問題タブ [keras]

データ ポイントを 2 つのクラスのうちの 1 つに分類する NLP アプリケーション用に単純なニューラル ネットワーク (keras を使用) を作成しました。私のモデルは、テスト データで 95% を超える精度を示しました。モデルを本番環境にデプロイしました。その実行は良好です。モデルの予測は、電子メールとしてユーザーに送信されます。

*これらのエンド ユーザーは、予測が正しかったかどうかについてフィードバックを返すことができます。このフィードバック (正と負の両方のフィードバック) から継続的に学び、改善するために、このフィードバックをモデルに組み込みたいと考えています *

上記を達成するにはどうすればよいですか？強化学習、オンライン学習、アクティブ ラーニングについて読みました。ポインター/チュートリアル (おそらくコード付き) は非常に役立ちます。

大規模で複雑なデータセットで与えられた例は直感的に把握するのが難しいため、作成した簡単な例が機能するように試行錯誤してきました。以下のプログラムは、重みのリストを[x_0 x_1 ... x_n]取得し、それらを使用して、ランダム ノイズが追加された平面上にポイントのランダムな散乱を作成します。次に、このデータで単純なニューラル ネットワークをトレーニングし、結果を確認します。

グラフモデルでこれを行うと、すべてが完全に機能し、モデルが与えられた重みに収束するため、損失スコアは予想通りゼロになります。しかし、シーケンシャル モデルを使用しようとしても、何も起こりません。以下のコード

必要に応じて、シーケンシャルではなくグラフを使用する他のスクリプトを投稿し、入力の重みが完全に検出されることを示すことができます。

出力は次のとおりです。

kerasの例を実行しようとすると、プログラムはエラーを出力しました.

誰でもそれを解決する方法を知っていますか?

次の Keras パッケージを使用して、Python でニューラル ネットワークに取り組もうとしています。

しかし、次のエラーが発生します。

インストール インストールされてconda install kerasいます。後で使用しようとしましpip install Theanoたが、うまくいきませんでした。を使用してインストールしようとしましpip install gitたが、次のエラーが表示されます: cannot find command git.Git をインストールし、環境変数を設定しました。

これらのパッケージをインストールする手順はありますか?

私はこのデザインでニューラル（ish）ネットをkerasに実装しようとしています： http://nlp.cs.rpi.edu/paper/AAAI15.pdf

このアルゴリズムには、基本的に 3 つの入力があります。入力 2 と入力 3 に同じ重み行列 W1 が乗算され、O2 と O3 が生成されます。入力 1 に W2 を乗算して O1 を生成します。次に、O1 * O2 と O1 * O3 の内積を取る必要があります。

これをkerasで実装しようとしています。

最初に考えたのは、kerasGraphクラスを使用して、W1 を 2 つの入力と 2 つの出力を持つ共有ノード レイヤーにすることでした。ここまでは順調です。

次に、これらの 2 つの出力の内積を O1 でどのように取得するかという問題が発生します。

カスタム関数を定義しようとしました：

それで：

コンパイル時に発生する問題は、keras が Lambda レイヤーに 1 つの入力のみを与えたいということです。

別の方法として、許可されたマージのタイプとしてMergeクラスを使用することも考えられました。dotただし、Mergeクラスの入力レイヤーはコンストラクターに渡す必要があります。Mergeしたがって、出力を共有ノードから に取得してに追加するMerge方法はないようですGraph。

コンテナを使用していた場合はSequential、それらをMerge. Sequentialただし、2 つのレイヤーが同じ重み行列を共有する必要があることを実装する方法はありません。

O1、O2、および O3 を出力層として単一のベクトルに連結し、目的関数内で乗算を実行しようと考えました。しかし、それには目的関数がその入力を分割する必要があり、これは keras では可能ではないようです (関連する Theano 関数は keras API にパススルーされません)。

解決策を知っていますか？

編集：

shared_node実装されていることがわかったのでdot（ドキュメントに記載されていなくても）、 ある程度進歩したと思いました。

だから私はしなければなりません：

そして今、エラーは次のとおりです。