pycharm中keras版本问题

代码报错:AttributeError: module 'keras.preprocessing.sequence' has no attribute 'pad_sequences'。

一、报错,如图1所示。

图 1

二、导入的库文件与有问题的代码块。这是问题的根源,如图2,3所示。

图 2

图 3

三、解决方法。直接将图2,3分别修改为图4,5所示就好了。

图 4

图 5

四、完整代码:

from __future__ import print_function

import numpy as np

from keras.utils import pad_sequences

from keras.models import Sequential

from keras.layers import Dense, Dropout, Embedding, LSTM, Bidirectional

from keras.datasets import imdb

max_features = 20000

# cut texts after this number of words

# (among top max_features most common words)

maxlen = 100

batch_size = 32

print('Loading data...')

(x_train, y_train), (x_test, y_test) = imdb.load_data(num_words=max_features)

print(len(x_train), 'train sequences')

print(len(x_test), 'test sequences')

print('Pad sequences (samples x time)')

x_train = pad_sequences(x_train, maxlen=maxlen)

x_test = pad_sequences(x_test, maxlen=maxlen)

print('x_train shape:', x_train.shape)

print('x_test shape:', x_test.shape)

y_train = np.array(y_train)

y_test = np.array(y_test)

model = Sequential()

model.add(Embedding(max_features, 128, input_length=maxlen))

model.add(Bidirectional(LSTM(64)))

model.add(Dropout(0.5))

model.add(Dense(1, activation='sigmoid'))

# try using different optimizers and different optimizer configs

model.compile('adam', 'binary_crossentropy', metrics=['accuracy'])

print('Train...')

model.fit(x_train, y_train,

batch_size=batch_size,

epochs=4,

validation_data=[x_test, y_test])

五、如图6所示,训练了4轮次的结果。

图 6

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
以下是使用PyCharm进行手写数字识别的步骤: 1. 安装PyCharm:首先,你需要在你的计算机上安装PyCharm。你可以从JetBrains官方网站下载并安装PyCharm Community Edition(免费版本)或者Professional Edition(付费版本)。 2. 创建新项目:打开PyCharm,点击"Create New Project"(创建新项目)按钮。选择一个合适的项目名称和位置,并选择Python解释器。 3. 导入所需库:在PyCharm的项目,你需要导入一些必要的库,例如TensorFlow和OpenCV。你可以使用以下命令在PyCharm的终端安装这些库: ```shell pip install tensorflow opencv-python ``` 4. 下载训练数据集:手写数字识别需要一个训练数据集来训练模型。你可以从MNIST数据库下载手写数字数据集。在PyCharm的项目创建一个新的文件夹,将数据集保存在该文件夹。 5. 编写代码:在PyCharm创建一个新的Python文件,并编写代码来加载数据集、构建模型、训练模型和进行预测。你可以使用TensorFlow提供的API来实现这些功能。以下是一个简单的示例代码: ```python import tensorflow as tf from tensorflow.keras.datasets import mnist # 加载数据集 (x_train, y_train), (x_test, y_test) = mnist.load_data() # 构建模型 model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dense(10, activation='softmax') ]) # 编译模型 model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) # 训练模型 model.fit(x_train, y_train, epochs=5) # 进行预测 predictions = model.predict(x_test) ``` 6. 运行代码:在PyCharm点击运行按钮,运行你的代码。你将看到模型开始训练,并且在训练完成后进行预测。 请注意,以上只是一个简单的示例,你可以根据自己的需求和数据集进行适当的修改和调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值