Keras函数模型产生子类化错误
是指在使用Keras库进行深度学习模型开发时，当我们使用函数式编程模型创建模型，而后尝试使用子类化编程模型进行进一步的扩展或修改时产生的错误。
函数模型是Keras中一种简洁而高效的构建模型的方式，它通过将层和模型作为可调用的函数来定义模型的计算图。使用函数模型，我们可以很方便地定义各种网络拓扑结构，并进行模型的训练和预测。
然而，当我们想要对函数模型进行更灵活的定制时，可能会尝试使用子类化编程模型。子类化编程模型允许我们继承Keras中的基本模型类，并通过自定义的方式构建模型。这种方式在需要更复杂的模型结构、自定义的层或训练过程中非常有用。
然而，在将函数模型转换为子类化模型时，常常会遇到一些错误。这些错误通常是因为在子类化模型中，我们需要重写一些方法或属性，但由于函数模型已经封装了这些方法和属性，所以直接进行重写会导致冲突。
为了解决Keras函数模型产生子类化错误，可以考虑以下几点：
- 避免直接使用子类化编程模型：如果函数模型已经满足了需求，可以尽量避免使用子类化模型。函数模型具有足够的灵活性和可扩展性，可以满足大多数情况下的需求。
- 确保正确重写方法和属性：如果必须使用子类化模型，需要仔细研究Keras的文档，了解需要重写的方法和属性。确保在重写时没有遗漏任何必要的步骤，并且尽量避免与函数模型中已有的方法和属性产生冲突。
- 参考Keras官方示例和文档：Keras官方提供了丰富的示例和文档，可以帮助理解如何正确使用子类化模型。可以仔细研究这些示例和文档，并尝试在自己的代码中应用相似的思路和方法。
在腾讯云的产品中，与深度学习模型开发和部署相关的产品包括：
- 弹性GPU：腾讯云提供的GPU实例，可用于加速深度学习模型的训练和推理。产品链接：https://cloud.tencent.com/product/gpu
- AI机器学习平台（AI Lab）：腾讯云提供的一站式AI开发平台，可用于构建、训练和部署深度学习模型。产品链接：https://cloud.tencent.com/product/ailab
- 云服务器（CVM）：腾讯云提供的弹性计算服务，可以用于搭建深度学习模型的开发和训练环境。产品链接：https://cloud.tencent.com/product/cvm
以上是腾讯云中与深度学习模型开发相关的产品，可以根据具体需求选择适合的产品进行使用。
相关·内容
1回答
我有一个具有数字特征和标签的数据集。我正在使用TensorFlow (TFF)构建一个联邦学习模型。基本上，我所拥有的模型是(神经网络)，它总是在TFF教程中解释。我想问，是否有机会为本地客户建立另一个模型，例如支持向量机？因为它适合我的数据集。
我的神经网络：
def create_keras_model():
initializer = tf.keras.initializers.Zeros()
return tf.keras.models.Sequential([
tf.keras.layers.Input(shape=(18,)),
tf.keras.l
浏览 5提问于2022-06-06得票数 0
回答已采纳
当访问中间层的输出时，我总是收到错误消息：AttributeError: Layer l has no inbound nodes.，我读到必须确定入口层中的input_shape才能克服这个问题： class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
self.flatten = tf.keras.layers.Flatten(input_shape=(28, 28))
self.dense = tf.keras.layer
浏览 31提问于2020-03-31得票数 0
构建一个具有多个输出的子类模型，使用tensorflow数据集作为输入。自定义数据集。 使用keras fit来训练模型。 当我只使用训练数据集时，它可以运行。但是，一旦我使用相同类型的数据集作为验证输入，它就会出错：“检查模型目标时出错:预期没有数据，但得到了：” 数据类型类似于'tuple( Data，(target，target1))‘ tensorflow-gpu==1.12，tensorflow.keras 错误的信息 File "/home/god/anaconda3/envs/tensorflow_n/lib/python3.6/site-packages/te
浏览 23提问于2019-02-12得票数 0
回答已采纳
我试图从我以前训练过的模型中移除顶层。这是我使用的代码：
import os
import h5py
import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Convolution2D, MaxPooling2D, ZeroPadding2D
from keras.layers import Activation, Dropout, Flatten, Dense
# KERAS
浏览 1提问于2017-02-08得票数 0
回答已采纳
我注意到tf.keras.backend.get_session()和keras.backend.get_session()返回不同的会话对象。
为了确保他们返回相同的对象？我有一些使用tf.keras.backend.get_session()来用tf.saved_model.simple_save保存Keras模型的代码，但是如果模型来自使用keras而不是tensorflow.keras的库，则会引发一个未初始化的错误
示例代码：
import tensorflow as tf
from keras.applications import ResNet50
import keras.ba
浏览 3提问于2019-05-31得票数 1
我使用的Keras类似于这里的端到端示例-- https://keras-team.github.io/keras-tuner/tutorials/subclass-tuner/ 生成的一些模型比其他模型大得多，而较大的模型会导致OOM错误，从而停止调优。 我知道我可以设置一个max_model_size (https://github.com/keras-team/keras-tuner/issues/175)。但是，调谐器是否可以根据模型的大小选择最大批处理大小，或者跳过对于内存来说太大的批处理大小，而不是限制模型大小？
浏览 28提问于2020-07-06得票数 2
1回答
我要使用这个TensorFlow来混合张量和Keras张量：
但是，当输出需要是Keras张量而不是TensorFlow张量时，问题发生在最后一层。有什么简单的方法可以直接转化吗？还是有一个Keras函数可以进行双线性调整？
finalOut = predict_flow2
finalOut = tf.image.resize_bilinear(finalOut, tf.stack([h, w]), align_corners=True)
model = Model(input=input, output=finalOut)
model.summary()
错误信息：
TypeError:将
浏览 2提问于2018-02-23得票数 5
我正在尝试训练一个CNN来检测一个图像是否是深度假的，但在运行代码时我一直收到这个错误: TypeError: fit_generator()缺少一个必需的位置参数：‘生成器’我如何摆脱这个错误？我的代码有问题吗？我也不确定分类器类是否是必要的，所以我把它包括进来了，但把它注释掉了。
我的完整代码如下：
import tensorflow as tf
config = tf.compat.v1.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.compat.v1.Session(config=config)
i
浏览 0提问于2021-03-06得票数 0
1回答
我试图在我自己的tf2.1.0-keras模型中使用bool条件，下面是一个简单的例子：
import tensorflow as tf
class TestKeras:
def __init__(self):
pass
def build_graph(self):
x = tf.keras.Input(shape=(2),batch_size=1)
x_value = x[0,0]
y = tf.cond(x_value > 0, lambda :tf.add(x_value,0), lambda :t
浏览 16提问于2021-03-03得票数 0
回答已采纳
2回答
Tensorflow模型没有改进
、、、、
我刚刚开始学习ML/Tensorflow/等等，所以我还只是个新手，还不知道故障排除方法是什么样子的。我目前对我的模型有一个问题，因为它似乎没有真正改善。例如，输出显示为
Epoch 1/10
4/4 [==============================] - 41s 10s/step - loss: 0.8833 - accuracy: 0.4300
Epoch 2/10
4/4 [==============================] - 12s 3s/step - loss: 0.8833 - accuracy: 0.4300
Epoch 3/10
4/4 [=====
浏览 1提问于2020-06-18得票数 0
回答已采纳
我构建了这样一个简单的模型，将(32, 32, 1)的输入形状指定到第一个(也是唯一的)层：
import numpy as np
import tensorflow as tf
class Model(tf.keras.Model):
def __init__(self):
super().__init__()
self.conv = tf.keras.layers.Conv2D(64, 3, input_shape=(32, 32, 1))
def call(self, x):
x = self.conv(x)
return x
model =
浏览 1提问于2020-04-02得票数 0
回答已采纳
我的图像分类模型是使用below.When函数显示的，它给出了以下错误： ValueError:检查输入时出错:要求conv2d_1_input具有形状(64，64，3)，但得到形状为(64，64，4)的数组 模型如下图所示： # Importing the Keras libraries and packages
from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
f
浏览 31提问于2019-01-29得票数 0
回答已采纳
我正在尝试使用Tensorflow >= 2.4构建一个子类模型，该模型由预先训练的卷积基础和顶部的一些致密层组成。但是，子类模型的冻结/解冻在以前训练过后不起作用。当我对函数式API执行同样的操作时，一切都会按预期运行。我真的很感谢一些关于我在这里遗漏的东西的提示:下面的代码应该进一步说明我的问题。请原谅我的代码数量： #Setup
import tensorflow as tf
tf.config.run_functions_eagerly(False)
import numpy as np
from tensorflow.keras.regularizers import
浏览 79提问于2021-08-23得票数 0
回答已采纳
我使用keras fit()方法，并将自定义指标传递给模型。指标是有状态的-即是Metric的子类，如中所述，当我使用tf.distribute.MirroredStrategy()在多GPU环境中运行代码时，我的指标代码将在每个GPU上单独调用，并传递batch_size/no_of_gpus示例，这是合理的预期。
接下来发生的事情是，度量值的多个标量(来自每个图形处理器)需要减少到单个标量，而我一直得到的是sum减少，而我希望控制这一点。请记住，reduction参数是keras中Loss参数，而Metric类中没有这样的参数：
(我尝试的唯一疯狂的事情是继承一个Mean类，这个类是Met
浏览 7提问于2021-03-19得票数 1
我正在用解决这个图像分类问题。我正在尝试使用子类化API's来做几乎所有的事情。我已经创建了我的custom转换块，如下所示：
class ConvBlock(keras.layers.Layer):
def __init__(self, in_features, kernel_size=(3, 3)):
super(ConvBlock, self).__init__()
self.conv = keras.layers.Conv2D(in_features, kernel_size, padding="same")
浏览 8提问于2021-06-07得票数 1
回答已采纳
1回答
TensorFlow模型语法
、、、、
我是神经网络和Tensorflow的新手
通常，当我们在TensorFlow中建立一个神经网络模型时，我们定义它的方式如下：
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(150, 150, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
我
浏览 3提问于2020-08-16得票数 0
回答已采纳
我想知道如何使用这里描述的转移学习：
问题是，我尝试使用的模型不是已知的内置Keras模型(如MobileNetV2 )之一。因此，我想我需要做下面的第一步(步骤1)，以便能够完成本教程中提到的转移学习(步骤2-6)。
1.从包含Saved_Model文件的目录加载模型.
将模型冻结(使模型的可训练参数unchangeable)Make为一个单独的层，并将其叠加在冻结模型的基础上，对模型进行训练。保存新训练的模型。使用新训练的模型进行预测。
我的问题是关于第一步。在试图使用以下Python代码/脚本加载模型时，我遇到了一个错误，我不知道如何修复它：
from __future__ import
浏览 16提问于2020-03-04得票数 1
我正在构建一个基本的自动编码器，并使用这里的keras文档作为指南：。
我被卡住了，并将其切换为能够从flow_from_directory对象中安装，下面是我设置的一个：
data_gen = tf.keras.preprocessing.image.ImageDataGenerator()
train_generator = data_gen.flow_from_directory(
directory= 'train_images',
target_size=(28, 28),
color_mode="rgb",
batc
浏览 6提问于2021-05-22得票数 2
回答已采纳
我正在尝试围绕我自己的数据集构建一个模型，但该模型无法编译。它总是给我以下错误: NotImplementedError，RuntimeError:构建模型的失败尝试次数太多。
这是我的代码：
import tensorflow
import pandas as pd
# import HPT requirements
from kerastuner import HyperModel
#import keras
from tensorflow.keras.layers import (
Dense,
Dropout,
#Flatten,
)
# load data
浏览 1提问于2020-12-09得票数 0
1回答
我使用的是tensorflow联合示例中的示例"stateful_clients“。我想使用预先训练好的模型权重来初始化模型。我使用函数model.load_weights(init_weight)。但它似乎不起作用。第一轮的验证准确率仍然很低。我该如何解决这个问题？
def tff_model_fn():
"""Constructs a fully initialized model for use in federated averaging."""
keras_model = get_five_layers_cnn(
浏览 1提问于2020-12-13得票数 1
我用一个callbacks.ModelCheckpoint()文件自动保存了我的模型。
# Checkpoint In the /output folder
filepath = "./model/mnist-cnn-best.hd5"
# Keep only a single checkpoint, the best over test accuracy.
checkpoint = keras.callbacks.ModelCheckpoint(filepath, monitor='val_acc',
浏览 0提问于2018-10-11得票数 8
回答已采纳
2回答
比较以下代码片段。我实现了一个简单的keras模型，如下所示
inp = layers.Input((10,2))
x = layers.Flatten()(inp)
x = layers.Dense(5)(x)
m = models.Model(inputs=inp, outputs=x)
出于某种原因，我需要以一种客观的方式使用我的模型。所以没问题，很容易将其重新实现为：
class MyModel(tf.keras.Model):
def __init__(self, inp_shape, out_size = 5):
super(MyModel, self).__i
浏览 0提问于2021-07-14得票数 0
我正在尝试一个分别连接表示和分类部分的TensorFlow模型。然而，我的分类器使用来自相同表示网络的两个输入，当我编码这个体系结构时，我收到错误：“传递给模型的输入列表是多余的。所有输入应该只出现一次。”这是我拥有的代码。 import tensorflow as tf
def representation():
inp = tf.keras.Input(shape=[100, 300])
x = tf.keras.layers.Conv1D(300, 10, 1, 'same')(inp)
output = tf.keras.layers.Con
浏览 17提问于2020-09-21得票数 0
我正试图在我的神经网络上实现一个自定义的丢失函数，如果张量是numpy数组，它看起来会是这样的：
def custom_loss(y_true, y_pred):
activated = y_pred[y_true > 1]
return np.abs(activated.mean() - activated.std()) / activated.std()
Y有一个(batch_size, 1)的形状；也就是说，它是每个输入行的标量输出。
布斯:这篇文章()给了我一个前进的初步方向。
编辑：
这是一个可复制的设置，我正在尝试应用自定义丢失函数：
import numpy
浏览 2提问于2021-02-20得票数 1
回答已采纳
1回答
我想创建一个仅在推理时使用的辅助输入层，但不知道如何做。我想做一些类似以下的事情： inputs = tf.keras.Input(shape=(784,))
x = tf.keras.layers.Dense(64, activation='relu')(inputs)
x = tf.keras.layers.InputLayer((64,), name='input_foo')(x)
predictions = tf.keras.layers.Dense(64, activation='relu')(x)
model = tf.kera
浏览 17提问于2020-04-07得票数 0
如何在每个on_train_batch_begin处更新学习率的值 lr_decayed_fn = tf.keras.experimental.CosineDecay(initial_lr, decay_steps)
model.compile(optimizer=tf.keras.optimizers.SGD(learning_rate=lr_decayed_fn)) 我试过这种方式 def on_train_batch_begin (self, batch, logs = None):
lr = K.get_value(self.model.optimizer.lr) 但我得到了
浏览 103提问于2021-04-09得票数 0
我有一个Keras模型，用于多类分类问题。我要这么做：
model.compile(
loss='categorical_crossentropy',
optimizer='adam',
metrics=['accuracy'],
)
我现在有大约100个特性，还有大约2000种可能的课程。一个热编码类会导致内存问题。
是否可以在这个Keras模型中使用categorical_crossentropy，而不是对类标签进行一次热编码。例如，与其让目标看起来像：
[0, 0, 0, 1, 0, 0, ...]
只是：
3
我查
浏览 1提问于2018-11-01得票数 6
我有一个keras模型，预训练权重h5df约为700mb。我想在Apache Spark中使用它作为广播变量。1.这似乎是不可能的，因为keras模型本身不是spark感知的，也是不可序列化的。2.我在谷歌上搜索了一下，发现了Elephas库。因此，尝试在ElephasTransformer中包装Keras预训练模型。这抛出了多个错误(我使用的是python 2.7 )。例如，在Elephas的ml_model.py文件"from pyspark.ml.util import keyword_only“中，导入不可用。即使我试图注释掉这一点并在代码中进行适当的修改，它似乎也无法处理ke
浏览 6提问于2017-09-30得票数 3
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
我是TensorFlow集线器的新手，我正尝试在我的Conv1D网络中使用集线器嵌入层进行文本分类。 在顺序模型中使用集线器嵌入层没有任何问题： hub_layer = hub.KerasLayer("https://tfhub.dev/google/nnlm-en-dim50/2",
input_shape=[], dtype=tf.string, trainable=False)
model = tf.keras.Sequential()
model.add(hub_layer)
model.add(tf.keras.layers.Dense(128))
model.
浏览 32提问于2021-04-13得票数 0
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
我试图使用keras (版本2.3.1)和tensorflow (版本1.13.1)创建顺序MLP模型。
我创建了这样的模型：
model = keras.models.Sequential([
keras.layers.Flatten(input_shape=[24, 49]),
keras.layers.Dense(300, activation="relu"),
keras.layers.Dense(300, activation="relu"),
keras.layers.Dense(300, activation=
浏览 2提问于2019-12-19得票数 0
1回答
我正在尝试使用RNN预测18个多类概率向量(14个独占类)的序列，并将11维数字向量作为输入。在整个序列预测过程中，输入的数值向量是相同的。 为此，我在tensorflow中定义了此模型： model = keras.models.Sequential([
keras.layers.SimpleRNN(20, return_sequences=True, input_shape=[1, 11]),
keras.layers.SimpleRNN(20, return_sequences=True),
keras.layers.SimpleRNN(14, return_s
浏览 41提问于2021-04-08得票数 1
回答已采纳
我试着训练一个名为的CNN耦合模型。
PredPP函数是根据定义的。
首先，我试图定义模型。
model = tf.keras.models.Sequential()
inputs_shape = [n_samples, n_days, n_lat, n_lon, n_channels]
predpp_layer = PredPP(inputs_shape, n_channels,
num_layers, num_hidden,
ifn,
True,
)
浏览 7提问于2022-01-25得票数 0
简而言之，我有2个经过训练的模型，一个在2个班级上训练，另一个在3个班级上训练。我的代码加载模型、加载图像并预测分类结果。 finetune_model = tf.keras.models.load_model(modelPath)
model = load_model(my_file)
img = image.load_img(img_path, target_size=(img_width, img_height))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)
pred
浏览 16提问于2020-01-03得票数 1
我正在两台计算机上工作(一台在家里，一台在工作中)；它们都安装了TensorFlow 2.8.0。当我在家里训练这个模型(它是tf.keras.Sequential模型)时，通过调用来保存它：
model.save(<filepath>)
并在工作中通过调用：
tf.keras.models.load_model(<filepath>)
它错误地失败了：
AttributeError: '_UserObject' object has no attribute 'predict'
我在这里读到，它可能是由于不同的版本(这不应该是我的情况)
浏览 8提问于2022-06-13得票数 1
回答已采纳
1回答
我有一个关于TF2.0中的tf.keras和tf函数的问题。如果我有一个这样的模型：
inputdata = keras.Input(shape=(2048, 1))
x = layers.Conv1D(16, 3, activation='relu')(inputdata)
x = layers.Conv1D(32, 3, activation='relu')(x)
x = layers.Conv1D(64, 3, activation='relu')(x)
我想添加一个这样的自定义函数，它是一个1D的SubPixel
浏览 16提问于2020-03-03得票数 0
回答已采纳
2回答
从神经网络的特定层中提取激活
、、、、
我当时正在研究一个图像识别问题。在训练模型之后，我保存了架构和权重。现在，我想使用该模型从其他图像中提取特征，并对其执行SVM。为此，我想删除模型的最后两层，并获得CNN计算的值和到那时为止的完全连接层。我如何在Keras中做到这一点呢？
浏览 12提问于2021-01-23得票数 0
我学习了机器学习，并试图构建一个简单的tensorflow模型。当我尝试训练模型时，我的损失数字大约是10。
5s 83us/step - loss: 9.6847 - acc: 0.3971
模型代码：
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.layers.D
浏览 34提问于2018-12-15得票数 0
回答已采纳
3回答
最近，我一直在使用Tensorflow后端在Keras中应用网格搜索交叉验证(sklearn GridSearchCV)进行超参数调优。一旦我的模型被调优，我就会尝试保存GridSearchCV对象以供以后使用，但没有成功。
超参数调整如下所示：
x_train, x_val, y_train, y_val = train_test_split(NN_input, NN_target, train_size = 0.85, random_state = 4)
history = History()
kfold = 10
regressor = KerasRegressor(build_
浏览 0提问于2018-07-19得票数 10
我已经在Colaboratory中构建并训练了一个RNN模型，并使用检查点回调将其保存： tf.keras.callbacks.ModelCheckpoint( filepath=chkpt_p, save_weights_only=False) 保存的数据如下所示： ? 如果我理解正确的话，这个目录包括模型和权重。我应该使用哪个函数来恢复它(在另一个运行时)？
浏览 16提问于2020-11-15得票数 0
回答已采纳
我在试着制作keras模型检查点代码。但是每当我启动代码时，就会发生get_config错误。下面是我的卡拉斯代码。
model = keras.Sequential()
model.add(keras.layers.Flatten(input_shape=(8,)))
model.add(keras.layers.Dense(512))
model.add(LeakyReLU(alpha=0.2))
model.add(keras.layers.Dropout(0.1))
model.add(keras.layers.Dense(1))
model.compile(optimizer = k
浏览 1提问于2021-06-07得票数 1
在我的Tensorflow 2模型中，我希望我的批量大小是参数化的，这样我就可以动态地构建具有适当批量大小的张量。我有以下代码：
batch_size_param = 128
tf_batch_size = tf.keras.Input(shape=(), name="tf_batch_size", dtype=tf.int32)
batch_indices = tf.range(0, tf_batch_size, 1)
md = tf.keras.Model(inputs={"tf_batch_size": tf_batch_size}, outputs=
浏览 45提问于2021-03-09得票数 2
我尝试用Python和Keras库创建一个自动编码器。我想把我的模型分成两部分:编码器和解码器。但是当我尝试创建解码器时，我有一个错误。
我的代码是：
autoencoder = tf.keras.models.Sequential()
encoding_dim = 250
nb_classe = 4
# Inputs
input_imgA = keras.Input(shape=(784,))
input_imgB = keras.Input(shape=(784,))
input_imgC = keras.Input(shape=(784,))
# Encoder part
enc
浏览 1提问于2021-03-20得票数 0
我在这里引用Keras文档：，它演示了一个典型的传输学习工作流。
首先，用预先训练的权重实例化一个基本模型.
base_model = keras.applications.Xception(
weights='imagenet', # Load weights pre-trained on ImageNet.
input_shape=(150, 150, 3),
include_top=False) # Do not include the ImageNet classifier at the top.
然后，冻结基本模型。
base_model.
浏览 4提问于2021-06-18得票数 1
回答已采纳
2回答
我正在使用tensorflow后端和Jupyter-Notebook在Keras中训练我的模型。虽然MNIST示例在每个批次之后更新训练日志的输出，但我在不同数据集上的新模型会为每个批次输出一个新值。现在，我不想使用verbose=2，而是希望看到值在每次批处理后都会更新。
我的fit函数如下所示：
model.fit(X, y_train, validation_split=0.33, epochs=1, batch_size=200, verbose=1)
输出如下所示：
Train on 16415 samples, validate on 8085 samples
Ep
浏览 0提问于2017-09-24得票数 2
1回答
TensorFlow版本: tf 1.13.1
Keras版本: 2.2.4
Python版本: 3.7
调试后，我发现在我的模型的各个部分添加激活层之后，layer会删除2个属性_keras_history和_keras_shape。
目前，该模型还没有编译，因为我的体系结构在计算逻辑之后，在最终应用了一个激活层。
代码：
x = keras.activations.relu(x)
ff_layer2 = keras.layers.DepthwiseConv2D(128, strides=(1, 1), depth_multiplier=1, padding='same'
浏览 0提问于2019-05-27得票数 0
回答已采纳
1回答
假设我们想在平面上放一条直线，穿过原点和点(1，2)。我们可以将其视为线性回归，样本大小为1，没有截距。另一方面，这可以表示为一个相当琐碎的神经网络，没有隐藏层，也没有激活。在Keras中，如下所示：
model = keras.Sequential([
keras.layers.Dense(1, input_shape=(1,), use_bias=False,
kernel_initializer=keras.initializers.Zeros()),
])
model.compile(loss='mse', opt
浏览 0提问于2018-11-28得票数 0
有谁能解释一下将keras模型(保存的模型格式)冻结为.pb格式的TensorFlow 2格式的过程吗？创建了一个示例mobilenet keras模型并以保存的模型格式将其保存到磁盘中。
import tensorflow as tf
#Tensorflow version: 2.7.0
model = tf.keras.applications.mobilenet.MobileNet(
include_top=True,
weights='imagenet',
input_tensor=None,
poo
浏览 5提问于2021-12-16得票数 0
我尝试了文档中描述的所有选项，但没有一个允许我在tensorflow 2.0.0 beta1中保存我的模型。我还试图升级到TF2-RC (也是不稳定的)，但这甚至毁了我在beta中工作的代码，所以我现在迅速回滚到beta。
请参阅下面的最小复制代码。
我试过的是：
model.save("mymodel.h5")
NotImplementedError:将模型保存为HDF5格式需要该模型是一个功能模型或序列模型。它不适用于子类模型，因为这类模型是通过Python方法的主体定义的，而Python方法不能安全地序列化。考虑保存为Tensorflow SavedMode
浏览 2提问于2019-08-30得票数 8
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
