np_utils.to_categorical Keras方法给出了一个错误，当我给它一个包含3个类1,1,1，...,2,2,2，...3,3,3的962元素的向量时。
使用的代码：
from keras.utils import np_utils
Y_train = np_utils.to_categorical(testY, 3)
我得到了一个错误：
---------------------------------------------------------------------------
IndexError Tr
浏览 0提问于2019-05-19得票数 0
回答已采纳
为什么Keras to_categorical在1，-1和2，-2上的行为不同？
y = [1, -1, -1]
y_ = np_utils.to_categorical(y)
array([[ 0., 1.],
[ 0., 1.],
[ 0., 1.]])
y = [2, -2, -2]
y_ = np_utils.to_categorical(y)
array([[ 0., 0., 1.],
[ 0., 1., 0.],
[ 0., 1., 0.]])
浏览 3提问于2017-07-20得票数 3
回答已采纳
1回答
我有多类数据，label或y列包含以下数据：
print(y.unique())
5 6 7 4 8 3 9在这种情况下，类数等于7(在对深度学习建模时)，但当我做这样的热编码时：
import keras
from keras.utils import np_utils
y_train =np_utils.to_categorical(y_train)
y_test =np_utils.to_categorical(y_test)
尺寸增加到10
打印(y_train.shape)：(4547，10)
也许因为我们有最多9的数字，而且(0,1,2)也包括在内(实际上它不是在原始数据中表示的)
浏览 2提问于2021-05-07得票数 0
回答已采纳
我有标签："user"，"user2"，"user3“ 下面是我的预处理： data = np.array(data, dtype="float32")/ 255.0
labels = np.array(labels)
lb = preprocessing.LabelBinarizer()
transfomed_label = lb.fit_transform(labels)
print(transfomed_label)
data = data.transpose()
X_train, X_test, y_train, y_te
浏览 18提问于2019-04-15得票数 0
我对Python非常陌生。我得到以下索引错误：
Traceback (most recent call last): File "Pride.py", line 109, in <module>
plt.imshow(X_train[i,0], interpolation='nearest')
IndexError: index 100 is out of bounds for axis 0 with size 8
代码如下：
print('X_train shape:', X_train.shape)
print(X_train.
浏览 0提问于2019-03-30得票数 1
我正在练习一个简单的MNIST示例，我得到了一个类似于标题的错误，我不知道什么是索引11513。下面是完整的代码。
np.random.seed(3)
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_val = x_train[50000:]
y_val = y_train[50000:]
x_train = x_train[:50000]
y_train = y_train[:50000]
x_train = x_train.reshape(50000, 784).astype('float32')
浏览 0提问于2017-12-15得票数 0
回答已采纳
我已经通过连接训练图像制作了一个矩阵 A = np.concatenate((folder[0], folder[1], folder[2], folder[3], folder[4], folder[5],folder[6], folder[7])) 我已经定义了一个矩阵，它是矩阵A中图像的标签。矩阵的每一行都表示训练图像。为了标记矩阵中的所有行，我定义了一个大小为3777×1的矩阵。矩阵中的值是1、2、3、4、5、6、7、8，分别标记行1到1719、1720到1920、1921到2036、2037到2103、2104到2568、2568到2868、2868到3044、3044到3778。
浏览 20提问于2019-10-01得票数 0
下面是我的代码： y_lbl = np.array([4])
i = 0
for imgfile in glob.glob("./data/trigger/content/*.png"):
i += 1
im = Image.open(imgfile)
im = np.array(im)
im = im.reshape(1, 28, 28, 1) / 255.0
if i == 1:
x_train = im
y_train = y_lbl
else:
x_train = np.
浏览 47提问于2019-12-11得票数 0
我运行的代码行如下： import tensorflow
import keras
from keras.utils import np_utils
import pickle
# Get the data into the correct format for Keras
X_train = np.array(X_train)
y_train = np.array(y_train)
X_test = np.array(X_test)
y_test = np.array(y_test)
# One hot encode the target
lb = LabelEncoder()
y
浏览 24提问于2021-08-12得票数 0
我的代码如下：
from keras.datasets import mnist
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Dense, Activation
(x_train, y_train), (x_test, y_test) = mnist.load_data()
y_train = np_utils.to_categorical(y_train, 10)
y_test = np_utils.to_categorical(y_test, 1
浏览 0提问于2017-06-21得票数 0
回答已采纳
1回答
def load_cifar10_data(img_rows, img_cols):
# Load cifar10 training and validation sets
(X_train, Y_train), (X_valid, Y_valid) = cifar10.load_data()
# Resize training images
X_train = np.array([cv2.resize(img, (img_rows,img_cols)) for img in X_train[:,:,:,:]])
X_valid = np.arra
浏览 74提问于2020-01-12得票数 0
回答已采纳
1回答
import numpy as np
from keras.datasets import cifar10
from keras.layers import Dense, Activation
from keras.optimizers import SGD
from keras.utils import np_utils
from keras import backend as k
from keras.models import Sequential
(Xtr,Ytr),(Xte,Yte)=cifar10.load_data()
Xtr = Xtr.astype('float3
浏览 0提问于2018-11-15得票数 1
回答已采纳
我正在尝试将SKLearn Tfidfvectorizer与Keras结合使用，但我遇到了以下错误: Exception:检查模型输入时出错:期望dense_input_1具有形状(None，126)，但得到具有形状(700,116)的数组
我知道这与矩阵的形状有关，但我不知道如何解决它。
vectorizer = TfidfVectorizer(analyzer=self.identity, use_idf=True, max_features=2000)
#a list of sentences
x_train_vec = vectorizer.fit_transform(x_train
浏览 21提问于2017-01-18得票数 3
回答已采纳
1回答
代码：
import keras.datasets.fashion_mnist as fashion_mnist
import keras
import matplotlib.pyplot as plt
from keras.utils import np_utils
from sklearn.model_selection import train_test_split
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
xtrain, xvalid, ytrain, yv
浏览 2提问于2020-10-16得票数 0
回答已采纳
下面是我正在尝试运行的代码 labelled_data = [data, Label]
X,Y = [labelled_data[0],labelled_data[1]]
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.4,
random_state=4)
x_test, x_validation, y_test, y_validation=train_test_split(X_test,
Y_test, test_size=0.5,
random_state=4)
import numpy
浏览 58提问于2019-09-30得票数 0
我该如何解决这个问题？
ValueError:输入0与lstm_10层不兼容:预期的ndim=3，找到ndim=2
数据集链接：
在运行此代码时，我得到了上面提到的错误。此代码将训练数字的mfcc数据，从0到9，系数为13。
from __future__ import print_function
import numpy as np
from keras.optimizers import SGD
np.random.seed(1337)
from keras.utils import np_utils
from keras.models import Sequential
f
浏览 1提问于2018-10-27得票数 0
回答已采纳
1回答
我一直在使用LabelEncoder进行分类输出 from keras.utils import np_utils
from sklearn.preprocessing import LabelEncoder
label = LabelEncoder()
y_train = np_utils.to_categorical(label.fit_transform(y_train))
y_test = np_utils.to_categorical(label.fit_transform(y_test)) 在输出中有4个类，编码后的标签如下所示 ? 模型看起来像这样： model0 = Se
浏览 19提问于2020-04-20得票数 0
回答已采纳
1回答
我正在使用神经网络，我想在FPGA上实现它。我有一个在MNIST上工作的代码，我想用float32获得初始权值，然后用不动点在FPGA上重新训练权重。
我正在用python运行我的模拟。我正在寻找一种方法来完成这个转换。
from keras.datasets import mnist
from keras.layers import Dense
from keras.models import Sequential
from keras.layers import Dropout
from keras.utils import np_utils
import matplotlib.pyplo
浏览 3提问于2017-06-06得票数 2
回答已采纳
我正在尝试将一个单热整数向量数组转换为一个单热向量数组，keras将能够使用它来拟合我的模型。以下是代码的相关部分：
Y_train = np.hstack(np.asarray(dataframe.output_vector)).reshape(len(dataframe),len(output_cols))
dummy_y = np_utils.to_categorical(Y_train)
下图显示了Y_train和dummy_y的实际含义。
我找不到任何可以帮助我的to_categorical文档。
提前谢谢。
浏览 5提问于2017-01-06得票数 11
1回答
我试图在数据矩阵X_train上安装一个keras分类器。
dummy_y = np_utils.to_categorical(y_train)
dummy_y_val = np_utils.to_categorical(y_val)
def baseline_model(optimizer='rmsprop', init='normal', dropout_rate =0.0):
model = Sequential()
model.add(Dense(100, input_dim = X_train.shape[1], activation
浏览 0提问于2017-06-15得票数 0
我正在训练一个简单的模型在keras的NLP任务与以下代码。对于训练、测试和验证集，变量名称是自解释的。这个数据集有19个类，所以网络的最后一层有19个输出。标签也是独热编码的。
nb_classes = 19
model1 = Sequential()
model1.add(Embedding(nb_words,
EMBEDDING_DIM,
weights=[embedding_matrix],
input_length=MAX_SEQUENCE_LENGTH,
浏览 5提问于2017-08-21得票数 25
回答已采纳
我试着在训练我的模型时诊断是什么导致了低精度。在这一点上，我只是想能够获得高精度的训练(我可以担心测试的准确性/过度拟合的问题以后)。如何调整模型以提高训练精度？我想这样做是为了确保在预处理步骤(洗牌、拆分、正常化等)中没有犯任何错误。
#PARAMS
dropout_prob = 0.2
activation_function = 'relu'
loss_function = 'categorical_crossentropy'
verbose_level = 1
convolutional_batches = 32
convolutional_epochs
浏览 3提问于2017-07-27得票数 5
回答已采纳
1回答
在神经网络中获取维度错误
、、、
您好，我正在尝试制作一个神经网络，并得到一个错误的ValueError: Error when checking input: expected conv2d_27_input to have 4 dimensions, but got array with shape (60000, 28, 28)
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
from keras.datasets import mnist
from keras.models import Sequential
浏览 6提问于2020-05-17得票数 0
我已经建立了模型，但在创建混淆矩阵时，我遇到了一些错误。 代码如下： from sklearn.utils import shuffle
data,Label = shuffle(A,label,random_state=2)
train_data = [data,Label]
#loading the dataset
X,Y = [train_data[0],train_data[1]]
#spli
浏览 20提问于2019-10-02得票数 2
我使用CNN将图像分类为30个不同的类，在运行CNN时，我将得到以下跟踪-
Traceback (most recent call last):
File "thapar.py", line 165, in <module>
Y = np_utils.to_categorical(labels, num_classes)
File "/home/rishav/anaconda3/envs/tensorflow/lib/python3.6/site-packages/keras/utils/np_utils.py", line 31, in to_ca
浏览 2提问于2018-06-05得票数 3
1回答
我正在编写一个python脚本来读取两个csv文件。下面提供了代码片段。如果文件包含很少的记录(8,000)，则代码工作得很好。但是，如果文件包含大量记录(120,000)，则我遇到了MemoryError on line (X_train = X_train.astype('float32'))。
img_lst_train = []
label_lst_train = []
img_lst_test = []
label_lst_test = []
print ('Reading training file')
with open('train
浏览 25提问于2018-02-08得票数 1
回答已采纳
import numpy as np
from keras.utils import np_utils
nsample = 100
sample_space = ["HOME","DRAW","AWAY"]
array = np.random.choice(sample_space, nsample, )
uniques, coded_id = np.unique(array, return_inverse=True)
coded_array = np_utils.to_categorical(coded_id)
示例
输入
['AWA
浏览 52提问于2016-08-09得票数 15
回答已采纳
当我打印(Inp_shape)时，我得到(288512，3)。然而，我仍然得到错误"ValueError: error when checking input:期望conv2d_1_input有4维，但得到形状为(120，1)的数组“。我不明白形状(120，1)是从哪里来的。
dropout_prob = 0.2
activation_function = 'relu'
loss_function = 'categorical_crossentropy'
verbose_level = 1
convolutiona
浏览 5提问于2017-08-02得票数 1
我在读书研究凯拉斯。
我在书中执行了一段代码，但我出错了。
from keras.utils import np_utils
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Activation
import numpy as np
from numpy import argmax
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train.resh
浏览 1提问于2020-04-01得票数 0
回答已采纳
我试图用keras的函数API来建立一个递归的神经网络，但是遇到了一些关于输出形状的问题，任何帮助都将不胜感激。
我的代码：
import tensorflow as tf
from tensorflow.python.keras.datasets import mnist
from tensorflow.python.keras.layers import Dense, CuDNNLSTM, Dropout
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.utils impo
浏览 0提问于2019-03-01得票数 0
回答已采纳
4回答
我看到imageDataGenerator允许我指定不同类型的数据规范化，例如featurewise_center、samplewise_center等。
我从这些例子中看到，如果我指定了这些选项之一，那么我需要调用生成器上的fit方法，以便允许生成器计算统计数据，比如生成器上的平均图像。
(X_train, y_train), (X_test, y_test) = cifar10.load_data()
Y_train = np_utils.to_categorical(y_train, nb_classes)
Y_test = np_utils.to_categorical(y_test,
浏览 5提问于2017-01-25得票数 21
回答已采纳
我的输入形状是(150,10,1)，我的输出形状也是(150,10,1)。我的问题是多分类(3类)。在使用np_utils.to_categorical(Y训练)之后，输出的形状将是(150,10,3)，这是完美的。然而，在使用GlobalAvgPool1D()建模的过程中，它给出了错误：“当使用作为损失categorical_crossentropy时，形状为(150，10，3)的目标数组被传递为形状(None，3)的输出。此损失期望目标具有与输出相同的形状”。我该怎么解决它呢？
我的代码：
nput_size = (150, 10, 1)
Xtrain = np.random.randin
浏览 4提问于2020-06-07得票数 1
1回答
我从csv文件中提取了一系列图像的特征及其标签，如下所示 data = pandas.read_csv("data.csv", delimiter=',', dtype=str)
for index, row in data.iterrows():
img = image.load_img(row['image_path'], target_size=(img_width, img_height))
trainImage = image.img_to_array(img)
trainImage = np.expand_d
浏览 9提问于2019-01-21得票数 1
回答已采纳
我正在尝试可视化keras中每个卷积层的输出，链接如下：。我已经修改了一些层来删除错误，但现在我坚持使用密集层错误。
np.set_printoptions(precision=5, suppress=True)
np.random.seed(1337) # for reproducibility
nb_classes = 10
# the data, shuffled and split between tran and test sets
(X_train, y_train), (X_test, y_test) = mnist.load_data("mnist.pkl"
浏览 8提问于2017-01-31得票数 2
回答已采纳
我是使用人工神经网络解决分类问题的新手。
我有一个分类问题，其中输入数据是8列，小数值是测量值，输出数据是8列，整数值是对象
INPUTS
785.39 6.30 782.75 771.82 7.53 -94.86 378.66 771.82
.
.
.
OUTPUTS
8 9 5 7 3 1 6 2
.
.
.
训练数据的记录是800，测试数据的记录是200
这是代码
import numpy
from keras.models import Sequential
from keras.layers impo
浏览 1提问于2017-05-13得票数 1
我想从零开始在CIFAR-100上训练MobileNetV2，我得到了下面的结果，在那里，它在一段时间后就停止了学习。
这是我的密码。我希望看到至少60%-70%的验证准确性，我想知道我是否必须在imagenet上对其进行预培训，还是因为CIFAR100只是32x32x3？由于一些限制，我使用了带有tensorflow 1.12.0的Keras2.2.4。
from keras.applications.mobilenet_v2 import MobileNetV2
[..]
(x_train, y_train), (x_test, y_test) = cifar100.load_
浏览 3提问于2019-10-23得票数 0
回答已采纳
1回答
用纸袋法预测课文
、、、、
我正在尝试使用word模型的包进行文本分类。一切都很好，直到我使用测试集来测试和评估准确性，但是我们如何检查单个语句的类。
我有一个有两个类标签和身体的数据框架。
cout_vect = CountVectorizer()
final_count = cout_vect.fit_transform(df['body'].values.astype('U'))
from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.la
浏览 0提问于2018-08-07得票数 2
回答已采纳
嗨，我下载了cifar-10数据集。
在我的代码中，它加载数据集，如下所示。
import cv2
import numpy as np
from keras.datasets import cifar10
from keras import backend as K
from keras.utils import np_utils
nb_train_samples = 3000 # 3000 training samples
nb_valid_samples = 100 # 100 validation samples
num_classes = 10
def load_cifar10
浏览 17提问于2018-03-01得票数 3
1回答
为什么所有的结果都是一样的
、、、、
在建立简单的神经网络结构和运行预测函数之后，我在Keras的CNN代码中出现了一个问题--所有的预测都有相同的结果--我自己的数据分为两类(健康的、不健康的)--我以前以为问题是图片的复杂性，但是当我将代码应用到另一个包含来自(白色图像，黑色图像)的数据中时，我发现了相同的结果，你认为是什么原因造成了这个问题？
我的架构CNN代码
#batch_size to train
batch_size = 32
# number of output classes
nb_classes = 2
# number of epochs to train
nb_epoch = 2
# number of
浏览 0提问于2018-04-30得票数 0
回答已采纳
1回答
我理解将训练数据中的标签作为一次性编码传递给Keras模型的想法，但我正在尝试创建一个在推理过程中返回字符串的模型，而不是我必须自己解码的一次性编码。 具体地说，我不想做以下事情： encoder = LabelEncoder()
encoder = encoder.fit(labels)
encoded_Y = encoder.transform(labels)
y_true = np_utils.to_categorical(encoded_Y). # Model accepts this during training
prediction = model.predict(quer
浏览 36提问于2021-10-28得票数 0
1回答
我一直在研究一个涉及CNN及其权重的项目，我一直在努力减少CNN中的权重。在训练CNN之前，我想调整MNIST图像的大小，从28x28调整到14x14，但我不知道如何在Keras中实现。
下面是导入MNIST数据集和构建CNN的代码示例：
# LOAD MNIST DATA
(X_train, y_train), (X_test, y_test) = mnist.load_data()
# RESHAPE TO [SAMPLES][PIXELS][WIDTH][HEIGHT]
X_train = X_train.reshape(X_train.shape[0], 1, 28, 28).asty
浏览 3提问于2018-06-03得票数 1
回答已采纳
2回答
我在Keras模块中训练了一个前馈神经网络，但它存在一些问题。问题是对带有自写数字的图像进行了错误的预测。
(X_train, y_train), (X_test, y_test) = mnist.load_data()
RESHAPED = 784
X_train = X_train.reshape(60000, RESHAPED)
X_test = X_test.reshape(10000, RESHAPED)
X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_tr
浏览 2提问于2018-11-30得票数 0
这是一个可运行的代码片段，它在我的机器上生成错误。我有这个错误(从零大小的数组到最大的缩减操作没有标识)。
reader = csv.reader(open(BASE_PATH + 'labels.csv'))
# skip the header
next(reader)
X = []
y = []
for row in reader:
label = row[2]
if len(label) > 0 and label.find(',') == -1:
filename = get_filename_for_index
浏览 2提问于2017-06-10得票数 0
我正在Windows 10上使用带有Tensorflow的Keras，我试图为成人数据集()创建一个maschine学习模型。
首先，我做了一个热编码，然后我试图训练我的模型，但我得到：
"ValueError:无法广播输入数组从形状(14,1)到形状(14)"
即使我将input_dim更改为14以外的东西，我仍然会得到相同形状的错误。
我做错了什么？
df = pd.read_csv("adult_data.csv",header=None)
X = df.iloc[:,0:14]
Y = df.iloc[:,14]
encoder = LabelEnco
浏览 2提问于2017-12-09得票数 3
回答已采纳
3回答
我正在尝试研究Keras库，并尝试从运行这个示例。
'''Trains a simple deep NN on the MNIST dataset.
Gets to 98.40% test accuracy after 20 epochs
(there is *a lot* of margin for parameter tuning).
2 seconds per epoch on a K520 GPU.
'''
from __future__ import print_function
import numpy as np
np.rando
浏览 2提问于2016-05-05得票数 3
回答已采纳
1回答
分类mnist二进制类
、、、、
我想为MNIST数据集实现一个神经网络，我在网上找到了很多例子。但我想用一种不同的方法来研究这个问题:我想创建10个NN (作为类的数量)，在这个NN中，我只对一个类和其他类进行分类(例如:第一个NN只分析"1“类与其他类)。这只是一个练习(我是python新手，我想学习)。
这是我实际的python代码，你有什么建议修改mi代码以获得我上面解释的类分离吗？
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense
import numpy
fr
浏览 10提问于2018-02-18得票数 0
我是Keras的初学者，我正在为MNIST写一个简单的程序，但当我试图加载模型时，我得到了这个错误：
ValueError: You are trying to load a weight file containing 2 layers into a model with 0 layers.
这是我的代码：
import numpy as np
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense
from keras.utils import n
浏览 0提问于2018-07-11得票数 0
from keras.preprocessing.text import text_to_word_sequence
import pandas as pd
from keras.preprocessing.text import Tokenizer
import numpy as np
# from __future__ import print_function
from keras.preprocessing import sequence
from keras.models import Sequential
from keras.layers import Dense, Dropou
浏览 6提问于2021-12-06得票数 9
这段代码是一位老师给我们的，所以它应该马上就能工作。但是，我不能让它运行。
K.image_data_format()
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load data
(X_train, y_train), (X_test, y_test) = cifar10.load_data()
# normalize inputs from 0-255 to 0.0-1.0
X_train = X_train.astype('float32')
X_test = X_t
浏览 0提问于2020-11-19得票数 0
2回答
我正在尝试使用tf keras进行多类分类。我总共有20个标签，我拥有的总数据是63952，我尝试了以下代码
features = features.astype(float)
labels = df_test["label"].values
encoder = LabelEncoder()
encoder.fit(labels)
encoded_Y = encoder.transform(labels)
dummy_y = np_utils.to_categorical(encoded_Y)
然后
def baseline_model():
model = Sequ
浏览 0提问于2020-04-29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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
