Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
Tengo un sistema con 60 procesadores. Quiero aplicar un modelo de red neuronal de Keras para hacer una predicción en paralelo en los 60 procesadores. ¿Cómo puedo hacer que cada proceso paralelo utilice solo 1 de los 60 procesadores? from pandarallel import pandarallel pandarallel.initialize(nb_workers=60) def my_func(path): # probablemente deba agregarse . . . Read more
Mi conjunto de datos tiene las siguientes formas: y_train.shape, y_val.shape ((265, 2), (10, 2)) x_train.shape, x_val.shape ((265, 4), (10, 4)) Estoy tratando de usar un modelo RNN simple modelo = models.Sequential([layers.SimpleRNN(20, input_shape=(None,4), return_sequences=True), layers.SimpleRNN(20, return_sequences=True), layers.SimpleRNN(2), ]) modelo.compile(optimizer=”Adam”, loss=tf.keras.losses.MeanSquaredError(), metrics=[“accuracy”]) La imagen en el enlace muestra el modelo: El problema . . . Read more
He preentrenado un modelo (mi propio modelo guardado) con dos clases, que quiero usar para aprendizaje por transferencia para entrenar un modelo con seis clases. He cargado el modelo preentrenado en el nuevo script de entrenamiento: base_model = tf.keras.models.load_model(“base_model_path”) ¿Cómo puedo eliminar la capa superior/cabeza (una capa conv1D)? Veo que . . . Read more
En este momento estoy tratando de unir un conjunto de datos que se encuentra disperso en diferentes carpetas en uno solo, este conjunto de datos no tiene etiquetas ya que es una aplicación similar a un codificador automático. El código en este momento está creando los conjuntos de datos de . . . Read more
Estoy entrenando un autoencoder convolucional y tengo este código para cargar los datos (imágenes): train_ds = tf.keras.preprocessing.image_dataset_from_directory( ‘ruta/a/las/imagenes’, image_size=tamaño_imagen ) normalization_layer = layers.experimental.preprocessing.Rescaling(1./255) def adjust_inputs(imagenes, etiquetas): return normalization_layer(imagenes), normalization_layer(imagenes) normalized_train_ds = train_ds.map(adjust_inputs) Como no necesito las etiquetas de clase sino las imágenes mismas como Y, estoy asignando la función adjust_inputs . . . Read more