Pertanyaan yang diberi tag «keras»

Keras adalah perpustakaan jaringan saraf minimalis, sangat modular yang ditulis dengan Python.


2
Melatih RNN dengan contoh dengan panjang berbeda di Keras
Saya mencoba untuk mulai belajar tentang RNNs dan saya menggunakan Keras. Saya memahami premis dasar lapisan vanilla RNN dan LSTM, tetapi saya mengalami kesulitan memahami poin teknis tertentu untuk pelatihan. Dalam dokumentasi keras , dikatakan input ke layer RNN harus berbentuk (batch_size, timesteps, input_dim). Ini menunjukkan bahwa semua contoh pelatihan …
63 python  keras  rnn  training 

3
Apakah batch_size di Keras memiliki efek pada kualitas hasil?
Saya akan melatih jaringan LSTM besar dengan 2-3 juta artikel dan saya berjuang dengan Kesalahan Memori (saya menggunakan AWS EC2 g2x2large). Saya menemukan bahwa salah satu solusinya adalah dengan mengurangi batch_size. Namun, saya tidak yakin apakah parameter ini hanya terkait dengan masalah efisiensi memori atau apakah akan mempengaruhi hasil saya. …

1
Perbedaan antara `Dense` dan` TimeDistributedDense` dari `Keras`
Saya masih bingung tentang perbedaan antara Densedan TimeDistributedDensedari Kerasmeskipun sudah ada beberapa pertanyaan serupa ditanyakan di sini dan di sini . Orang banyak berdiskusi tetapi tidak ada kesimpulan yang disepakati bersama. Dan meskipun, di sini , @fchollet menyatakan bahwa: TimeDistributedDenseberlaku operasi yang sama Dense(terhubung penuh) untuk setiap catatan waktu tensor …

3
Multi GPU dalam keras
Bagaimana Anda bisa memprogram di perpustakaan keras (atau tensorflow) untuk mempartisi pelatihan pada beberapa GPU? Katakanlah Anda menggunakan instance Amazon ec2 yang memiliki 8 GPU dan Anda ingin menggunakan semuanya untuk berlatih lebih cepat, tetapi kode Anda hanya untuk satu CPU atau GPU.


1
RNN dengan banyak fitur
Saya memiliki sedikit pengetahuan otodidak yang bekerja dengan algoritma Machine Learning (jenis dasar Random Forest dan Linear Regression). Saya memutuskan untuk bercabang dan mulai belajar RNN dengan Keras. Ketika melihat sebagian besar contoh, yang biasanya melibatkan prediksi stok, saya belum dapat menemukan contoh dasar beberapa fitur yang diterapkan selain 1 …

1
Bagaimana Keras menghitung akurasi?
Bagaimana Keras menghitung akurasi dari probabilitas classwise? Katakanlah, misalnya kita memiliki 100 sampel dalam set tes yang dapat dimiliki salah satu dari dua kelas. Kami juga memiliki daftar probabilites yang berkelas. Ambang apa yang digunakan Keras untuk menetapkan sampel ke salah satu dari dua kelas?


2
Cara mengatur batch_size, step_per epoch, dan langkah validasi
Saya mulai belajar CNN menggunakan Keras. Saya menggunakan theano backend. Saya tidak mengerti cara mengatur nilai ke: batch_size, langkah per zaman, validation_steps. Apa yang seharusnya menjadi nilai yang ditetapkan batch_size, langkah per zaman, dan langkah validasi jika saya memiliki 240.000 sampel dalam pelatihan dan 80.000 dalam set tes?


2
Keras vs. tf.keras
Saya agak bingung dalam memilih antara Keras (keras-tim / keras) dan tf.keras (tensorflow / tensorflow / python / keras /) untuk proyek penelitian baru saya. Ada perdebatan bahwa Keras tidak dimiliki oleh siapa pun, sehingga orang lebih senang untuk berkontribusi dan akan lebih mudah untuk mengelola proyek di masa depan. …

4
Menggunakan TensorFlow dengan Intel GPU
Saya seorang pemula dalam pembelajaran yang mendalam. Apakah sekarang ada cara untuk menggunakan TensorFlow dengan GPU Intel? Jika ya, tolong tunjukkan saya ke arah yang benar. Jika tidak, beri tahu saya kerangka mana, jika ada, (Keras, Theano, dll) yang dapat saya gunakan untuk Intel Corporation Xeon E3-1200 v3 / 4th …
20 tensorflow  keras  theano  gpu 


4
Bagaimana cara mendapatkan akurasi, F1, presisi dan daya ingat, untuk model yang keras?
Saya ingin menghitung ketepatan, daya ingat dan skor-F1 untuk model KerasClassifier biner saya, tetapi tidak menemukan solusi. Ini kode saya yang sebenarnya: # Split dataset in train and test data X_train, X_test, Y_train, Y_test = train_test_split(normalized_X, Y, test_size=0.3, random_state=seed) # Build the model model = Sequential() model.add(Dense(23, input_dim=45, kernel_initializer='normal', activation='relu')) …

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.