我可以在keras中对模型的一部分运行度量吗？
在Keras中，可以对模型的一部分进行运行度量。Keras是一个高级神经网络API，它提供了一种简单而直观的方式来构建和训练深度学习模型。在Keras中，可以使用model.compile()方法来编译模型，并指定所需的度量指标。
度量指标是用来评估模型性能的指标，常见的度量指标包括准确率、损失函数、精确率、召回率等。在Keras中，可以通过在model.compile()方法中设置metrics参数来指定所需的度量指标。例如，如果想要在模型训练过程中同时计算准确率和损失函数，可以这样设置：
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])上述代码中，metrics参数接受一个列表，可以指定多个度量指标。在训练过程中，Keras会自动计算并显示这些度量指标的值。
对于特定的度量指标，Keras提供了一些内置的函数，例如accuracy用于计算准确率，binary_crossentropy用于计算二分类问题的损失函数。此外，Keras还支持自定义度量指标，可以根据具体需求编写自己的度量函数。
在实际应用中，Keras可以广泛应用于各种深度学习任务，包括图像分类、目标检测、语音识别等。对于不同的任务，可以选择不同的模型架构和度量指标来优化模型性能。
腾讯云提供了一系列与深度学习相关的产品和服务，例如腾讯云AI Lab、腾讯云机器学习平台等，可以帮助用户快速搭建和训练深度学习模型。具体产品和服务的介绍可以参考腾讯云官方网站：腾讯云AI Lab、腾讯云机器学习平台。
相关·内容
1回答
我有一个tf模型，它有两个输出，如这个model.compile()所示：
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=7e-4),
loss={"BV": tf.keras.losses.MeanAbsoluteError(), "Rsp": tf.keras.losses.MeanAbsoluteError()},
metrics={"BV": [tf.keras.metrics.RootMeanSqua
浏览 17提问于2022-08-02得票数 1
回答已采纳
我见过一些帖子在一对一的样本上谈论Keras模型的训练.我也从这些帖子中了解到，Keras模型将更新模型权重，即使是在逐个训练的基础上。那么，在这种情况下，现在的问题是，我们如何提供验证拆分，以及我们如何绘制模型的验证图，因为我们不是将整个数据集提供给我们的模型，而是逐行提供数据集？
reduce_lr = tf.keras.callbacks.LearningRateScheduler(lambda x: 1e-3 * 0.90 ** x)
model.compile(optimizer=keras.optimizers.Adam(clipnorm=1.0, clipvalue=0.5),
浏览 1提问于2021-08-14得票数 1
回答已采纳
Keras中的ReduceLROnPlateau回调似乎是用于培训模型的一个有趣的工具。但是，我无法真正弄清楚cooldown参数在Keras中回调函数ReduceLROnPlateau中的确切含义。
以下是文档中的内容：
首先，函数的接口：
keras.callbacks.ReduceLROnPlateau(monitor='val_loss',
factor=0.1,
patience=10,
浏览 0提问于2018-09-14得票数 18
回答已采纳
1回答
在使用TensorFlow Keras构建分类器时，通常通过在编译步骤中指定metrics=['accuracy']来监视模型的准确性：
model = tf.keras.Model(...)
model.compile(optimizer=..., loss=..., metrics=['accuracy'])
无论模型是否输出逻辑或类概率，以及模型是否期望地面真相标签为一个热编码向量或整数索引(即区间[0, n_classes)中的整数)，这一行为都是正确的。
如果要使用交叉熵损失，则不是这样:上述四种情况的每一种组合都需要在编译过程中传递不同的loss值：
浏览 2提问于2019-09-18得票数 3
回答已采纳
我刚开始使用keras，我尝试为mnist数据集在keras.datasets中构建一个模型。
这是我的初始代码：
import tensorflow as tf
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
然后，我定义了一个模型：
model = tf.keras.Sequential()
model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
model.add(tf.keras.lay
浏览 0提问于2018-12-02得票数 2
回答已采纳
1回答
让我们假设我们有一些模型，包括自定义损失&在培训过程中非常重要的度量。有没有可能保存完整的模型，那么权重+ graphdef /pb-文件，没有自定义对象？
在推理过程中，自定义损失和度量是不需要的，因此…
tf.keras.models.load_model("some_model", custom_objects={...})
...would只是呈现更复杂的推理代码，因为需要包含自定义对象代码来进行推理(尽管它没有被使用)。
但是，tf.keras.callbacks.ModelCheckpoint (即使使用include_optimizer=False)和调用
浏览 1提问于2020-08-20得票数 5
2回答
我看到了一个非常奇怪的情况。在训练卷积网络后，我在验证数据上获得了大约95%的准确率。我保存模型。稍后，我恢复模型，并在相同的验证数据集上运行验证。这一次，我几乎没有得到10%的准确率。我已经阅读了documentation，但似乎没有任何帮助。我是不是做错了什么？ def build_model_mnist(image_width, image_height, image_depth):
model = keras.Sequential()
model.add(keras.layers.Conv2D(5, (3, 3), activation='relu', inp
浏览 159提问于2020-10-27得票数 5
回答已采纳
作为在维基百科中解释，袖珍算法是ANN的一个非常简单的变体/加法，它保存了迄今为止看到的最佳模型的副本，并将该模型作为经过训练的模型返回(而不是模型的实际最终状态)。实现它是非常简单和简单的。
我想知道这个算法是否在Keras中实现。
浏览 0提问于2018-08-07得票数 0
回答已采纳
1回答
在使用这段代码时，我从某个教程中得到了一个错误，即模型没有配置成计算精度，而且我应该通过精度，奇怪的是，我已经在传递度量=“精度”。
我搜索了很多，我看到的所有密码都很好，除了我的密码。
评价人工神经网络
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
from tensorflow.python.keras.models import Sequential #Used to initialize the NN
from ten
浏览 1提问于2019-07-11得票数 6
回答已采纳
我试图用keras来训练一个模型，并且我使用ModelCheckpoint来根据监视的验证度量(在我的例子中是贾卡德指数)保存最好的模型。
虽然我可以看到模型在拉伸板改进，当我尝试加载权重和评估模型时，它根本不起作用。此外，根据应该存储权重的文件上的时间戳，我可以看出它们根本没有被保存。这个时间戳大致相当于我开始训练的时间。
以前有没有人遇到过这样的问题？
浏览 0提问于2018-09-16得票数 9
回答已采纳
1回答
我正在研究瑞典树叶数据的二元分类模型，认为转移学习是可行的。我找到了教程，但是在编译函数中，我想使用与准确性不同的度量标准。当我试图得到AUC或FP/FN/TP/TN时，会出现ValueError，声称真y (None，1)的形状与y_pred (None，2)的形状不相容。
我不明白：
为什么y_pred会有这样的形状？
如何计算精度，而不是混淆矩阵的各个部分？！
没有合理解释的解决方案也非常受欢迎:)
feature_extractor_model = "https://tfhub.dev/google/tf2-preview/mobilenet_v2/featur
浏览 6提问于2022-03-11得票数 0
加载先前保存的模型时，我遇到了问题。
这是我的储蓄：
def build_rnn_lstm_model(tokenizer, layers):
model = tf.keras.Sequential([
tf.keras.layers.Embedding(len(tokenizer.word_index) + 1, layers,input_length=843),
tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(layers, kernel_regularizer=l2(0.01), recurre
浏览 4提问于2020-05-13得票数 17
回答已采纳
我有一组不同长度的非零序列，我使用Keras对这些序列进行建模。我使用来标记(令牌从1开始)。为了使序列具有相同的长度，我使用填充。
填充的一个例子：
# [0,0,0,0,0,10,3]
# [0,0,0,0,10,3,4]
# [0,0,0,10,3,4,5]
# [10,3,4,5,6,9,8]
为了评估该模型是否能够推广，我使用了一个70/30比的验证集。在每个时代结束时，Keras显示了训练和验证的准确性。
我最大的疑问是，当使用填充时，Keras验证的准确性是否可靠(当您在多个时期运行Keras时，在每个阶段的末尾，它会打印训练精度和验证精度)。因为验证集可以简单地是0's
浏览 0提问于2020-07-19得票数 3
我正在运行一个2000个时期的多类模型(总共40个类)。该模型运行良好，直到828纪元，但在829纪元，它给了我一个InvalidArgumentError (见下面的截图)
下面是我用来构建模型的代码。
n_cats = 40
input_bow = tf.keras.Input(shape=(40), name="bow")
hidden_1 = tf.keras.layers.Dense(200, activation="relu")(input_bow)
hidden_2 = tf.keras.layers.Dense(100, activ
浏览 0提问于2020-07-30得票数 6
1回答
我对python中的Keras很陌生，在执行代码之后，我收到了这个警告消息。我试着在谷歌上搜索，但仍然没有解决这个问题。提前谢谢你。
UserWarning:不推荐使用"show_accuracy“参数，相反，您应该在编译时将”精确“度量传递给模型:model.compile(优化器、损失、metrics=”准确性“)warnings.warn( "show_accuracy”参数被废弃)，‘
浏览 8提问于2017-02-08得票数 1
我训练了一个数字图像并制作了一个模型文件。
相应的调味汁如下。
import os
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
浏览 0提问于2021-02-23得票数 0
回答已采纳
我有一个Keras模型，它有3个输入和2个输出，如下所示
_________
a --| |--- x
b --| Model |--- y
c --|_________|
是否有方法编译模型并计算特定输入和输出(例如输入'a‘和输出’x‘)之间的结构相似性(SSIM)？
model = keras.Model([a, b, c], [x, y])
model.compile(optimizer='adam'
, loss = 'mse'
, metric
浏览 5提问于2022-04-16得票数 0
在训练的同时，建立了Keras模型和，分类精度指标达到0.78。
但是，在对模型进行培训之后，当我运行以下代码时，当预测输出相同的培训数据时：
predicted_labels = model.predict(input_data)
acc = sklearn.metrics.accuracy_score(true_labels, predicted_labels)
精度为0.39。总之，对于Keras和Sklearn，我没有得到相同的精确结果。
浏览 2提问于2018-12-05得票数 0
1回答
我在文档中找不到信息，所以我在这里询问。
我有一个具有3种不同输出的多输出模型：
model = tf.keras.Model(inputs=[input], outputs=[output1, output2, output3])
用于验证的预测标签是从这3个输出构造成的，只有一个，这是一个后处理步骤。用于培训的数据集是这3种中间输出的数据集，为了验证，我在标签数据集上进行评估，而不是3种中间数据。
我想使用一个自定义的度量来评估我的模型，它处理后处理并与实际真相进行比较。
我的问题是，在自定义度量的代码中，y_pred会是模型的三个输出的列表吗？
class MyCustomMetric(
浏览 0提问于2020-01-29得票数 5
回答已采纳
在我的keras中添加自定义丢失函数@tf.function后，keras模型停止加载(似乎保存模型，但不能重新加载模型)。文件显示这很简单但是..。
各种这样的答案表明，使用一个Keras版本训练的模型不能加载到其他Keras版本中。因此，我卸载了Keras 2.4.3 (从Anaconda env)，以避免任何混淆，并试图仅使用Tensorflow-keras建模和保存/加载。
所以，现在尝试保存一个Tensorflow-keras模型，然后再加载该模型，但是不会重新加载各种错误(如下)。环境是Anaconda3 python3.8 (带有Keras2.4.3，然后卸载它)和Tensorf
浏览 4提问于2020-11-26得票数 2
回答已采纳
1回答
我正在tensorflow联邦中实现一个回归模型。我从本教程中为keras使用的一个简单模型开始：
我改变了模型来使用联邦学习。这是我的模型：
import pandas as pd
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import tensorflow_federated as tff
dataset_path = keras.utils.get_file("auto-mpg.data", "http://archive.i
浏览 1提问于2019-12-05得票数 2
回答已采纳
1回答
精确性与分类精度
、、、、
我运行了一个使用ResNet50进行传输学习的DNN模型。在对我的模型上的训练数据进行拟合以检查初始趋势(如果初始趋势似乎正确的话，会运行更多的时间)时，我注意到即使我的训练精度度量在3个周期内始终保持0.0000e+00，但我的训练分类精度度量从0.4689提高到0.5278。损失也呈下降趋势。对验证集也观察到了类似的行为。
代码片段：
from tensorflow.keras.applications.resnet50 import ResNet50
METRICS = [
tf.keras.metrics.Accuracy(),
tf.keras.metrics.Cat
浏览 0提问于2022-12-03得票数 2
回答已采纳
1回答
我在colab上训练了一个keras序列模型，并将其保存为TensorFlow SavedModel格式。然后，我将经过训练的模型的压缩文件夹(包含saved_model.pb文件和变量子文件夹)下载到我的计算机上，并试图将该模型加载到我的python文件中，但最终以
这个错误：(注意B:我在安装了keras和tensorflow的anaconda自定义环境中运行python文件)
OSError: Unable to open file (unable to open file: name = 'C:/Users/user/Desktop/chiffre.model', er
浏览 1提问于2021-06-03得票数 0
回答已采纳
1回答
我创建了一个定制的Keras度量，类似于下面的演示实现：
import tensorflow as tf
class MyMetric(tf.keras.metrics.Mean):
def __init__(self, name='my_metric', dtype=None):
super(MyMetric, self).__init__(name=name, dtype=dtype)
def update_state(self, y_true, y_pred, sample_weight=None):
return s
浏览 4提问于2020-09-27得票数 2
回答已采纳
1回答
我已经在tf.keras中为一个多标签分类问题实现了一个自定义指标。
def multilabel_TP(y_true, y_pred, thres = 0.4):
return (
tf.math.count_nonzero(
tf.math.logical_and(tf.cast(y_true, tf.bool),
tf.cast(y_pred >= thres, tf.
浏览 11提问于2020-05-19得票数 1
回答已采纳
1回答
我有多个损失和度量，无论是自定义的还是从keras导入的。是否有一种方法可以指定哪些模型输出可以输入到哪个度量中，而不是所有这些输出都被打印或计算？
浏览 0提问于2019-02-18得票数 5
回答已采纳
2回答
当问题是回归问题时，如何计算精度？
我正在研究一个回归问题来预测每个用户每天使用多少电量，我使用keras构建了一个LSTM模型来进行这个时间序列预测。在开始时，我使用“准确性”作为衡量标准，并在运行时使用。
model.fit(...,verbose=2,...)
val_acc在每一个时代之后都有一个值。在我的结果中，值没有变化，它总是相同的值。
然后我意识到回归的问题是没有精确的概念，然后我开始想，这个精度是如何计算的？
我猜想，当回归问题中的度量是“精度”时，精度也是以类似于分类问题的方式计算的:预测值的数目等于真值除以总样本的大小。
我说的对吗？
浏览 1提问于2019-09-01得票数 1
回答已采纳
我想评估tensorflow模型的自定义输入，如何做到这一点？我有下面的工作tensorflow代码
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Flatten, Dense
import numpy as np
import pandas as pd
all_data, all_labels = np.resize(np.linspace(0,50,100),[1000,3]), np.random.randint(0,2,[1000])
def build
浏览 7提问于2022-06-11得票数 0
2回答
如何提高模型的损耗和精度？
、、、、
我目前正在使用从kaggle初学者代码中提取的Unet模型，并修改了几个参数，以便在TACO数据集上对垃圾进行训练。现在，我不知道该如何继续优化我的模型。我正经历着荒谬的损失和糟糕的准确性，我不完全确定哪些参数会提高我的模型的准确性和损失。TACO数据集有60个类别(61个包括背景)。我做错了什么吗？我对此非常陌生，所以任何我能读到的参考资料或建议都将不胜感激。
下面是我的模型的代码：
IMG_WIDTH = 224
IMG_HEIGHT = 224
IMG_CHANNELS = 3
epochs = 25
validation_steps = val_size
steps_per_epoch
浏览 2提问于2020-05-21得票数 1
回答已采纳
2回答
我使用的是"tensorflow“keras。即。我做到了：
from tensorflow import keras
from tensorflow.keras import layers
不确定这是否与使用TF作为后端的Keras不同。我在TF 1.14.0上，在google colab上运行这个。
问题是，每次我重新创建模型(或重新编译)时，_N都会附加到指标中。您可以在培训期间的打印输出中看到这一点，也可以将其作为history.history的关键。
Epoch 1/100
32206/32206 [==============================] - 4s 1
浏览 11提问于2019-07-20得票数 0
2回答
我在Keras训练并拯救了一个卷积式自动编码器。在以.h5格式保存模型之前，它的训练损失为0.2394，验证损失为0.2586。在测试保存的模型时，我得到的损失是验证损失的两倍多，即0.6707。我实际上是用训练数据中的样本来测试它，看看我是否会得到同样的损失，甚至更接近它在训练期间。
下面是我计算损失的方法，其中“总计”是我要通过测试模型的图像总数。
score = np.sqrt(metrics.mean_squared_error(predicteds,images))
print ('Loss:',score/total)
我在如何计算测试损失上犯了错误吗？
下面是模型
浏览 0提问于2019-12-21得票数 1
回答已采纳
2回答
我正在使用这个model.While，使用这个模型验证的准确性在增加，但同时验证损失也发生在这里吗？
from keras.layers import Dense
from keras.models import Sequential
from keras.optimizers import adam
model_alpha1 = Sequential()
model_alpha1.add(Dense(64, input_dim=96, activation='relu'))
model_alpha1.add(Dense(2, activation='softmax&
浏览 2提问于2021-04-07得票数 2
回答已采纳
我正在使用Tensorflow的Dataset函数和TFRecord在Keras中构建一个模型。我成功地使用了Keras的训练模型，但问题在于val_loss。它在Keras的进度条中根本没有显示。
if __name__ == '__main__':
x_train,y_train = input_fn('train_whale_without07.tfrecords')
x_test,y_test = input_fn('test_whale_without07.tfrecords')
img_input
浏览 1提问于2018-12-22得票数 0
回答已采纳
我有下面的keras模型，运行良好：
model = tf.keras.Sequential(
[
#first convolution
tf.keras.layers.Conv2D(16, (3,3), activation="relu",
input_shape=(IMAGE_SIZE,IMAGE_SIZE,3)),
tf.keras.layers.MaxPooling2D(2,2),
#second convolution
tf.keras.layers.Conv
浏览 6提问于2021-04-12得票数 1
回答已采纳
2回答
和Keras
、、、、
我一直在寻找什么是Tensorflow和Keras。他们说Tensorflow运行在KERAS之上，这意味着Tensorflow是Keras的“后端”。(虽然你可以使用其他如Theano和CNTK)
这里的“后端”术语是否意味着它在一个深度学习模型背后做了整个数学过程的事情？我的意思是，Tensorflow是一个做复杂事情的人，比如处理矩阵(张量)，做所有的数学工作？
另一方面，KERAS是我们创建模型所需要的人，对吗？一旦模型被创建，它的“后端”就是Tensorflow，对吗？因为模型要像IT一样工作(就像过程矩阵和做所有的数学工作一样)，它需要一个“后端”，即Tensorflow。
这就是
浏览 3提问于2020-06-02得票数 0
回答已采纳
3回答
我有一个神经网络来解决一个时间序列预测问题。这是一个序列对序列的神经网络，目前它是训练样本，每一个有十个特征。模型的性能是平均的，我想研究添加或删除特性是否会提高性能。我用keras构造了神经网络。
我所包括的特点如下：
史料
按季滞后的历史数据系列(4个系列)
每周价值的一系列变化
四个时不变特征平铺延长了序列的长度。(另4个系列)
我知道我可以运行模型很多次，改变组合的功能，包括每次。但是，除了调优超参数(因为8个特性可以很好地适用于一组超参数，而不是另一组)，这实际上是很多可能的组合。
如果某个特性可能会增加模型的价值，我是否可以使用任何单独的方法来衡量？
我特别担心的是，我有四个时不变
浏览 0提问于2019-01-27得票数 16
回答已采纳
利用keras的嵌入层特征，建立了一维CNN回归模型，预测了部分序列的得分。
我的模型在训练后的典型表现如下：
正如您所看到的，预测训练数据的性能是非常好的，但似乎这种性能并不能概括为预测验证和测试数据。
您对如何提高验证/测试集预测性能有什么建议吗？(这有可能吗？)
谢谢!
浏览 0提问于2020-12-22得票数 0
回答已采纳
1回答
tf.keras.losses.CategoricalCrossentropy和tf.keras.metrics.CategoricalCrossentropy有什么区别？
model.compile(optimizer=Adam(learning_rate=lr), loss= 'categorical_crossentropy',
metrics=['accuracy','categorical_crossentropy'])
问题：
15/15 [==============================] - 5s 352ms/ste
浏览 15提问于2022-07-25得票数 1
1回答
我的模型运行得非常快，但是它们似乎慢下来了，因为我保存了最好的模型(在另一个进程中加载)；但是我注意到保存过程本身减缓了处理速度。在拟合的早期阶段，每一次迭代都在改进，增加了越来越多的延迟。
我想知道是否有办法在X年代之后保存最好的模型，或者把它保存在后台，这样模型的训练就不会因为保存得太频繁而延迟？
为了清晰起见，我是如何在Keras/TF2中运行ModelCheckpoint的：
filepath="BestModel.hdf5"
checkpoint = ModelCheckpoint(filepath, monitor='loss', verbose=1
浏览 1提问于2020-09-11得票数 0
回答已采纳
1回答
我正在使用Keras loss='binary_crossentropy'、optimizer=tf.keras.optimizers.Adam进行二进制分类，最后一层是keras.layers.Dense(1, activation=tf.nn.sigmoid)。
据我所知，loss值被用于评估训练阶段的模型。但是，当我将Keras模型评估用于测试数据集(例如，m_recall.evaluate(testData,testLabel) )时，也存在loss值，并伴随着类似下面的输出的accuracy值。
test size: (1889, 18525)
1889/1889
浏览 0提问于2018-11-27得票数 5
回答已采纳
在培训我的Keras模型时，我使用了自定义度量。它工作得很好，只是model.fit_generator(...)输出中的度量名称不可解释(注意: Tensorboard也使用了这些错误的名称)。
下面是我正在做的事情的一个可重复的例子:度量使用一个参数(除了预测和实际真相)，所以我定义了一个工厂来生成一个无参数的度量函数，类似于这样：
def my_dummy_metric(y_true, y_pred, the_param=1.0):
return the_param * keras.backend.ones((1))
def my_metric_factory(the_para
浏览 1提问于2019-09-12得票数 6
回答已采纳
我不太清楚Keras中类模型编译方法的参数metrics的含义：
model.compile(..., metrics = ['accuracy'], ...)
这些文件指出：
模型在培训和测试期间要评估的指标列表
我不明白的是：
这些指标是否用于在每个训练时代结束时评估网络的性能，即在每个时代结束时，代码使网络对训练集进行预测并计算所传递的指标。
或
这些是用来训练网络的指标吗?也就是说，网络的目标是为这些指标获得尽可能好的价值吗？(我不知道它是如何做到的，比如:如果召回率很低，那么当使用正样本时，它会更多地纠正权重)？
(或者它有另一个意思？)
浏览 0提问于2019-10-01得票数 1
回答已采纳
我目前正在使用TensorFlow来解决多标签分类问题(总共有9个标签)，这是模型编译行：
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
my模型的y_true标号由2的1's和7的0's (例如0，1，0，0，0，1 0，0，0，0)组成。
我用TensorFlow尝试了几种模型，但是不管模型有多复杂，精度都很低，精度在0.3左右。
我想知道Keras的准确性指标是否也适用于多标签分类。例如，如果y_pred的概
浏览 4提问于2021-11-05得票数 2
回答已采纳
我正在学习R中的Keras，并希望建立和优化一个带有最小Mean_absolute_percentage_error (MAPE)的NN模型。
我已经在正式文档上找到了这个例子，但是它报告了Mean_absolute_error，我如何调整这些代码来优化MAPE呢？
浏览 6提问于2019-11-13得票数 0
回答已采纳
---------------------------------------------------------------------------
ImportError Traceback (most recent call last)
Input In [20], in <cell line: 1>()
----> 1 from tensorflow.keras import layers
2 import keras.backend as backend
3 import tenso
浏览 14提问于2022-07-12得票数 0
我在训练一个模型，我的损失函数是余弦相似：
model.compile(optimizer='adam',
loss=tf.keras.losses.cosine_similarity,
metrics=[tf.keras.metrics.CosineSimilarity(axis=1)])
在Keras中，"cosine_similarity“应该收敛到-1？
另一方面，"CosineSimilarity“应该使用1，以获得更好的准确性，对吗？
提前感谢！
浏览 1提问于2020-06-09得票数 2
2回答
我对Keras相当陌生，如果我犯了一个根本错误，请原谅。因此，我的模型有3个卷积(2D)层和4个密集层，中间有Dropout层。我正在尝试使用图像来训练一个回归模型。
X_train.shape = (5164,160,320，3)
y_train.shape = (5164)
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, Flatten, Conv2D, Activation, MaxPooling2D, Dropout
import tensorflow.compat.v
浏览 1提问于2020-11-21得票数 1
回答已采纳
2回答
在这方面似乎已经有几个线程/问题了，但在我看来，这个问题并没有得到解决：
人们似乎在变量初始化方面遇到了问题，或者度量为0。
我需要计算不同的分段度量，并希望在我的Keras模型中包括。到目前为止，这是我能想到的最好的：
def mean_iou(y_true, y_pred):
score, up_opt = tf.metrics.mean_iou(y_true, y_pred, NUM_CLASSES)
K.get_session().run(tf.local_variables_initializer())
return score
model.compile(
浏览 5提问于2017-08-29得票数 11
我将训练机器学习模型，为描述活动的段落分配特定的标记。在我的数据库中，对于描述(X)的一个段落，有几个对应的标记与它(Y)相关。我希望能提高分类的准确性。
我通过Scikit建立了几个机器学习模型(例如SVC、DecisionTreeClassifier、KNeighborsClassifier、RadiusNeighborsClassifier、ExtraTreesClassifier、RandomForestClassifier、MLPClassifier、RidgeClassifierCV)，并通过Keras建立了神经网络模型。使用OneVsRestClassifier(SGDClass
浏览 0提问于2019-07-08得票数 0
1回答
我有点困惑KL发散是如何应用的，特别是在Keras中，但我认为这个问题对于深度学习应用来说是一个普遍的问题。在keras中，KL损失函数定义如下：
def kullback_leibler_divergence(y_true, y_pred):
y_true = K.clip(y_true, K.epsilon(), 1)
y_pred = K.clip(y_pred, K.epsilon(), 1)
return K.sum(y_true * K.log(y_true / y_pred), axis=-1)
在我的模型中，y_true和y_pred是矩阵；每一行y_t
浏览 0提问于2017-06-05得票数 7
回答已采纳
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
