問題タブ [keras]

このような一連の画像を分類しようとしています。各クラスは、同様の細胞構造から取得した画像で構成されています。

これを行うために、次のように構造化された単純なネットワークを Keras で構築しました。

変更されていないネットワークは、MNIST 分類で非常に高い精度 (>90%) を達成しますが、これらのタイプの画像では 5% を超えることはほとんどありません。これは、それらが複雑すぎるためですか? 私の次のアプローチは、スタックされた深いオートエンコーダーを試すことです。

私はkeras推奨モデルを構築するために使用しています。Hits @ N metricアイテムセットがかなり大きいので、精度の目安としてを計算したいと思います。つまり、観測されたアイテムが予測された上位 N に含まれる場合、関連する推奨事項としてカウントされます。

を使用して N 関数でヒットを作成できましたnumpy。しかし、それを のカスタム損失関数に移植しようとしているときにkeras、テンソルに問題があります。具体的には、テンソルの列挙は異なります。そして、構文を調べて同等のものを見つけたとき、アプローチ全体に疑問を抱き始めました。私の一般的な python の親しみやすさを反映して、ずさんで遅いです。

よりコンパクトでテンソルに適した方法でこれにアプローチするにはどうすればよいですか?

アップデート：

Top 1 のバージョンを動作させることができました。GRU4Recの説明に大まかに基づいています

トップ 1 予測の配列と実際の要素ごとの配列を比較する必要がありました。そしてTheanoにはそれeq()を行う機能があります。

Keras (Theano を使用) を使用して CNN モデルをトレーニングしています。私のC++アプリケーションでそれをどのように使用できるか知っている人はいますか? 誰かが似たようなことを試しましたか？ネットワーク関数を使用して C++ コードを生成する Python コードを作成することを考えています - 何か提案はありますか?

ここで、C++ で Tensorflow Keras モデルを使用する方法について同様の質問を見つけましたが、回答はありません。

Keras と単純なニューラル ネットワークで遊んでいます。問題は、正確性と、正確性を向上させるための次のステップについてです。

http://archive.ics.uci.edu/ml/datasets/default+of+credit+card+clientsのデータセットを検討してください 。これには、デフォルトがあるかどうかを予測することを目的とした 30K の例と 24 の機能があります。入力レイヤーに 24 の入力ソース、16 の非表示、および最終的なソフトマックス レイヤーを含む単純なネットを作成しました。損失は​​ binary_crossentropy です。テストは 10%、validation_split は 20%

1つの入力行は

コードは

出力は

このエラーが発生したときに誰が通知してくれますか? 顔認識にはVGG16-netを使用しています。

エラー (theano.gof.opt): 次の理由による最適化の失敗:

LocalOptGroup(local_abstractconv_gemm,local_abstractconv_gradinputs_gemm,local_abstractconv_gradweight_gemm,local_conv2d_cpu,local_conv2d_gradinputs_cpu,local_conv2d_gradweight_cpu)

エラー (theano.gof.opt): ノード: AbstractConv2d{border_mode='valid', subsample=(1, 1), filter_flip=True, imshp=(None, None, None, None), kshp=(512, 512, 3, 3)}(IncSubtensor{Set;::, ::, int64:int64:, int64:int64:}.0, convolution2d_26_W) エラー (theano.gof.opt):

トレースバック: エラー (theano.gof.opt): トレースバック (最新の呼び出しが最後): ファイル "D:\Anaconda2\lib\site-packages\theano\gof\opt.py"、1772 行、process_node の置換 = lopt。 transform(node) ファイル "D:\Anaconda2\lib\site-packages\theano\gof\opt.py"、1223 行、transform repl = opt.transform(node) ファイル "D:\Anaconda2\lib\site- packages\theano\tensor\nnet\opt.py", line 153, in local_conv2d_cpu subsample=node.op.subsample) ファイル "D:\Anaconda2\lib\site-packages\theano\tensor\nnet\conv.py",行 132、conv2d assert image_shape[1] == filter_shape[1] AssertionError

画像 [なし、なし、なし、なし] フィルター [512、512、3、3] トレースバック (最新の呼び出しが最後):

ファイル ""、1 行目、runfile('E:/Deep Learning/vgg.py', wdir='E:/Deep Learning') 内

ファイル "D:\Anaconda2\lib\site-packages\spyderlib\widgets\externalshell\sitecustomize.py"、699 行目、実行ファイル execfile(ファイル名、名前空間) 内

ファイル "D:\Anaconda2\lib\site-packages\spyderlib\widgets\externalshell\sitecustomize.py"、74 行目、execfile exec(compile(scripttext, filename, 'exec'), glob, loc)

ファイル "E:/Deep Learning/vgg.py"、110 行目、model.fit(data,label,batch_size=100,nb_epoch=10,shuffle=True,verbose=1,show_accuracy=True,validation_split=0.2) 内

ファイル "D:\Anaconda2\lib\site-packages\keras\models.py"、402 行目、適合する sample_weight=sample_weight)

ファイル "D:\Anaconda2\lib\site-packages\keras\engine\training.py"、999 行目、self._make_test_function() に適合

ファイル "D:\Anaconda2\lib\site-packages\keras\engine\training.py"、666 行目、_make_test_function **self._function_kwargs 内)

ファイル「D:\Anaconda2\lib\site-packages\keras\backend\theano_backend.py」、503 行目、関数 return Function(inputs, outputs, updates=updates, **kwargs) で

ファイル "D:\Anaconda2\lib\site-packages\keras\backend\theano_backend.py"、489 行目、init **kwargs 内)

ファイル「D:\Anaconda2\lib\site-packages\theano\compile\function.py」、320 行目、関数 output_keys=output_keys 内)

ファイル「D:\Anaconda2\lib\site-packages\theano\compile\pfunc.py」、479 行目、pfunc output_keys=output_keys 内)

ファイル「D:\Anaconda2\lib\site-packages\theano\compile\function_module.py」、行 1776、orig_function output_keys=output_keys).create(

ファイル「D:\Anaconda2\lib\site-packages\theano\compile\function_module.py」、1456 行目、init optimizer_profile = optimizer(fgraph)

ファイル "D:\Anaconda2\lib\site-packages\theano\gof\opt.py"、101 行目、呼び出しで self.optimize(fgraph) を返す

ファイル "D:\Anaconda2\lib\site-packages\theano\gof\opt.py"、89 行目、optimize ret = self.apply(fgraph, *args, **kwargs) で

ファイル "D:\Anaconda2\lib\site-packages\theano\gof\opt.py"、230 行目、apply sub_prof = optimizer.optimize(fgraph) 内

ファイル "D:\Anaconda2\lib\site-packages\theano\gof\opt.py"、89 行目、optimize ret = self.apply(fgraph, *args, **kwargs) で

ファイル「D:\Anaconda2\lib\site-packages\theano\gof\opt.py」、2196 行目、適用 lopt_change = self.process_node(fgraph, node, lopt)

ファイル「D:\Anaconda2\lib\site-packages\theano\gof\opt.py」、1777 行、process_node lopt、node)

ファイル "D:\Anaconda2\lib\site-packages\theano\gof\opt.py"、1673 行目、warn_inplace で NavigatorOptimizer.warn(exc, nav, repl_pairs, local_opt, node) を返す

ファイル "D:\Anaconda2\lib\site-packages\theano\gof\opt.py"、1659 行、warn raise exc

アサーション エラー

これは私のコードです

keras が scipy 疎行列をトレーニング/テスト ベクトルとしてサポートしているかどうかについて、決定的な答えが見つかりません。このリンクを読みましたが、https://www.kaggle.com/c/walmart-recruiting-trip-type-classification/forums/t/18154/training-neural-network- with-scipy-sparse-matrix . https://github.com/fchollet/keras/pull/1886ですが、この PR はそうであることを暗示しているようです。ドキュメントには明示的に記載されていません-誰かが光を当てることができますか?

ありがとう

Keras を使用してネットワークをトレーニングした後:

1. ある順序で、ネットワークの最終的なトレーニング済みの重みにアクセスしたいと考えています。

2. 渡されたすべての入力のニューロン活性化値を知りたいです。たとえば、トレーニング後、入力としてネットワークに渡す場合、ネットワーク内のすべてのニューロン Xのニューロン活性化値を知りたいとします。X

Keras はこれらのものへの API アクセスを提供しますか? ニューロンの活性化値に基づいて、さらに分析を行いたいと考えています。

更新: Theano を純粋に使用してこれを実行できることはわかっていますが、Theano にはより低レベルのコーディングが必要です。そして、Keras は Theano の上に構築されているので、これを行う方法があると思いますか?

Keras でこれができない場合、Tensorflow と Caffe のどちらができるでしょうか? Keras が最も使いやすく、次に Tensorflow/Caffe が続きますが、これらのどれが必要なネットワーク アクセスを提供してくれるのかわかりません。私にとって最後のオプションは、Theano にドロップダウンすることですが、Theano で深い CNN を構築するには、より時間がかかると思います..

私は機械学習に関するいくつかの問題に取り組んでおり、Python で強力なパッケージ Keras (Theano バックエンドを使用) を試してみたいと思っています。ここで数字認識用の MLP のデモを実行していますが、次のエラー メッセージが表示されます。

エラーメッセージが表示された理由がわかりません。バグを修正するのを手伝ってくれる人はいますか? 前もって感謝します。

Keras を使用してモデルをトレーニングしようとしていますが、「ValueError: I/O operation on closed file」というメッセージが表示されます。私を混乱させるのは、毎回トレーニング プロセスの異なる時点でそれを取得することです。そのため、何が原因なのかわかりません。

これが私のコードです：

毎回異なりますが、次のような出力が得られます。

ご覧のとおり、このエラーが発生する前に、モデルはいくつかのエポックを介してトレーニングされます。X_train と y_train は MNIST データセットからのものです。また、詳細をオフにすると、問題が解決することがわかりました。これで基本的には解決しますが、詳細を使用できません。このエラーを発生させずに更新を表示する方法はありますか?

やりたいこと: cifar10 データセットの畳み込みニューラル ネットワークを 2 つのクラスだけでトレーニングしたいと考えています。次に、適合モデルを取得したら、すべてのレイヤーを取得して、入力画像を再現します。そのため、分類の代わりにネットワークから画像を取得したいと考えています。

私がこれまでに行ったこと：

また、私がするとき：

これは 3 チャンネル (RGB) 32 x 32 の画像ということですか?