1回答
我有一个自定义损失，它使用模型的一个输入。latent_dim],return loss 其中labels是模型的输入label“来编译模型： model,label = build_model()
model.compile(optimizer='adam',loss=closs
浏览 10提问于2020-01-14得票数 2
我使用的是一个Keras模型，它是在DL4J的Java过程中用Python语言训练的。这通常工作得很好，但现在转移到使用自定义损失函数。该模型在Python中使用自定义损失函数进行训练： model = load_model('modelFile' , custom_objects={'loss': my_custom_loss_function(weight)}) 我尝试在<
浏览 46提问于2020-03-20得票数 0
回答已采纳
我已经训练了一个Keras (使用Tensorflow后端)模型，它有两个带有自定义损失函数的输出。我需要使用custom_objects参数从磁盘加载模型的帮助。我按如下方式保存模型： model.save(model_path) 我在这里没有定义" custom_loss_fn“的原因是因为custom_loss_fn是在另一个自定义的Ker
浏览 24提问于2019-02-13得票数 1
回答已采纳
设置def weighted_cross_entropy(weights):
当我试图通过
model =
浏览 0提问于2019-03-18得票数 10
回答已采纳
我正在尝试使用Keras创建自定义损失函数。我想根据输入计算损失函数，并预测神经网络的输出。
我尝试使用Keras中的customloss函数。我认为y_true是我们用于训练的输出，y_pred是神经网络的预测输出。下面的损失函数与Keras中的"mean_squared_error“损失相同。customloss(
浏览 2提问于2019-04-01得票数 17
回答已采纳
1回答
我使用张力流js转换器将在EfficientNet上预先训练过的ImageNet模型转换为tensorflow-js。当我试图将模型加载到我的脚本中时，它尝试用初始化器初始化权重，而这些初始化器在tfjs中没有实现。然而，没有必要初始化权值，因为模型是预先训练的，权重也是经过转换的。转换后的模型如下：const start = async () => {
浏览 1提问于2019-06-19得票数 2
回答已采纳
5回答
在Keras中，如果您需要使用附加参数的自定义丢失，我们可以像在上提到的那样使用它 def loss(y_true, y_pred):然而，一旦模型被训练，我在加载模型上有困难。custom_objects={'penalized_loss': penalized_loss} )是否有任何方法将损
浏览 0提问于2018-01-22得票数 37
回答已采纳
1回答
我想使用一个损失函数，其中包括一个表达式，用于关注模型所使用的区域。Loss = categorical_crossentropy(y_pred, y_true) + alpha*A
其中A是关注模型中的区域。如何在Keras中创建自定义损失<
浏览 0提问于2018-12-18得票数 1
回答已采纳
2回答
我有一个自定义的损失函数，它将模型的输入作为参数之一。如果我在我训练的同一个会话中加载，我可以使用this技术加载它。mymodel.h5')
load_model('mymodel.h5', custom_objects={'custom_loss': custom_loss(inputs}) 然而，当我试图在以后的会话中加载模型
浏览 29提问于2019-09-12得票数 3
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…...would只是呈现更复杂<
浏览 1提问于2020-08-20得票数 5
有没有一种方法可以将特征作为输入传递给keras模型，仅供自定义损失函数访问，而不会影响模型作为输入特征？我只需要该功能来计算损失，而不是通过网络中的隐藏层进行前馈。(基本上，我想要的是将特征作为输入输入，并按原样提取它作为输出，以及要在损失函数中访问的y_pred )。一个有效的例子将非常感谢。
浏览 11提问于2020-12-09得票数 0
回答已采纳
2回答
在Keras中加载自定义正则化器
、、、、
我想使用load_model('path/to/model.h5')加载一个经过训练的模型。model.add(Dense(10, activation='softmax', W_regularizer=my_reg))
，它包含一个自定义的正则化然后，当我想使用load_model('path/to/model.
浏览 7提问于2019-07-22得票数 1
我的损失fnc看起来是：如您所见，损失是两个mse的加权和，分别为新样本和重放样本计算。，这意味着每当我想训练一个批时，我想分离新的和重放数据点，并计算整个批的标量损失。
如何在Keras中实现此丢失函数并与train_on_batch一起使用？<em
浏览 7提问于2021-01-04得票数 0
昨天我整晚都在Keras训练这个模型，但是当我想看结果时，我的电脑坏了。当我打开它，然后我看到'model.h5‘文件已经建立，但我看不到我的训练和测试的准确性的结果。我用‘model . saved’保存了模型，但是现在我如何才能从保存的模型中看到模型的准确性？
浏览 0提问于2018-07-04得票数 1
回答已采纳
我有一个导入keras.models.load_model的python项目：这会导致我的项目在3到4秒内启动，如何减少导入时间
浏览 5提问于2021-11-29得票数 0
回答已采纳
我的模型看起来像model = Model(inputs=[sketch_inp, color_inp], outputs=disc_outputs)
model.compile(loss=lambda y_true, y_pred : tf.keras.losses.binary_crossentropyfeatureLevelLoss_weight * featu
浏览 1提问于2020-04-19得票数 0
2回答
因此，我定义了我的keras模型，并使用一个custom_loss函数来训练该模型：with open('history.pkl', 'rb') as file:我得到以下错误：
ValueError:未知损失我使用的<
浏览 7提问于2021-09-17得票数 2
我有一个有定制损失的tensorflow keras模型。在尝试之后，我希望使用model.save(path)存储模型，并在另一个python脚本中加载模型，以便仅使用model = tf.keras.models.load_model(model_path我想打电话给model.predict，而不需要再次指定损失。
是否有一种方案可以保存/加载tf.keras.Model，而不需要<
浏览 2提问于2020-05-19得票数 4
memory_sequence_length=BATCH_SIZE*[max_length_input])with tf.keras.utils.custom_object_scope
浏览 0提问于2020-11-16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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
