在Python语言中，我将从Keras的Model.fit转移到Model.train_on_batch循环以进行更精细的控制。但是fit返回的进度条和历史对象很有用。在浪费时间从头开始实现它们之前，我想知道是否有人使用train_on_batch找到了重现进度条和历史记录的示例代码？ (注意：我看过fit的source code，但是有足够多的间接层，很难准确地挖掘出它在做什么。我还找到了this，它很有帮助，但没有相关的功能。)
浏览 71提问于2020-12-11得票数 0
对于keras函数fit()和fit_generator()，可以通过将keras.callbacks.TensorBoard对象传递给这些函数来实现张力板可视化。对于train_on_batch()函数，显然没有可用的回调。在这种情况下，keras中是否有其他选项可以创建Tensorboard？
浏览 3提问于2017-07-01得票数 22
回答已采纳
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
我正在使用Keras w/ Tensorflow后端来训练NN。
我使用train_on_batch进行训练，它返回给定批次的损失。如何获得该批处理的输出分类？(我想对输出做一些可视化处理)
为此，我目前再次调用predict来获取模型输出，但这是多余的，因为train_on_batch已经“向前”传递了输入批处理。
在Caffe中，当图像前馈时，中间层输出仍然存储在net.blobs中，但在Keras/Tensorflow中，似乎如果我们想要获得中间输出，我们必须为我们想要在CPU上访问的每个中间输出重新运行计算图，如所述。有没有一种方法可以访问许多/所有中间层的输出，而不需要为每个层重新运
浏览 0提问于2016-11-17得票数 1
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
只是对keras.sequential train_on_batch和fit之间的区别感到困惑。唯一的区别是，在train_on_batch中，您只自动传递数据一次，而对于fit，则使用no指定数据。epochs的
如果我这么做，model.fit(x, y, epochs=5)和for i in range(5) model.train_on_batch(x, y)是一样的吗？
浏览 1提问于2019-06-06得票数 0
回答已采纳
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
keras的输出或train_on_batch是当前批次的平均值还是所有训练样本的全局平均值？
浏览 0提问于2019-08-29得票数 0
1回答
我试图使用下面的代码与convlstm2D和VGG16一起使用：
video = Input(shape=(no_of_frames, img_width, img_height, channels))
cnn_base = VGG16(input_shape=(img_width, img_height, channels), weights="imagenet",
include_top=False)
cnn_base.trainable = False
encoded_frames = TimeDistributed(cnn_base)(video)
encoded_s
浏览 1提问于2020-03-06得票数 0
回答已采纳
在TF2.2候选版本中，另一种训练方法是使用training_function = tf.keras.Model.make_train_function()生成训练函数，当调用该函数时，将执行一个训练步骤。 training_function(data) 另一种训练方法是使用tf.keras.Model.train_on_batch(data)。然而，我发现有大约25%的时间性能差异。 我想知道为什么使用training_function=tf.keras.Model.make_train_function();training_function(data)方法进行训练会比使用tf.kera
浏览 38提问于2020-04-16得票数 1
我正在使用train_on_batch批量训练数据，但train_on_batch似乎没有使用回调的选项，而回调似乎是使用检查点的必要条件。
我不能使用model.fit，因为这似乎需要我将所有数据加载到内存中。
model.fit_generator给我带来了奇怪的问题(比如在一个时代结束时挂起)。
以下是来自Keras API文档的示例，展示了ModelCheckpoint的用法
from keras.callbacks import ModelCheckpoint
model = Sequential()
model.add(Dense(10, input_dim=784, kern
浏览 4提问于2017-11-27得票数 1
1回答
我使用的是一个标准的keras模型，我正在进行批处理培训(使用train_on_batch函数)。现在，我想获取批处理中每个元素的梯度，并对其进行缩放(将每个样本梯度乘以我所拥有的样本特定值)，并且在每个梯度被缩放之后，它可以被求和并用于更新现有的权重。不管怎么说，有这个给定的角函数吗？如果没有，有没有办法让我用tensorflow来操纵这个？(给出了模型，其余的都是用keras编写的)
这个函数如下所示(循环是为了说明它发生在批处理中的所有样本)
grad = 0, w= #array of size batch_size
for i in batch_size:
grad <
浏览 0提问于2018-12-06得票数 3
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
1回答
但是，我想在不更新网络权重的情况下计算keras中鉴别器的丢失误差。到目前为止，我使用以下函数(train_on_batch)来使用梯度下降更新网络的权重：
d_loss = d.train_on_batch(X, y)
然而，我想做的是首先计算d_loss，然后根据d_loss值更新权重。我怎样才能在Keras做到这一点？
浏览 1提问于2018-04-01得票数 0
回答已采纳
学习者，
我想用迷你批次using a custom loss function训练神经网络。每一小批包含n new samples and m replay samples.重放样本用于重放以避免遗忘。
我的损失fnc看起来是：
loss=mse(new_samples_truth, new_samples_pred) + factor*mse(replay_samples_truth, replay_sampls_pred)
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
浏览 7提问于2021-01-04得票数 0
我正在研究一些关于机器学习的问题，并想在python中尝试强大的Keras包(使用Theano后端)。当我在中运行我的代码时，它给出了以下错误消息：
File "/home/nesrine/anaconda2/lib/python2.7/site-packages/keras/engine/training.py", line 1214, in train_on_batch
self._make_train_function()
File "/home/nesrine/anaconda2/lib/python2.7/site-packages/keras/eng
浏览 0提问于2018-05-06得票数 0
1回答
所以我有大约600个类和17k个文本的句子，classification.The特征向量是用word2vec训练的。
Vector_size = 100；LSTM隐藏units= 100
我用课堂权重来解决不平衡问题，我想知道当最大长度保持在18，但句子的最小长度是1时，LSTM是否会受到训练数据稀疏性的影响。
另外，如何使用keras train_on_batch为可变长度而不是填充创建5、10、25的批处理。
浏览 0提问于2018-09-25得票数 2
我使用来输入维数(224,224，3)的图像。我使用functional建立了以下模型，尽管顺序模型似乎出现了类似的问题：
input = Input(shape=(224, 224, 3,))
shared_layers = Dense(16)(input)
model = KerasModel(input=input, output=shared_layers)
model.compile(loss='binary_crossentropy', optimizer='sgd', metrics='accuracy'])
我打电话给model.
浏览 6提问于2017-02-21得票数 13
回答已采纳
我正在编写一个用于训练各种tf.keras-based模型的图形用户界面应用程序。因此，所有关于accuracy、loss等的信息都应该在图形用户界面上可见，而不是默认的Keras控制台输出。
现在，我设法通过一个自定义的tf.keras.callbacks.Callback类在模型训练期间获得了所有相关信息，这个类工作得很好。但我也想知道当前纪元的进度，即到目前为止，当前纪元已训练了多少%，即Keras在训练期间通过进度条打印到控制台的内容。
有没有办法也在Keras回调中检索这些信息？
浏览 0提问于2020-06-02得票数 1
1回答
Keras，形状是不相容的
、、、、
我建立了一个keras分类模型，我有不同长度的输入，所以我使用train_on_batch。我得到了一个ValueError: Shapes (1, 5) and (1, 36329, 5) are incompatible。
每个输入都是一组2D点。
X_train.shape >>> (2680,) X_train[0].shape >>> (36329, 2) X_train[5].shape >>> (40233, 2)
对于输出形状：
y_train.shape >>> (2680, 5)
# y_train[0
浏览 5提问于2022-03-23得票数 1
我有一个旧的Keras代码，我已经将它移植到了tensroflow2 tf.keras上，只做了最少的修改。它现在在GPU上运行速度慢了2倍，但它使用的是GPU。我用过 import tensorflow as tf
tf.compat.v1.disable_eager_execution() 在我的每个脚本的顶部(我创建模型并使用单独的.py文件训练它)，但我怀疑可能以某种方式启动了渴望执行。 我不使用fit_generator，但我使用train_on_batch并手动完成循环，因为我正在训练一个对抗性网络。 我如何检查/确保从头到尾都关闭了急切执行？我运行的主脚本是train.py，它
浏览 11提问于2020-04-27得票数 0
回答已采纳
2回答
训练特征的Keras形状
、、、、
我试图用keras train_on_batch函数来训练nn。我有39个特点，并希望一批包含32个样本。所以我有一个列表，列出了每个训练迭代的32个numpy数组。
下面是我的代码(这里每个batch_x都是包含39个特性的32个numpy数组的列表)：
input_shape = (39,)
model = Sequential()
model.add(Dense(39, input_shape=input_shape)) # show you is only first layer
...
for batch_x, batch_y in train_gen:
model.t
浏览 5提问于2016-09-19得票数 1
回答已采纳
2回答
内存耗尽太快
、、、、
因此，我尝试使用此代码的修改版本
()
其使用致密层512、128、32、8而不是卷积层。我相信原始的使用(63,3,3)，(128,3,3)，(256,3,3)，(512,3,3)，(512,3,3)。由于使用了宽度为3的4个块，如果我是正确的，那么在我的版本中总共使用了4536个节点。此外，除了最后一块的最后一行之外，所有层都使用tanh激活。
我在Ubuntu18.04上运行，内存为16 in，但我注意到在它(运行keras和TF2)执行train_on_batch之后，可用内存从空闲的-m命令的13232下降到9718，并且在每20集之后第一次调用train_on_batch时，可用内
浏览 2提问于2020-04-26得票数 0
我有一个具体的例子，即网络相对较小，为了收敛和泛化，我应该保持小批大小(例如256)，这将导致每一个时期处理数百批。
不幸的是，在这个场景批处理中，加载和损失计算成为瓶颈(正如timeline工具告诉我的那样)。
在TensorFlow中，您可以编写类似的东西来加载GPU上的数据：
with tf.device('/gpu:0'):
train_data = tf.constant(train_data_numpy)
但是，如果我将train_data传递给Keras Model.predict或Model.fit函数，则会得到以下错误：
keras/engine/tr
浏览 0提问于2017-10-11得票数 24
我正在做一个有指导的RNN项目。我使用教科书来指导我，但我自己做了很多事情。我遇到了一个问题，因为下面的历史不是Keras模型，而是一个历史对象。 from keras.models import Sequential
from keras import layers
from keras.optimizers import RMSprop
from keras.layers import LSTM
model = Sequential()
model.add(layers.Flatten(input_shape=(7,data.shape[-1])))
model.add(layers.
浏览 20提问于2019-02-26得票数 0
回答已采纳
我使用序列模型创建了一个tf.keras，如下所示：
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(8, input_dim=4))
model.add(tf.keras.layers.Dense(3, activation=tf.nn.softmax))
opt = tf.train.AdamOptimizer(learning_rate=0.001)
model.compile(optimizer=opt, loss="categorical_crossentropy", metrics=[&#
浏览 4提问于2018-07-09得票数 5
回答已采纳
2回答
许多程序通过打印到stdout，然后返回到行首并再次发音来显示进度条。通过这种方式，它们可以实现实时进度条显示。
不幸的是，在许多情况下，此功能在PyCharm的控制台中不起作用。
这是一个如何显示keras训练进度条的示例：
也就是说，每个进度条的更改都会进入单独的行。
有没有可能解决这个问题？
浏览 0提问于2017-07-10得票数 29
回答已采纳
我想使用Keras为Faces数据集实现一个自动编码器。我使用train_on_batch是因为数据集太大了，但我面临这个问题：
for i in range(10):
batch_index = 0
while batch_index <= train_data.batch_index:
data = train_data.next()
result = train_result.next()
model.train_on_batch(data[0],result[0])
batch_index = bat
浏览 4提问于2019-02-12得票数 0
我试着在网上训练神经网络。我想在卷积神经网络上使用Tensorflow Keras train_on_batch函数。下面是：
look_back=1600
inputTensor = keras.layers.Input([look_back+3,2])
inputTensorReshaped = tf.reshape(inputTensor, [1, look_back + 3, 2, 1])
#split into 2 groups
inputgroup1 = keras.layers.Lambda(lambda x: x[:, :3], output_shape=((1, 3, 2,
浏览 1提问于2021-09-10得票数 1
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
1回答
我正在阅读Keras中的train_on_batch函数是如何工作的。我的理解是，它只训练了一批。这里有人说，如果你输入10张图片，而你的批次大小是2，你的网络只会对两张图像进行训练。哪两张是特别的，只是前两张？选择批处理后，培训工作是否与fit中的相同？
对于上下文，我试图从头开始复制这个函数。
浏览 4提问于2021-12-29得票数 0
是否可以在keras中编写一个自定义损失函数，这样写道：“对于数据集A的所有数据:像这样计算损失……对于数据集B的所有数据:像这样计算损失。” 我目前的实现有两个独立的模型，它们有自己的损失函数，然后在单独的train_on_batch调用中给出两个数据提要。 对于上下文，我的系统是一个GAN，它的任务是在两个数据集之间创建域不可区分的表示，同时还执行分类。然而，使用我目前的方法，感觉好像“领域不可区分”任务是优先的，我的分类准确率并没有上升到随机以上。(然而，如果我关闭域任务，分类准确率将上升到大约80%)。我想要排除的一个问题是，每个训练循环都会有多个非混洗数据的train_on_bat
浏览 13提问于2020-06-16得票数 0
我所说的“进度条”指的是tf.keras.Model.fit中显示的标准进度条 据我所知，它显示了您选择的指标的运行平均值(在当前时期)，但我希望它显示上次完成迭代时的值。 有没有一种内置的方法来实现这一改变？如果不是，最简单的方法是什么？
浏览 11提问于2021-06-25得票数 0
我正在使用Keras来使用train_on_batch命令对我的CNN进行模拟图像的训练，可以得到训练的损失。下一次跑--我正在预测精度，并回忆使用我的预先训练的CNN (自己的体系结构)来预测我的结果，在那里我使用命令predictions =model.predict(np.array(图像)，batch_size=batch_size)将我的数据再分割成训练和测试数据集。
我希望得到验证损失，但我不确定如何做？
浏览 1提问于2020-01-23得票数 0
回答已采纳
我试图通过Tensorflow编写一个具有自定义丢失功能的Keras 2 LSTM：
model.compile(loss=in_top_k_loss, optimizer='rmsprop', metrics=[bin_crossent_true_only, 'binary_crossentropy', 'mean_squared_error', 'accuracy'])
我的培训集有不同大小的时间维度的示例，因此我使用train_on_batch，其中每个批只包含具有相同时间维度的实例。批次大小是256。以下代码在第一个时代(
浏览 0提问于2017-04-20得票数 2
回答已采纳
我试图更新Keras模型中的权重(让它成为模型A)。
在训练循环过程(Train_on_batch)中，从另一个模型(模型B-它是模型A的扩展，最后是两个额外的层)中给出了权重，并使用以下方法更新权重：
modelA.set_weights(modelB.get_weights())
令人惊讶的是，即使网络的体系结构是不同的，它也能工作(流程运行)。怎么可能呢？set_weights()是否自动裁剪额外的重量？或者是出了什么问题，更新的重量被混淆了？
浏览 4提问于2019-09-27得票数 0
回答已采纳
2回答
有状态LSTM:何时重置状态？
、、、、
给定具有维数的X (m样本、n序列和k特征)和具有维数的y标签(m样本，0/1)
假设我想要训练一个有状态的LSTM (按照keras定义，其中“state= True”意味着每个样本之间的序列之间不重置单元状态-如果我错了，请纠正我！)，是每个时代还是每个样本基础上重新设置状态？
示例：
for e in epoch:
for m in X.shape[0]: #for each sample
for n in X.shape[1]: #for each sequence
#train_on_batch for mo
浏览 3提问于2017-08-10得票数 9
hiya已经尝试为鲸鱼物种做一个图像分类器，有9个类别，我正在运行Python3.6，这些是我的代码 import numpy as np
from tensorflow import keras
from tensorflow.keras.layers import Dense, GlobalAveragePooling2D
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras
浏览 44提问于2019-12-13得票数 0
train_on_batch()和fit()有什么不同？我们应该使用train_on_batch()的情况是什么？
浏览 0提问于2018-03-04得票数 48
回答已采纳
3回答
我想监控一下eg。在进度条和Tensorboard中的Keras训练期间的学习速率。我认为必须有一种方法来指定记录哪些变量，但在Keras 上没有立即澄清这个问题。
我猜这与创建自定义函数有关，但是，应该可以修改已经存在的进度条回调，不是吗？
浏览 14提问于2018-01-11得票数 16
回答已采纳
在GPU集群上使用TensorFlow (版本1.12.0)和Keras (版本2.2.4)，我在一个循环中训练了10个简单且相同的分类器。我在性能上遇到了出乎意料的巨大变化。经过一些故障排除后，我决定看看我是如何清除模型之间的Keras会话的。我发现 import tensorflow as tf
import keras.backend as K
from keras import Sequential
from keras.layers import Lambda, Dense, Flatten
for i in range(10):
K.clear_session()
浏览 52提问于2021-01-08得票数 0
2回答
完全错误:
UnknownError:未能得到卷积算法。这可能是因为cuDNN未能初始化，所以尝试查看上面是否打印了警告日志消息。执行部分:Conv2D
用于包安装的命令:
conda install -c anaconda keras-gpu
安装It :
pyhb38c66f_1tensorflow 2.0.0 gpu_py37h57d29ca_tensorflow-base 2.0.0 gpu_py37h390e234_tensorflow-estimator 2.0.0 pyh2649769_tensorflow-gpu 2.0.0anacondacudatoolkit 10.0.
浏览 0提问于2020-01-23得票数 3
回答已采纳
我想使用Keras来训练带有一批训练数据的多输入神经网络，但是我无法传递一组输入和输出样本来在模型上执行fit或train_on_batch。
我的NN的定义如下：
i1 = keras.layers.Input(shape=(2,))
i2 = keras.layers.Input(shape=(2,))
i3 = keras.layers.Input(shape=(2,))
i_layer = keras.layers.Dense(2, activation='sigmoid')
embedded_i1 = i_layer(i1)
浏览 4提问于2017-07-31得票数 7
回答已采纳
任何帮助都将不胜感激。我正在练习“在Keras中使用YOLOv3进行目标检测”，作为教程模型的一部分，您可以在以下网站上找到：(https://machinelearningmastery.com/how-to-perform-object-detection-with-yolov3-in-keras/)。在下面的代码块中，我试图“做出预测”： # make prediction
yhat = model.predict(Image_file)
# summarize the shape of the list of arrays
print([a.shape for a in yhat])
浏览 32提问于2020-03-29得票数 0
回答已采纳
我试着用一些数据来训练一个简单的keras模型
方法1
model.train_on_batch(x, y)
和方法2
with tf.GradientTape() as g:
g.watch(model.variables)
loss = my_loss(
y_true=y,
y_pred=model(x)
)
gradients = g.gradient(loss, model.variables)
opt.apply_gradients(
zip(gradients, model.vari
浏览 1提问于2020-02-25得票数 1
1回答
我正在寻找一个等同于scikit learn的partial_fit：https://scikit-learn.org/0.15/modules/scaling_strategies.html#incremental-learning的keras，用于增量/在线学习。 我最终找到了train_on_batch方法，但我找不到一个示例来说明如何在如下所示的dataset的for循环中正确地实现它： x = np.array([[0.5, 0.7, 0.8]]) # input data
y = np.array([[0.4, 0.6, 0.33, 0.77, 0.88, 0.71]]) #
浏览 42提问于2020-09-16得票数 1
回答已采纳
使用Keras，人们通常会免费获得指标(例如准确性)作为进度条的一部分。使用这里的示例：
在运行后，例如
history = model.fit(x_train, y_train,
batch_size=batch_size,
epochs=epochs,
verbose=1,
validation_data=(x_test, y_test))
Keras将开始拟合模型，并将显示进度输出，如下所示：
3584/60000 [>
浏览 11提问于2017-08-22得票数 0
我正在尝试使用带有imagenet权重的相关VGG19来预测图像类(0,1)。到目前为止，我的代码如下： batch_size_train=32
batch_size_test=32
num_train=1688
num_test=310
num_of_epochs=10
def create_generator(img_path, batch_size):
data_gen_args = dict(rescale=1./255,
rotation_range=90)
img_datagen = ImageDataGener
浏览 30提问于2020-10-23得票数 0
回答已采纳
我很惊讶在Nvidia tf.keras.applications.ResNet50上使用tf.keras.applications.ResNet50实现(内存为11 on !)时会遇到内存不足的错误。
问题：
我使用的工作流有问题吗？
备注：
我用的是tensorflow-gpu==2.0.0b1和CUDA v10.1
我处理一个分段任务，因此大的output_shape
我自己构建批处理，从而使用train_on_batch()
即使将memory_growth设置为True，内存也会在一秒钟内从700 of填充到10850 of。
代码：
import tenso
浏览 1提问于2019-07-23得票数 1
我正在写一个基于CNN的两种类型图像之间的分类代码。我想测量我工作的准确性、敏感性和特异性，但不幸的是，我有以下错误。你能告诉我我的问题出在哪里吗？
m = tf.keras.metrics.SensitivityAtSpecificity(0.5)
model.compile(optimizer='adam', loss=keras.losses.binary_crossentropy, metrics=['accuracy',m])
错误：
Traceback (most recent call last):
File "C:/Users/Ham
浏览 0提问于2019-04-12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
实时音视频活动推荐
腾讯云开发者
