Keras
文章平均质量分 70
布拉格沃兹基硕德
日拱一卒无有尽,功不唐捐终入海。
展开
-
《Python 深度学习》7.2.2 TensorBoard简介(代码)
1. 使用了TensorBoard的文本分类模型import kerasfrom keras import layersfrom keras.datasets import imdbfrom keras.preprocessing import sequencemax_features = 2000 #作为特征的单词个数max_len = 500 #在这么多单词之后截断文本(x_train, y_train), (x_test, y_test) = imdb.load_data(num原创 2021-11-22 21:36:40 · 1496 阅读 · 0 评论 -
《Python 深度学习》6.4 用卷积神经网络处理序列
# 用卷积神经网络处理序列## 1. 实现一维卷积神经网络Keras 中的一维卷积神经网络是 Conv1D 层,其接口类似于 Conv2D。它接收的输入是形状 为 (samples, time, features) 的三维张量,并返回类似形状的三维张量。卷积窗口是时间轴上的一维窗口(时间轴是输入张量的第二个轴)。我们来构建一个简单的两层一维卷积神经网络,并将其应用于我们熟悉的 IMDB 情感分类任务。提醒一下,获取数据并预处理的代码如下所示。from keras.datasets i原创 2021-11-21 21:19:49 · 1986 阅读 · 0 评论 -
Object arrays cannot be loaded when allow_pickle=False 报错 (解决方法)(来自《Python 深度学习》P190页代码)
1.报错问题:(来自《Python 深度学习》P190页代码)在Vscode运行下述代码的时候,报错:Object arrays cannot be loaded when allow_pickle=Falsefrom keras.datasets import imdbfrom keras.preprocessing import sequencemax_features = 10000 # Number of words to consider as features(作为特征的单.原创 2021-11-17 22:44:38 · 1478 阅读 · 0 评论 -
《Python 深度学习》6.3 循环神经网络的高级用法 (代码)
6.3 循环神经网络的高级用法本节将介绍提高循环神经网络的性能和泛化能力的三种高级技巧。学完本节,你将会掌握 用 Keras 实现循环网络的大部分内容。我们将在温度预测问题中介绍这三个概念。在这个问题中, 数据点时间序列来自建筑物屋顶安装的传感器,包括温度、气压、湿度等,你将要利用这些数 据来预测最后一个数据点24小时之后的温度。这是一个相当有挑战性的问题,其中包含许多处 理时间序列时经常遇到的困难。原创 2021-11-17 18:42:56 · 3076 阅读 · 1 评论 -
failed to create cublas handle: CUBLAS_STATUS_ALLOC_FAILED 报错 (解决方法)
1.报错 问题:(来自GCN_Keras-master代码)在Pycharm运行GCN_Keras代码的时候,报错:①Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA您的CPU支持该TensorFlow二进制文件未编译为使用的指令:AVX2 FMA原因:成功解决Your CPU supports instructions that this TensorF.原创 2021-11-16 16:27:57 · 1898 阅读 · 0 评论 -
《Python 深度学习》6.2 理解循环神经网路
1. 简单RNN的Numpy实现import numpy as np# 定义各种维度大小timesteps = 100input_features = 32output_features = 64inputs = np.random.random((timesteps, input_features))state_t = np.zeros((output_features))W = np.random.random((output_features, input_feature.原创 2021-11-16 15:30:45 · 632 阅读 · 0 评论 -
InternalError: GPU sync failed 报错 (解决方法)
1.报错 问题:(来自《Python深度学习》P178-179)在VScode运行Jupyter Notebook以下代码的时候,报错:InternalError: GPU sync failed.from tensorflow.keras.models import Sequentialfrom tensorflow.keras import layersfrom tensorflow.keras.optimizers import RMSpropmodel = Sequential(.原创 2021-11-15 22:23:31 · 2286 阅读 · 0 评论 -
Cannot convert a symbolic Tensor (simple_rnn/strided_slice:0) to a numpy array. 报错 (解决方法)
1.报错 问题:(来自《Python深度学习》P164-165)在运行以下代码的时候,报错:Cannot convert a symbolic Tensor (simple_rnn/strided_slice:0) to a numpy array.# 只返回最后一个时间步的输出from tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Embedding, SimpleRNNmod.原创 2021-11-15 15:32:15 · 4020 阅读 · 0 评论 -
《Python 深度学习》6.1.3 整合在一起:从原始文本到词嵌入
1. 处理 IMDB 原始数据的标签在每个 neg/pos 目录下面就是一大堆 .txt 文件了,每个里面是一条评论。下面,我们将 train 评论转换成字符串列表,一个字符串一条评论,并把对应的标签(neg/pos)写到 labels 列表。# 处理 IMDB 原始数据的标签import osimdb_dir = 'D:\\2022Thesis\\Deep Learning with Python\\Code\\aclImdb\\aclImdb'train_dir = os...原创 2021-11-14 22:15:04 · 828 阅读 · 0 评论 -
《Python 深度学习》6.1 One-hot 编码 (代码)
One-hot encoding of words or characters单词和字符的 one-hot 编码one-hot 编码是将标记转换为向量的最常用、最基本的方法。在第 3 章的 IMDB 和路透社两 个例子中,你已经用过这种方法(都是处理单词)。它将每个单词与一个唯一的整数索引相关联, 然后将这个整数索引 i 转换为长度为 N 的二进制向量(N 是词表大小),这个向量只有第 i 个元 素是 1,其余元素都为 0。当然,也可以进行字符级的 one-hot 编码。为了让你完全理解什么是原创 2021-11-13 14:41:04 · 1878 阅读 · 0 评论