如何在train_on_batch nan更新后将keras模型恢复到以前的纪元权重
在train_on_batch更新后，如果出现nan（Not a Number）的情况，意味着在当前的纪元权重下，模型无法继续训练。为了恢复到以前的纪元权重，可以采取以下步骤：
- 检查数据：首先，确保输入数据的正确性和准确性。在训练中可能出现nan的原因通常是由于数据的问题，例如数据缺失、异常值等。使用数据预处理和清洗技术，确保输入数据的质量和稳定性。
- 执行回滚操作：回滚操作指的是将模型恢复到以前的纪元权重。Keras提供了一个ModelCheckpoint回调函数，可以用于定期保存模型权重。如果在训练期间出现nan的情况，可以加载最近一次保存的权重，并将模型恢复到该状态。
- 例如，在使用TensorFlow作为后端的Keras中，可以使用以下代码加载最近一次保存的权重并恢复模型：
- 例如，在使用TensorFlow作为后端的Keras中，可以使用以下代码加载最近一次保存的权重并恢复模型：
- 上述代码中，'path_to_saved_weights.h5'是保存的权重文件的路径。通过加载该权重文件，模型将回滚到以前的纪元权重。
- 重新训练模型：恢复到以前的纪元权重后，可以继续训练模型。为了避免出现nan的问题，可以尝试以下几种方法：
- 调整学习率：尝试减小学习率，以提高模型的稳定性和收敛性。
- 使用正则化技术：通过添加正则化项（如L1正则化、L2正则化）来控制模型的复杂度，减少过拟合的可能性。
- 增加数据量：如果可能，尝试增加训练数据的数量，以提供更多的样本和模式，改善模型的泛化能力。
- 以上方法可以根据具体情况进行调整和尝试，以获得更好的训练结果。
总结起来，如果在使用train_on_batch训练过程中出现nan的情况，可以通过检查数据、回滚操作和重新训练模型来解决问题。确保数据的准确性和稳定性，恢复到以前的纪元权重，并尝试调整学习率、使用正则化技术和增加数据量等方法来提高模型的性能和稳定性。
腾讯云相关产品和产品介绍链接地址： 腾讯云提供了多个与云计算相关的产品，包括云服务器、对象存储、容器服务、人工智能等。您可以参考腾讯云官方文档获取更详细的信息：
- 腾讯云官方网站：https://cloud.tencent.com
- 腾讯云云服务器：https://cloud.tencent.com/product/cvm
- 腾讯云对象存储：https://cloud.tencent.com/product/cos
- 腾讯云容器服务：https://cloud.tencent.com/product/ccs
- 腾讯云人工智能：https://cloud.tencent.com/product/tai
请注意，上述链接仅供参考，具体的产品和服务选择应根据您的需求和实际情况进行评估和选择。
相关·内容
在我点击了一个train_on_batch更新，使一些权重nan后，我在将我的keras模型重置为它在前一个时代的权重时遇到了麻烦。 我尝试在每个训练步骤后保存模型权重，然后在nan训练更新后将“良好”(非nan)权重加载回keras模型。这似乎工作得很好-在将旧的权重文件加载到模型中之后，当我打印model.get_weights()的结果时，结果权重不包含nan(并且预测使用它们也会产生非nan输出)。 然而，现在当我再次尝试train_on_batch时，这一次使用了一个新的批处理，我立即再次得到了一个nan更新。我尝试了多个随机选择的批处理，每次都会进行nan更新。 当nan tra
浏览 15提问于2019-02-25得票数 1
回答已采纳
1回答
我通常使用load_model()方法加载我的Keras模型。是否有可能在再次加载模型后获得训练过的模型的纪元数？
这个提到了以下黑客攻击：
r = model.fit(X_train,y_train,epochs=5)
n_epochs = len(r.history['loss'])
然而，这并不是我想要的，因为我想从加载的模型中获得纪元的数量。
浏览 18提问于2019-07-30得票数 1
回答已采纳
我在带有patience=2的回调中使用EarlyStopping在keras中训练了一个模型
model.fit(X_train, y_train, batch_size=batch_size, epochs=epochs, validation_split=validation_split,
callbacks= [keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=2, verbose=0, mode='min'), keras.callbacks.Mode
浏览 1提问于2020-11-26得票数 1
3回答
我对我的Tensorflow模型有点问题，于是决定试试Keras。至少在我看来，我正在使用相同的参数创建相同的模型，但Tensorflow模型只输出train_y的平均值，而Keras模型实际上会根据输入的不同而变化。我的tf.Session中是否遗漏了什么？我通常使用Tensorflow，从来没有遇到过这样的问题。Tensorflow代码：
score_inputs = tf.placeholder(np.float32, shape=(None, 100))
targets = tf.placeholder(np.float32, shape=(None), name="targe
浏览 0提问于2019-05-10得票数 3
1回答
我正在尝试编写一个自定义回调，它将在纪元结束时更新样本权重。我使用原始权重初始化自定义回调，但我不确定如何确保keras使用回调中定义的新样本权重来拟合模型。下面是我的代码的一个简单示例(* 2是一个示例，实际上不应该做任何事情)。
class update_weights(tf.keras.callbacks.Callback):
def __init__(self, sample_weight):
self.sample_weight = sample_weight
def on_epoch_end(self, epoch, logs={}):
浏览 2提问于2021-06-13得票数 0
我有一个Keras模型，我用100个时代来训练这个模型。
现在，我在85岁时损失了0.0085，而在晚上我损失了0.0092。
我的问题是，
Keras中的model.save()保存了什么？
它是否节省了从lat时代(即100)获得的重量。
还是从最佳时期(即85年代)节省了重量？
或所有100个历期的平均或平均权重？
什么是真正的keras model.save()被设计用来在100个历元完成后保存权重？
谢谢你提前解释：)。
浏览 0提问于2019-07-09得票数 2
回答已采纳
我从keras.Sequential类中训练了基本模型，但是在运行model.compile()后没有立即节省重量。是否有可能从合适的模型物体中恢复初始重量？我检查了model.__dict__并在那里找到了'_initial_weights': None，但我不明白为什么，这是经过几个时期的训练。
浏览 0提问于2023-03-13得票数 0
3回答
我正在使用Keras。我正在训练我的神经网络，并使用提前停止。我的耐心是10，验证损失最小的时期是15。我的网络运行到25个时期，然后停止，但如果我理解正确，我的模型是具有25个时期的模型，而不是15
有没有简单的方法可以恢复到15个时期的模型，或者我需要重新实例化模型并运行15个时期？
浏览 11提问于2019-07-05得票数 1
回答已采纳
1回答
这个SGD损失图有什么问题？
、、、、
我一直在尝试训练音频分类模型。当我将SGD与learning_rate=0.01，momentum=0.0和nesterov=False一起使用时，我得到了以下损失和准确率图： ? 我想不出是什么原因导致了750年代左右损失的瞬间减少。我尝试了不同的学习率，动量值及其组合，不同的批量大小，初始层权重等，以获得更合适的图形，但根本没有运气。因此，如果您有任何关于这是什么原因的知识，请让我知道。 我在这次训练中使用的代码如下： # MFCCs Model
x = tf.keras.layers.Dense(units=512, activation="sigmoid")(
浏览 10提问于2021-07-29得票数 0
我通过两种方式保存keras模型1。"ModelCheckpoint“2. "save_weights”训练后模型 但是当使用"load_weights“和"predict”加载训练模型时，这两种方法的性能是不同的。 我的代码如下 训练和保存模型 model_checkpoint = ModelCheckpoint("Model_weights.hdf5", verbose=1, save_best_only=True) early_stopping = EarlyStopping(monitor='val_loss', pat
浏览 63提问于2020-06-15得票数 1
回答已采纳
1回答
我在Mnist上训练了一个keras模型，保持训练和模型超参数相同。训练和验证数据是完全相同的。在不同的训练阶段，我得到了五种不同的准确率- 0.71，0.62，0.59，0.52，0.46。该模型每次从头开始训练8个时期。
代码如下：
def train():
model = Sequential()
model.add(Dense(32, input_dim=784))
model.add(Dense(10, activation="softmax"))
model.compile(loss='categorical_crossent
浏览 0提问于2019-01-23得票数 0
我用Keras训练一个深度神经网络。我用train_on_batch函数训练我的模型。我的模型有两个输出。我打算做的是，修改每个样本的损失，每一个样本的特定值。因此，由于Keras文档，
我需要为sample_weight参数分配两个不同的权重。下面是我的代码，每批代码都有四个培训示例：
wights=[12,10,31,1];
mod_loss = mymodel.train_on_batch([X_train], [Y1, Y2],sample_weight=[wights,[1.0,1.0,1.0,1.0]])
我使用sample_weight来加权第一个输出而不是第二个输出。当我运
浏览 0提问于2019-02-28得票数 3
回答已采纳
1回答
在编译/培训之后，Keras模型工作得非常好：
>>> model.predict(values)
array([[5.28525668e-10, 3.66615766e-12, 2.76005746e-10, ...,
1.06744905e-10, 3.96939370e-09, 1.54998125e-09],
[1.08512407e-17, 1.16371355e-20, 3.40085518e-20, ...,
1.58855026e-15, 3.41645340e-23, 2.22618953e-18],
浏览 3提问于2021-11-12得票数 1
回答已采纳
1回答
如何在此代码段中使用泡菜？
、、、、
我有一个简单的代码片段来训练模型，但是当我使用泡菜保存模型供以后使用时，它会给我一个错误消息：
cannot pickle thread.LOCK objects
我使用了多个格式的泡菜，但它给了我同样的错误。
import pickle
model = keras.Sequential([
keras.layers.Dense(SHAPE, input_shape=(SHAPE,)),
keras.layers.Dense(300, activation='sigmoid'),
keras.layers.Dense(10, activation=&#
浏览 0提问于2019-07-11得票数 0
回答已采纳
1回答
在TF2 keras中，我使用tensorflow.keras.losses.MeanSquaredError作为损失函数训练了一个自动编码器。现在，我想通过使用另一个损失函数来进一步训练这个模型，特别是tensorflow.keras.losses.KLDivergence。这样做的原因是，最初的无监督学习是针对表征学习进行的。然后，有了生成的嵌入，我可以对它们进行聚类，并将这些聚类用于自我监督，即标签，从而实现第二个监督损失，并进一步改进模型。 这本身并不是转移学习，因为没有新的层添加到模型中，只是损失函数改变了，模型继续训练。 我尝试使用带有MSE损失的预训练模型作为新模型的属性： c
浏览 28提问于2021-02-01得票数 0
我保存的keras模型要么无法加载，要么无法工作。我尝试过keras和tf.keras。
当我尝试保存模型时，Python没有报告任何问题。当我尝试加载模型时，Python没有报告任何问题。但是当我尝试使用这个模型时，就好像这个模型并不存在。
我在keras中创建一个模型，如下所示：
def modelsettings(self, InputSize, TotalActionCount, model, LearnRate):
print("Settings ActionCount(+1): " + str(TotalActionCount))
浏览 9提问于2020-05-14得票数 1
我使用最新的tf.keras TF2.0a创建、编译并安装了一个模型。现在，我想将它保存为pb，以便稍后用于推理。
我用：
import time
saved_model_path = "./models/pb/experimental/{}".format(int(time.time()))
tf.keras.experimental.export_saved_model(model, saved_model_path)
saved_model_path
正如在point下面很好地描述为saved_model
model是我以前创建/编译/安装的模型。
现在我的问题
e
浏览 0提问于2019-05-22得票数 1
回答已采纳
在训练一个网络并输出一个模型之后，是否有可能在从检查点加载第一个模型之后将单个错误的预测输入到网络中以帮助提高性能。
目前我尝试过的解决办法包括：
with tf.Session() as sess:
#Try new method...
saver = tf.train.import_meta_graph('./model2.ckpt.meta')
saver.restore(sess, './model2.ckpt')
graph = tf.get_default_graph()
浏览 4提问于2017-11-06得票数 1
回答已采纳
3回答
角点载荷模型
、、
当在keras中将模型(以前处理过)加载到LSTM网络时，它是否包括网络中的培训数据(显式)？
如果不是，(load model)如何帮助预测时间序列中的模式。
浏览 3提问于2018-05-29得票数 0
回答已采纳
如果我对相同的卷积神经网络模型架构(在相同的数据上)训练两次，清除两次运行之间的会话，我会得到不同的结果。 ? 我按如下方式设置了随机种子和线程配置： import numpy as np
from numpy.random import seed
import pandas as pd
import random as rn
import os
seed_num = 1
os.environ['PYTHONHASHSEED'] = '0'
np.random.seed(seed_num)
rn.seed(seed_num)
import tens
浏览 33提问于2020-04-22得票数 0
回答已采纳
我使用keras创建了一个模型，并使用train_on_batch对其进行了培训。为了检查模型是否做了它应该做的事情，我使用predict_on_batch方法重新计算了训练阶段前后的损失。但是，正如你在阅读标题时所猜测的那样，我没有相同的输出损失。
下面是一个基本代码来说明我的问题：
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import tensorflow as tf
import numpy as np
# Loss definition
def
浏览 4提问于2020-04-26得票数 2
回答已采纳
我正在使用transformers TFBertForSequenceClassification.from_pretrained和‘bert-base-multilingual uncased’)和keras来构建我的模型。 loss = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
# metric
metric = tf.keras.metrics.SparseCategoricalAccuracy('accuracy')
# optimizer
optimizer = tf.kera
浏览 26提问于2020-08-31得票数 1
3回答
在keras中训练模型时，我使用以下代码
from keras.callbacks import EarlyStopping
model = Sequential()
model.add(Dense(100, activation='relu', input_shape = input_shape))
model.add(Dense(1))
model_2.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy'])
model.fit
浏览 0提问于2018-01-16得票数 47
3回答
我在使用Keras后端函数来设置值时遇到了问题。我正在尝试将模型从PyTorch转换为Keras，并尝试设置Keras模型的权重，但似乎没有设置这些权重。注意:我实际上并不是在用np.ones进行设置，只是举个例子而已。
我试过了..。
加载现有模型
import keras
from keras.models import load_model, Model
model = load_model(model_dir+file_name)
keras_layer = [layer for layer in model.layers if layer.name=='conv2d_1
浏览 1提问于2017-11-08得票数 31
回答已采纳
团队：
我正在编写一个自定义回调函数，以便在Keras模型权重中有NaN值时停止终止我的模型。
import numpy as np
class TerminateNaN(tf.keras.callbacks.Callback):
def on_epoch_end(self, epoch, logs={}):
mod_weights = np.asarray(model.get_weights())
if mod_weights is not None:
if np.isnan(mod_weights):
浏览 2提问于2020-11-12得票数 1
回答已采纳
我想使用一个经过预先训练的模型，并在该模型的末尾添加一个分段头，但问题是，我只有一个‘冻结_推断_Graph.pb’。下面是我从模型中得到的文件：
我尝试过几种方法：
1.将经过预先训练的模型加载到Keras模型中：，使用我所拥有的文件似乎是不可能的。它只是给了我一个AutoTrackable对象，而不是模型。
2.访问冻结模型的张量对象并使用张量建立模型：我找到了如何访问张量，但无法使用张量对象创建Keras模型。
with self.graph.as_default():
graph = tf.import_graph_def(graph_def, name='&
浏览 2提问于2020-08-22得票数 1
我有一个经过训练的keras模型，我想将它保存到一个协议缓冲区(.pb)文件中。当我这样做并加载模型时，预测是错误的(并且与原始模型不同)，权重也是错误的。下面是模型类型：
type(model)
> keras.engine.training.Model
下面是我用来冻结并保存到.pb文件中的代码。
from keras import backend as K
K.set_learning_phase(0)
import tensorflow as tf
from tensorflow.python.framework.graph_util import convert_variabl
浏览 0提问于2019-08-10得票数 5
1回答
我用keras库训练CNN模型，纪元数为25。我可以用10个时期第一次运行模型，然后用下面的代码行保存模型：
model.fit_generator(training_set,
steps_per_epoch = 100000,
epochs = 10,
validation_data = test_set,
validation_steps = 40000)
from keras.models import load_mode
浏览 1提问于2018-05-06得票数 1
1回答
使用具有多个损失的train_on_batch训练GAN模型，我可以在编译模型时使用随机loss_weights吗，或者是否有一些特定的策略来使用Here提到的这些损失权重。在我的问题中，mean_sqaured_error是generated_image和original_image的损失函数，binary_crossentropy是0和1类的分类损失函数。 model.compile(optimizer=optimizer, loss=['mean_squared_error', 'binary_crossentropy'], loss_weights=[
浏览 45提问于2019-01-07得票数 0
我最近保存了一些我在另一台机器上训练过的模型，并且没有像我在另一个模型中所看到的那样保存它，并且使用了h5扩展。我还不知道如何装重物。我可以加载模型，但没有重量意味着什么都没有。请帮助:-)
from keras.models import load_model
from keras.models import model_from_json
model_LSTM_rendimiento = keras.models
model_LSTM_super = keras.models
model_LSTM_primero = keras.models
model_LSTM_rendimie
浏览 0提问于2022-09-22得票数 1
回答已采纳
1回答
我正在尝试拟合LSTM模型，在进行预测时，预测值似乎与测试数据不太相符。它可以在这里看到。
下面是我的代码：
依赖关系
import pandas as pd
from pandas_datareader import data as pdr
import numpy as np
import matplotlib.pyplot as plt
import yfinance as yf
%matplotlib inline
#ML stuff
from sklearn.preprocessing import MinMaxScaler
from keras.preprocessin
浏览 1提问于2020-05-18得票数 0
我有一个keras模型，我需要减小它的大小。我所理解的是，我可以通过将存储在层中的权重转换为float16或int来减小大小。
我确实尝试过用下面的代码转换float16和int。
# Iterate over all the layers of the network
for layer_idx, layer in enumerate(model.layers):
# If layer has no weights the move to next layer
if not layer.get_weights():
continue
# Get e
浏览 1提问于2018-04-13得票数 0
我在凯拉斯训练CNN。每个时期大约需要18个小时。我需要每半小时保存一次模型权重，因为我不能连续运行18个小时。
我尝试在period = 0.0125中使用checkpoint保存模型权重。我认为这将节省每100个训练样本的模型权重(假设总共没有。训练示例的数量= 8000)
cp_callback = tf.keras.callbacks.ModelCheckpoint(checkpoint_path, verbose=1, save_weights_only=True,period=0.0125)
model.fit_generator(
training_set,
s
浏览 0提问于2019-06-09得票数 0
我正在尝试训练LSTM来对不同长度的序列进行分类。我想要获得这个模型的权重，这样我就可以在模型的有状态版本中使用它们。在训练之前，重量是正常的。此外，训练似乎运行成功，误差逐渐减少。但是，当我将掩码值从-10更改为np.Nan时，mod.get_weights()开始返回NaN数组，并且验证错误突然下降到接近于零的值。为什么会发生这种情况？
from keras import models
from keras.layers import Dense, Masking, LSTM
from keras.optimizers import RMSprop
from keras.losses im
浏览 0提问于2017-05-30得票数 2
2回答
我使用的是最新的Keras和Tensorflow后端(Python 3.6)
我正在加载一个模型，当我上次训练它时，它的训练准确率约为86%。
我使用的原始优化器是：
r_optimizer = optimizer=Adam(lr=0.0001, decay = .02)
model.compile(optimizer= r_optimizer,
loss='categorical_crossentropy', metrics = ['accuracy'])
如果我加载模型并在不重新编译的情况下继续训练，我的准确率将保持在86%左右(
浏览 0提问于2018-05-22得票数 1
在Keras中，您可以使用以下命令加载以前训练过的模型：
trained_keras_model = tf.keras.models.load_model(model_name)
有没有使用TensorFlow estimator进行此操作的等效方法？根据文档，我必须使用：
trained_estimator = tf.estimator.Estimator (model_fn，model_dir)我希望仅使用模型目录中的文件来获得经过训练的估计器。更清楚地说，我的想法是在没有model_fn源代码的情况下从磁盘加载“任何”模型。可以这样做吗？
这个特性是在Keras中实现的，所以我不明白为什
浏览 0提问于2018-02-12得票数 2
我正在创建一个tf.keras.model，它使用自定义损失和自定义指标函数进行编译。我使用x=input_batch和y=someFunction(目标)对模型调用train_on_batch 自定义损失和自定义指标函数的签名类似于methodname( y_true，y_pred)，其中y_true由someFunction(目标)提供。 有没有办法在自定义指标函数和自定义损失函数中获取目标，而不是在train_on_batch中传递修改后的目标
浏览 23提问于2021-10-21得票数 0
我想使用resnet50来执行回归任务。我使用自定义损失进行训练。我想使用检查点来保存对测试数据具有最小损失的最佳模型。模型训练代码如下：
input_shape = (32, 32, 1)
inputs = keras.Input(shape=input_shape)
outputs = tf.keras.applications.ResNet50(
include_top=False, weights=None, input_tensor=None,
input_shape=input_shape, pooling='max'
)(inputs)
out
浏览 1提问于2021-02-18得票数 0
1回答
当我们用Tf1.15将tf.keras模型与PReLU进行转换时，PReLU层变成了ReLU，似乎与以前的算子融合了。因此，28 MB的keras h5文件在size.It中变为1.3MB，看起来参数的数量明显减少，因为我没有在PReLU中使用共享权重轴选项。那么，这种转换工作正常，没有任何准确性损失？PReLU的权重被完全丢弃了吗？同样，融合是否考虑了转置卷积层的偏置(在netron中没有将偏置作为输入特性)。这些融合是否在内部保留了训练过的权重参数，它们是否影响tflite的推理精度？
Prelu融合：-
input = Input(shape=(512,512,3), name='
浏览 5提问于2020-04-08得票数 0
2回答
我已经在Linux64机器上训练了一个keras顺序模型，并保存到一个.h5文件中。
在这台PC上，我可以加载模型并进行预测，而不会出现问题。
现在我在一个安装了keras，tensorflow，h5py和python3的Raspberry Pi 3中实现了预测。
当我加载模型时
from keras.models import load_model
model = load_model('model-0.6358.h5')
，我得到了：
usr/lib/python3.4/importlib/_bootstrap.py:321: FutureWarning: Conversi
浏览 0提问于2018-03-09得票数 9
回答已采纳
1回答
在拟合时，损失是NaN
、、、
我正在尝试用TensorflowJS制作python版本的Tensorflow的相同示例。不幸的是，当我运行脚本时，我不知道为什么训练时记录的损失值是NaN。
我想要实现的是一个简单的文本分类，它根据训练好的模型返回0或1。这是我正在关注的Python教程
这是我到目前为止已经翻译过的代码：
import * as tf from '@tensorflow/tfjs'
// Load the binding:
//require('@tensorflow/tfjs-node'); // Use '@tensorflow/tfjs-node-gpu&
浏览 1提问于2018-08-27得票数 2
2回答
我正在使用以下代码训练一个模型
model=Sequential()
model.add(Dense(100, activation='relu',input_shape=(n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(2,activation='softmax'))
model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['acc
浏览 2提问于2020-05-03得票数 0
1回答
我正在构造一个具有多个输入(实际为3)的Keras分类模型来预测单个输出。具体来说，我的3个输入是：
ActorsPlot SummaryRelevant电影特写
输出：
体裁标签
Python代码(创建多个输入keras)
def kera_multy_classification_model():
sentenceLength_actors = 15
vocab_size_frequent_words_actors = 20001
sentenceLength_plot = 23
vocab_size_frequent_words_plot = 1750
浏览 2提问于2019-12-29得票数 1
回答已采纳
我正在使用基于EarlyStopping和patience=0的Keras训练神经网络。EarlyStopping在val_acc减少后立即停止训练。
然而，我得到的最后一个模型并不是最好的模型，也就是具有最高val_acc的模型。但是我宁愿有一个对应于后一个时代的模型，也就是对应于一个val_acc的模型比最好的那个稍微低一点，这就导致了早期的停止！
我怎么才能得到最好的？
我试着使用保存最好的模型，使用回调：
ModelCheckpoint(filepath='best_model.h5', monitor='val_loss', save_best_onl
浏览 0提问于2018-05-20得票数 5
回答已采纳
我正在训练一个有107850个样本的模型，并对26963个样本进行验证。
在Keras中拟合模型时，批处理大小和纪元数应该是多少，以优化验证精度？有没有什么基于数据输入大小的经验法则？如果纪元的数量增加，它是否会过度拟合模型？
谢谢。
浏览 2提问于2019-08-04得票数 3
我正在尝试使用generate_np方法生成MNIST对抗图像。在下面的异常中得到这个。使用cleverhans的默认CNN模型。 FailedPreconditionError:从容器: localhost读取资源变量dense_2/bias时出错。这可能意味着变量未初始化。未找到:资源localhost/dense_2/bias/N10tensorflow3VarE不存在。[节点模型_2_1/密集_2/偏置添加/读取变量操作(在/anaconda3/envs/Python36/lib/python3.6/site-packages/cleverhans/utils_keras.py:22
浏览 43提问于2019-04-18得票数 0
1回答
我在tensorflow中有一个简单的模型，它被训练在MNIST数据集中的前1000幅图像上。根据我以前的经验，我使用的学习率约为0.001，但是为了使我的模型收敛，学习速度需要大大提高，至少要大于1。模型如下。
def gen_model():
return tf.keras.models.Sequential([
tf.keras.Input(shape=(28,28,)),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(128, activation='sigmoid
浏览 6提问于2022-08-23得票数 -1
回答已采纳
1回答
最近，我决定放弃20年前不受支持的香草ANSI C库，我以前用它做过建模工作，支持Keras，使用Theano作为后端。我想要能在西亚诺做类似的事情，我可以用C。
一个典型的建模场景是训练一个网络通过一个或多个隐藏层在A和B之间双向映射：
A <==> h1 <==> hn <==> B
我的研究涉及到不同类型的表示法之间的映射(例如，你可以听到单词“狗”，知道字母是什么样子，或者你可以读字母狗，知道这些字母听起来像什么)。在这种架构中，A和B有时是输入，有时是输出。在阅读了顺序模型描述之后，还不清楚Keras是否允许这样做，因为它显式地有第一层--所以有时
浏览 5提问于2017-09-08得票数 0
我正在使用cifar-10数据集来训练CNN。我正在使用我的windows-10笔记本电脑，keras版本- 2.2.4和python - 3.7
我已经使用learnopencv.com中的一个示例使用keras构建了CNN。
我使用的是batch_size=256和epochs=50
每个Epoch花费了接近1000秒，使得50个epochs = 50000秒~ 13小时，这是非常高的。
我的windows笔记本电脑有4个cpus，正如下面的python代码所确认的。
import os
print(os.cpu_count())
有没有办法在训练中引入并行性(例如，使用所有4个cpus
浏览 2提问于2019-03-17得票数 0
我正在循环一个程序，该程序创建一个模型，训练模型，使用测试集对模型进行评估，然后删除自身(这是在进行K折评估)。我需要确保在每个循环结束时，没有对旧模型/训练的预先记忆。下面的代码示例显示了我为实现这一点所做的工作(包含一些伪代码，以帮助理解和节省程序的100行代码)：
for heldout_dataset in os.listdir():
# Create model
base_model = tf.keras.applications.Xception(input_shape=IMG_SHAPE, include_top=False,weights='imagenet&#
浏览 1提问于2020-09-24得票数 0
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
