers import Bidirectional
from keras.models import Sequential
from keras.layers.core import Dropout
from features import train,embedding_matrix,words
from
浏览 0提问于2018-10-13得票数 1
谁能建议如何改进这个模型？ sklearn LinearRegression()中的常规模型预测温度的误差为1，无论激活函数、层数或历元如何，在tensorflow上手动构建的模型的误差都不会低于5.5。 数据被标准化并导出为正值。 def createModelG(inputShape, dropout, initW):
model = Sequential()
model.add(Dense(4096,
kernel_regularizer=keras.regularizers.l2(0.001),
activation = 'el
浏览 23提问于2020-09-14得票数 1
回答已采纳
通过传递作为层参数的值，可以在Keras中的基本LSTM或GRU层上应用递归下拉列表。
CuDNNLSTM和CuDNNGRU是与CUDA兼容的LSTM和GRU层。主要的优点是他们在训练中的速度是原来的10倍。然而，它们缺乏Keras中LSTM或GRU层的一些优点，即传递辍学或反复辍学的可能性。
虽然我们可以直接在模型中添加Dropout层，但是我们似乎不能通过递归Dropout来实现这一点。
那么，我的问题是：如何在Keras ?中向CuDNNGRU或CuDNNLSTM添加经常性的辍学
浏览 0提问于2018-12-06得票数 5
回答已采纳
1回答
我试图通过使用cuDNN内核来训练一个生成LSTM的模型来加速这个过程，但是我的模型似乎超出了标准。我很难理解到底是什么问题。
以下是警告：
WARNING:tensorflow:Layer lstm will not use cuDNN kernel since it doesn't meet the cuDNN kernel criteria. It will use generic GPU kernel as fallback when running on GPU
这是我的生成模型：
def build_generative_model(vocab_size, embed_di
浏览 5提问于2022-04-14得票数 0
回答已采纳
通常，我们通过以下方式将cross_val_score应用于Sklearn模型。
scores = cross_val_score(clf, X, y, cv=5, scoring='f1_macro')
现在我有了自己的模型，我希望执行交叉验证。我该怎么接近它？
tf.keras.backend.clear_session()
model = tf.keras.models.Sequential()
model.add(Masking(mask_value=0.0, input_shape=(X_train.shape[1], X_train.shape[2])))
mo
浏览 5提问于2020-11-26得票数 1
回答已采纳
我想使用一个模型来对八类图像进行分类。我认为在递归层之前使用卷积层可以解决我的问题。但是，使用紧跟在卷积或密集层之后的递归层存在一个问题，导致tensorflow给出以下错误。 Input 0 is incompatible with layer simple_rnn_1: expected ndim=3, found ndim=2 我在Lambda层中使用Tensorflow expand_dims()函数来解决这个问题。它看起来工作正常，但是，我想确定我的模型工作正常。尽管看了相关文档，我还是不能理解expand_dims()是如何使模型工作的。 from keras.models im
浏览 19提问于2019-04-15得票数 1
回答已采纳
3回答
在Keras测试中，样例评估如下所示
score = model.evaluate(testx, testy, verbose=1)
这不返回预测值。有一个返回预测值的方法predict。
model.predict(testx, verbose=1)
返回
[
[.57 .21 .21]
[.19 .15 .64]
[.23 .16 .60]
.....
]
testy是一个热门编码，其值如下所示
[
[1 0 0]
[0 0 1]
[0 0 1]
]
如何将预测值(如testy )或如何将预测值转换为热编码？
注意：我的模型如下所示
# setup the model, add lay
浏览 5提问于2017-08-09得票数 15
回答已采纳
1回答
你能告诉我这两种中哪一种比火车阴谋更有效吗？
它们都是用相同的角点序列层来训练的，而第二层是使用更多的样本来训练的，即增强数据集。
我对第一个情节中的曲折有些困惑，否则我认为它比第二个好。在第二幅图中，没有曲折，但验证的准确性往往比火车高，这是过火还是相当大？
这是一个图像检测模型，第一个模型的数据集大小为5170，第二个模型有9743个样本。
为建立模型而定义的卷积层：
tf.keras.layers.Conv2D(128,(3,3), activation = 'relu', input_shape = (150,150,3)),
tf.
浏览 9提问于2022-07-01得票数 0
回答已采纳
我使用了TFBertModel和Tensorflow模型来结合和训练拥抱的面部变形。我想保存每个时代的val_accuracy的最佳模型。我使用'tensorflow检查点‘，但我得到了error.How我是否可以保存每个时代的最佳模型与transformers在tensorflow？ from tensorflow.keras.callbacks import EarlyStopping
from tensorflow.keras.initializers import TruncatedNormal
from tensorflow.keras.losses import Cate
浏览 187提问于2021-06-19得票数 0
我正在为每个用例使用一些自定义网络框来构建一个小型网络，如下所示：
def top_block(dropout = None, training = None):
# scaled input
input_1 = tf.keras.Input(shape=(1,15), dtype='float32')
input_2 = tf.keras.Input(shape=(1,15), dtype='float32')
if dropout:
layer_one = tf.keras.layers.D
浏览 3提问于2020-08-20得票数 0
3回答
我的训练和损失曲线如下所示，是的，类似的图表收到了诸如“经典拟合”之类的评论，我明白了。
我的模型如下所示，
input_shape_0 = keras.Input(shape=(3,100, 100, 1), name="img3")
model = tf.keras.layers.TimeDistributed(Conv2D(8, 3, activation="relu"))(input_shape_0)
model = tf.keras.layers.TimeDistributed(Dropout(0.3))(model)
model = tf
浏览 3提问于2021-05-24得票数 0
我已经在我的数据集上测试了20多种不同的LSTM网络架构，到目前为止还没有任何问题。但我尝试过的这个模型大约在110年代，它突然抹去了它所学到的所有东西，并获得了NaN损失(见附件截图)。对于这种模型，每次都会发生这种情况。 该模型如下所示： model = keras.Sequential([
keras.kayers.Embedding(numberOfWords, embedding_vector_length, input_length=1000),
keras.layers.Dropout(0.5),
keras.layers.LSTM(256, dropo
浏览 13提问于2020-04-17得票数 1
回答已采纳
我想使用三重损失和软加函数来训练一个十流神经网络，就像在文章“为个人重新识别的三重损失进行辩护”(2017)中使用的那样。我找到了损失函数如何使用tfa.losses.TripletSemiHardLoss()和tf.nn.softplus()函数，但我不能同时使用它们。我想训练的网络是： model1 = tf.keras.Sequential([
tf.keras.layers.Conv2D(filters=64, kernel_size=2, padding='same', activation='relu', input_shape=(28,2
浏览 71提问于2021-06-18得票数 0
回答已采纳
keras中的Dropout层与dropout和recurrent_droput参数有什么不同？它们是否都服务于相同的目的？ 示例： model.add(Dropout(0.2)) # layer
model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2)) # parameters
浏览 59提问于2019-03-19得票数 3
回答已采纳
1回答
我试图训练我的模型，当模型正在训练时，打印出多个精度，然后随着同一时期的训练进展而被删除。
我在新时代看到了3个ETA，而它应该只有1个。
而且训练精度没有提高，我已经尝试了15个时期，甚至训练精度也保持不变。
model = tf.keras.models.Sequential([tf.keras.layers.Conv2D(64,kernel_size = (3,3), input_shape=(X_train.shape[1:]),activation = 'relu'),
tf.keras.layer
浏览 0提问于2020-06-23得票数 0
我已经建立了一个简单的ANN模型： #ANN:
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(units = 128,activation = 'relu',input_shape = (784,)),#input layer
tf.keras.layers.BatchNormalization(),#batch normalization
tf.keras.layers.Dropout(0.2), #dropout technique
tf.keras.layers.Dense(uni
浏览 58提问于2019-09-25得票数 0
我想要估计我的模型的认知不确定性。因此，我将所有层转换为tensorflow概率层。该模型没有返回错误，但它也没有学习任何东西。该模型有两个输出，并且两个输出的损失根本不变。另一方面，模型的整体损失正在缩小，但似乎与其他损失完全无关，这我无法解释。
import numpy as np
from tensorflow import keras
import tensorflow_probability as tfp
import tensorflow as tf
from plot.plot_utils import plot_model_metrics
from Custom_Keras_l
浏览 0提问于2019-09-26得票数 2
1回答
我正在做一个语音情感识别机的训练。
我想在模型上加一个注意层。的指令很难理解。
def bi_duo_LSTM_model(X_train, y_train, X_test,y_test,num_classes,batch_size=68,units=128, learning_rate=0.005, epochs=20, dropout=0.2, recurrent_dropout=0.2):
class myCallback(tf.keras.callbacks.Callback):
def on_epoch_end(self, epoch, logs=
浏览 2提问于2020-11-09得票数 0
回答已采纳
当我初始化一个模型并将权重加载到一个模型时，输出的准确率为67%。
model.load_weights(path+'results/finetune_train_last_layer.h5')
batches = model.get_batches(path, shuffle=False, batch_size=128, class_mode=None)
preds = model.predict_generator(batches, batches.nb_sample)
matches = 0
for guess, ans in zip(np.argmax(preds,
浏览 2提问于2017-10-20得票数 1
回答已采纳
2回答
我是一名数据分析员，试图通过机器学习来提高我的知识。
我已经完成了一个timeseries数据集的模型，其中每个点间隔1天，没有空白。我尝试过的特定模型类型是使用tensorflow的keras的多层自回归双向LSTM，请参见下面的模型特定代码：
model = keras.Sequential()
model.add(Bidirectional(LSTM(
units = 128,
input_shape = (X_train.shape[1], X_train.shape[2]),
return_sequences=T
浏览 12提问于2022-01-12得票数 -1
回答已采纳
2回答
我正试着从一张照片中预测年龄。我在下面构建了模型，但问题是，在拟合模型时，我得到了非常大的loss值，而且accuracy值很低。
我认为问题是选择了错误的损失函数(这里是mean_squared_error)。这里有什么问题吗？
import tensorflow as tf
from tensorflow import keras
X = X.reshape(-1, image_size[0], image_size[1], 1)
model = keras.models.Sequential()
model.add(keras.layers.Conv2D(32, (5, 5), ac
浏览 0提问于2019-06-08得票数 2
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
