1回答
Keras不兼容的形状NN
、、、、
np
Y = np.array(Y[:10])
model.add(tf.keras.layers.Flatten())model.add(tf.keras.layers.Dense(128))
model.add(t
浏览 14提问于2021-05-02得票数 0
回答已采纳
我见过的大多数示例都是在最后一层实现softmax。但是我读到Keras categorical_crossentropy在最后一层后自动应用softmax，所以这样做是多余的，并且会导致性能下降。
浏览 7提问于2017-12-14得票数 0
回答已采纳
我有一个数据集，包含两个形状分别为8100、63和8100的numpy数组，但当我试图将它们提供给Keras时，模型不收敛，均方误差在10^11区域。我用来计算数据的函数没有任何非线性性质，所以我首先认为一层或两层就足够了。对于三层，MSE仍然在10^10的区域，我不知道我做错了什么。回归应该返回三个绝对值，可以大于1-这就是为什么我没有使用softmax层。model = Model(inputs=visible, outputs = output)
mo
浏览 1提问于2018-07-21得票数 0
回答已采纳
1回答
model.add(Dense(128, activation='relu')) model.add(Dense(1, activation='softmax'))
model.compile(loss='binary_crossentropy', optimizer=keras.optimizers.SGD(lr=0.01),metrics=['accuracymodel.evaluate(x_test,
浏览 0提问于2018-02-14得票数 1
这是我的代码，我不知道为什么它能给我0.3%的准确率 x_train, x_test = x_train / 255.0, x_test / 255.0
tf.keras.layers.Dense(128, activation='relu'),tf.
浏览 0提问于2020-04-15得票数 0
1回答
这是Keras模型的最后一层。model.add(Dense(3, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam例如，当真正的类是[0, 0, 1]，而预测的概率是[0.1, 0.4, 0.5]时，即使0.5是最大的概率，这个预测的准确性应该是0，因为0.5 != 1。对吗？更普
浏览 3提问于2020-07-25得票数 4
回答已采纳
3回答
51,481Non-trainable params: 0model.compile(optimizer='rmsprop', loss我试过以下分类器
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc']) model.compile(optimizer='sgd',loss
浏览 3提问于2020-07-14得票数 0
回答已采纳
我有一个问题，验证准确性，同时训练超声图像，以分类良性和恶性图像使用转移学习与ResNet50。from keras.applications.resnet50 import ResNet50x = Dropout(0.
浏览 0提问于2020-04-30得票数 0
1回答
正如问题所说，我想把标签输入到一个三维的神经网络中。假设我有3个可能的标签，我的每个数据点对应于这些标签的百分比。例如，我的第一个数据点包含标签A的20%，标签B的30%，标签C的50%。
是否有任何体系结构能够处理这种形状的标签数据？
浏览 0提问于2020-07-19得票数 0
回答已采纳
2.9950772e-10, 1.0457132e-10,当我使用tf.keras.losses.categorical_crossentropy(to_categorical(y_true,num_classes=27),y_pred,from_logits=True)时
我得到的损失值是2.3575358。to_categorical(gtp_out_true[0],num_clas
浏览 1提问于2020-06-15得票数 1
回答已采纳
1回答
下面是一个示例代码：from keras.layers.merge import Concatenatefromkeras.layers import Input, Densefrom keras.layers.core import Dense, Activation, Lambda, Reshape,Flatten
from
浏览 4提问于2017-04-01得票数 1
回答已采纳
1回答
但是当我使用softmax和categorical_crossentropy时，我得到了错误的ValueError: Shapes (None, 2) and (None, 101) are incompatible我看到了另一个解决方案来解决这个问题，我把softmax改成了sigmoid，把分类改成了二进制交叉熵。现在我得到了这个错误。我使用google-collab和python3。mcp_save = ModelChec
浏览 0提问于2021-02-05得票数 1
), tf.keras.layers.Dense(3, activation='softmax') # 3 outputsreturn modelmodel = generate_model()
model.compile(optimizer='adam',loss=tf.keras.l
浏览 3提问于2021-07-22得票数 0
我想使用历史数据(2021.01~2021.08)和天气数据来预测每小时的使用情况。我想用过去3天(72小时)的数据预测未来24小时的使用率 列车数据为2021.01.31~2021.07.31，试验数据为2021.08.01~2021.08.31。()model.add(tf.keras.layers.LSTM(units=1024, return_sequences=True(tf.
浏览 47提问于2021-11-17得票数 1
1回答
# LSTM for sequence classification in the IMDB dataset from keras.datasets importimdb from keras.layers import Dense from keras.layers.embeddings import
浏览 0提问于2018-06-12得票数 0
1回答
我正在构建一个Keras模型，将数据分类为9个类别中的一个。问题是它只能与Sigmoid激活一起工作，Sigmoid激活是为二进制输出设计的，其他激活会导致0精度。relu', input_shape=(None, 1))) model.add(Activation('sigmoid'))
model.compile(loss
浏览 14提问于2019-10-06得票数 0
回答已采纳
4回答
问题#1: K.softmax函数需要2D张量(num_batches, num_classes)
问题2：我不知道如何将每个头寸的损失合并起来。它是正确的reshape张量到(num_batches * height * width, num_classes)，然后调用K.categorical_crossentropy对此吗？
浏览 5提问于2017-03-26得票数 10
1回答
对Keras的多维输入
、、、、
我对keras还很陌生，而且我在运行一个多维度的模型时遇到了问题。所以，我已经试了几个样本。这就是其中之一。from keras.models import Sequentialimport numpy as np
model = Sequential([])
model.compile(l
浏览 2提问于2017-08-08得票数 7
回答已采纳
2回答
我正在使用这个数据集：。结果：model.add(Dense(units=4096,activation="relu"))
model.add(Dense(
浏览 5提问于2021-05-14得票数 0
回答已采纳
我刚刚创建了一个模型，它执行二进制分类，最后有一个由1个单元组成的致密层。我使用了Sigmoid激活。然而，当我想要将它转换成CoreML时，我得到了这个错误。我试着把单位数改成2，把激活改成softmax，但还是不行。
浏览 4提问于2020-11-26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
腾讯会议
云直播活动推荐
腾讯云开发者
