- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在尝试运行一段代码,告诉我在人类跌倒检测中跌倒和未跌倒的次数,但我收到错误:
input_1:0 is both fed and fetch .
我尝试单独运行它,但从未成功。
from keras.models import Model
from keras.utils import np_utils
import numpy as np
import pandas as pd
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import scipy.io as sio
import matplotlib.pyplot as plt
import keras
from keras.callbacks import ReduceLROnPlateau
from keras.layers.core import Flatten, Dense, Dropout, Lambda
from keras import backend as K
import cv2
def global_average_pooling(x):
return K.mean(x, axis = (2))
def global_average_pooling_shape(input_shape):
return input_shape[0:2]
p=Lambda(global_average_pooling,
output_shape=global_average_pooling_shape)
X = sio.loadmat('/Users/fateh/Documents/Hamidreza Work/ConvFall/ts.mat')
X=X['Data']
import csv
with open('/Users/fateh/Documents/Hamidreza Work/ConvFall/lab.csv', 'r') as mf:
re = csv.reader(mf,delimiter=',',quotechar='|')
re=np.array(list(re))
label = re.astype(np.float64)
Y_t=np.squeeze(label)
nb_epochs = 3
y_train =Y_t[:158]
y_test =Y_t[158:]
x_train=X[:158]
x_test=X[158:]
nb_classes = len(np.unique(y_test))
batch_size = min(x_train.shape[0]/8, 16)
y_train = (y_train - y_train.min())/(y_train.max()-y_train.min())*(nb_classes-1)
y_test = (y_test - y_test.min())/(y_test.max()-y_test.min())*(nb_classes-1)
Y_train = np_utils.to_categorical(y_train, nb_classes)
Y_test = np_utils.to_categorical(y_test, nb_classes)
x_train_mean = x_train.mean()
x_train_std = x_train.std()
x_train = (x_train - x_train_mean)/(x_train_std)
x_test = (x_test - x_train_mean)/(x_train_std)
x_train = x_train.reshape(x_train.shape + (1,))
x_test = x_test.reshape(x_test.shape + (1,))
#x_train = np.transpose(x_train, (0, 2, 1))
#x_test = np.transpose(x_test, (0, 2, 1))
input_shape=x_train.shape[1:]
x = keras.layers.Input(x_train.shape[1:])
# drop_out = Dropout(0.2)(x)
conv1 = keras.layers.Convolution1D(300, 9, padding='same')(x)
conv1 = keras.layers.normalization.BatchNormalization()(conv1)
conv1 = keras.layers.Activation('relu')(conv1)
conv2 = keras.layers.Convolution1D(200, 5, padding='same')(conv1)
conv2 = keras.layers.normalization.BatchNormalization()(conv2)
conv2 = keras.layers.Activation('relu')(conv2)
conv3 = keras.layers.Convolution1D(100, 3, padding='same')(conv2)
conv3 = keras.layers.normalization.BatchNormalization()(conv3)
conv3 = keras.layers.Activation('relu')(conv3)
full = p(conv3)
out = keras.layers.Dense(nb_classes, activation='softmax')(full)
model = Model(input=x, output=out)
optimizer = keras.optimizers.Adam() #'sgd'
model.compile(loss='categorical_crossentropy',
optimizer=optimizer,
metrics=['accuracy'])
reduce_lr = ReduceLROnPlateau(monitor = 'loss', factor=0.5,
patience=500, min_lr=0.001)
hist = model.fit(x_train, Y_train, batch_size=batch_size, epochs=nb_epochs,
verbose=1, validation_data=(x_test, Y_test), callbacks = [reduce_lr])
predict = model.predict(x_test)
preds = np.argmax(predict, axis=1)
log = pd.DataFrame(hist.history)
print(log.loc[log['loss'].idxmin]['loss'], log.loc[log['loss'].idxmin]['val_acc'])
labels = {1:'Non-Fall', 2:'Fall'}
from sklearn.metrics import classification_report, confusion_matrix
print(classification_report(preds, y_test,
target_names=[l for l in labels.values()]))
conf_mat = confusion_matrix(preds, y_test)
fig = plt.figure(figsize=(2,2))
res = plt.imshow(np.array(conf_mat), cmap=plt.cm.summer, interpolation='nearest')
for i, row in enumerate(conf_mat):
for j, c in enumerate(row):
if c>0:
plt.text(j-.2, i+.1, c, fontsize=16)
#cb = fig.colorbar(res)
plt.title('Confusion Matrix')
_ = plt.xticks(range(2), [l for l in labels.values()], rotation=90)
_ = plt.yticks(range(2), [l for l in labels.values()])
inp = model.input # input placeholder
outputs = [layer.output for layer in model.layers] # all layer outputs
functor = K.function([inp]+ [K.learning_phase()], outputs ) # evaluation function
# Testing
test=x_test[2:3,:,:]
test = np.random.random(input_shape)[np.newaxis,:]
layer_outs = functor([test, 1.])
尝试运行此代码,用于让您通过深度卷积神经网络了解文件的跌倒检测,其中雷达数据用于收集原始数据并进行处理。
最佳答案
跳过输入层,
outputs = [layer.output for layer in model.layers[1:]]
如果你还需要的话,可以添加一个身份函数。
outputs.insert(0, K.identity(inp))
关于python - InvalidArgumentError : input_1:0 is both fed and fetched, tensorflow 错误,python,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55350777/
我为句子分类的任务建立了卷积模型,并且模型编译成功。但是,当我尝试将模型与训练/验证数据集拟合时,下面出现奇怪的invalid argument error: InvalidArgumentError
我无法让 keras.backend.function 正常工作。我正在尝试关注这篇文章: How to calculate prediction uncertainty using Keras? 在
我正在尝试在 Keras 中训练一个简单的 LSTM。我的数据具有以下维度: train_x.shape, train_y.shape, test_x.shape, test_y.shape > ((
尝试创建一个非常简单的具有 2 个隐藏层的感知器,它可以学习 f 定义的函数。我遇到的问题(除了不知道我在做什么之外)是我得到了一个很长的堆栈跟踪(在底部) 我认为源自定义 y_ 的行。该错误的最后部
我在使用导出的 tensorflow 模型时遇到问题。它不允许我评估我提供的数据集。但是,如果我在与训练相同的 session 中运行评估,那么如果我必须重新训练我的模型只是为了使用另一个数据集进行测
我正在尝试使用 TensorFlow 训练我自己的图像(682x1024x3= 2095104 像素)。因此,我结合了几个已发布的脚本来 1) 使用 TFRecord 编写器创建一个 .tfrcord
我对 tensorflow 比较陌生,目前正在尝试不同复杂度的模型。我对包的保存和恢复功能有疑问。就我对教程的理解而言,我应该能够恢复经过训练的图形,并在以后使用一些新输入运行它。但是,当我尝试这样做
我开始加载和保存 tfrecord 文件,以编写输入函数。我已经设置了以下测试,但收到 InvalidArgumentError。我已经使用 save() 方法保存了 tfrecord 文件,并尝试使
我正在使用 Keras 后端函数来计算强化学习设置中的梯度,以下是代码片段。对于此代码,我也收到以下错误。可能是什么原因造成的? 1 X = K.placeholder(shape=(
我正在尝试从 here 运行 train.py 。它基于this tutorial 。我想找到混淆矩阵,并在 train.py 的最后一行之后添加: confusionMatrix = tf.conf
我正在使用 while_loop 迭代更新矩阵。对于密集张量,循环运行良好,但是当我使用稀疏张量时,出现以下错误: InvalidArgumentError: Number of rows of a_
我使用 tf.Keras 使用 1D 卷积层构建模型进行分类。如果我删除张量板,这会很好用。作为初学者,我无法弄清楚问题是什么。请帮忙 %reload_ext tensorboard import t
大家好,我是计算机视觉和分类方面的专家,我正在尝试使用带有 tensorflow 和 keras 的 cnn 方法来训练模型,但我一直收到此代码下方的错误,任何人都可以帮助我或至少给我一个和平的建议?
使用dynamic_rnn时的Tensorflow 1.7最初运行良好,但在第32步(运行代码时发生变化),出现错误。当我使用较小的批处理时,似乎代码可以运行更长的时间,但是错误仍然弹出。只是无法找出
我正尝试在调制上执行此示例笔记本 https://github.com/radioML/examples/blob/master/modulation_recognition/RML2016.10a_
model.fit 产生异常: tensorflow.python.framework.errors_impl.InvalidArgumentError: Cannot update variable
model.fit 产生异常: tensorflow.python.framework.errors_impl.InvalidArgumentError: Cannot update variable
我尝试在顺序 Keras 模型上调用 model.fit(),但收到此错误: -------------------------------------------------------------
我正在解决 TensorFlow 的示例问题(特别是使用占位符),并且不明白为什么我收到(看起来是)形状/类型错误,而我相当有信心这些错误是什么他们应该是。 我尝试过使用 X_batch 和 y_ba
我用tensorflow实现了一个语言模型。训练数据只是 feed_dict 中的很多句子,如下所示: feed_dict = { model.inputs: x, model.seq
我是一名优秀的程序员,十分优秀!