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
Creo que la respuesta sería sí, pero no puedo razonar una buena explicación sobre esto.
Tengo una pregunta sobre cómo aplanar las matrices de imágenes en este caso (64 x 64 pix x 3) a un vector (12288 x 1). Entiendo que cada píxel de la imagen está en una matriz (64 x 64), y si entiendo correctamente, cada elemento de esta matriz es un . . . Read more
ADVERTENCIA: Se ha detectado un SavedModel guardado previo a TF 2.5 al cargar un modelo Keras. Asegúrese de guardar el modelo con model.save() o tf.keras.models.save<em>model(), *NO* tf.savedmodel.save(). Para confirmar, debe haber un archivo llamado “keras_metadata.pb” en el directorio SavedModel. <hr> OpError Traceback (most recent call last) ~\AppData\Local\Temp/ipykernel<em>11864/674996100.py in <module> —-> . . . Read more
Soy nuevo en Pytorch y estoy tratando de hacer algunos experimentos de muestreo de importancia: Durante una época de evaluación, calculo la pérdida para cada muestra de entrenamiento y obtengo la suma de gradientes para esta muestra de entrenamiento. Finalmente, ordenaré las muestras de entrenamiento según los gradientes que introdujeron. . . . Read more