es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

Tag: AUTO-KERAS

¿Cómo se utiliza correctamente la capa de inserción de Keras?

He escrito el siguiente modelo Keras TensorFlow de entrada múltiple: CHARPROTLEN = 25 #tamaño del vocabulario CHARCANSMILEN = 62 #tamaño del vocabulario protein_input = Input(shape=(train_protein.shape[1:])) compound_input = Input(shape=(train_smile.shape[1:])) Capas de proteínas x = Embedding(input_dim=CHARPROTLEN+1,output_dim=128, input_length=maximum_amino_acid_sequence_length) (protein_input) x = Conv1D(filters=32, padding=”valid”, activation=”relu”, strides=1, kernel_size=4)(x) x = Conv1D(filters=64, padding=”valid”, activation=”relu”, strides=1, kernel_size=8)(x) . . . Read more

API funcional o capa personalizada de keras tensorflow

Estaba construyendo una red neuronal en tensorflow keras y terminé con el siguiente código como parte del modelo: enc = tfkl.Reshape((-1, 20,input_shape[1]))(input_layer) encoder_output = [] for i in range(enc.shape[1]): o = encoder(enc[:, i, …]) encoder_output.append(o) encoder_output = tf.stack(encoder_output, axis=1) El código FUNCIONA BIEN. Sin embargo, es bastante largo en el . . . Read more

Lista anidada después de realizar una predicción en Keras

Usé lo siguiente para hacer predicciones de mi modelo Keras: # ajustar el modelo Keras en el conjunto de datos ker_model.fit(xtrain, ytrain, epochs=200, verbose=0) predictions = ker_model.predict(xtest) predictions = predictions.astype(int) predictions.mean() predictions Sin embargo, el problema es que mis predicciones están en una lista de arrays anidados. Esto significa que . . . Read more

¿Capa de mayoría en Keras?

¿Existe algún tipo de capa de mayoría en Keras? ¿En la cual la entrada sea un vector 1D y la salida sea un único número que sea el valor que más veces aparece en el vector de entrada? Mi caso de uso es: estoy construyendo un conjunto de redes neuronales, . . . Read more