- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我在大型数据集上使用 Keras(使用 MagnaTagATune 数据集进行音乐自动标记)。所以我尝试将 fit_generator() 函数与自定义数据生成器一起使用。但是损失函数和度量的值在训练过程中不会改变。看起来我的网络根本没有训练。
当我使用 fit() 函数而不是 fit_generator() 时一切正常,但我无法将整个数据集保存在内存中。
我已经尝试过 Theano 和 TensorFlow 后端
主码:
if __name__ == '__main__':
model = models.FCN4()
model.compile(optimizer='adam',
loss='binary_crossentropy',
metrics=['accuracy', 'categorical_accuracy', 'precision', 'recall'])
gen = mttutils.generator_v2(csv_path, melgrams_dir)
history = model.fit_generator(gen.generate(0,750),
samples_per_epoch=750,
nb_epoch=80,
validation_data=gen.generate(750,1000,False),
nb_val_samples=250)
# RESULTS SAVING
np.save(output_history, history.history)
model.save(output_model)
genres = ['guitar', 'classical', 'slow', 'techno', 'strings', 'drums', 'electronic', 'rock', 'fast',
'piano', 'ambient', 'beat', 'violin', 'vocal', 'synth', 'female', 'indian', 'opera', 'male', 'singing',
'vocals', 'no vocals', 'harpsichord', 'loud', 'quiet', 'flute', 'woman', 'male vocal', 'no vocal',
'pop', 'soft', 'sitar', 'solo', 'man', 'classic', 'choir', 'voice', 'new age', 'dance', 'male voice',
'female vocal', 'beats', 'harp', 'cello', 'no voice', 'weird', 'country', 'metal', 'female voice', 'choral']
def __init__(self, csv_path, melgrams_dir):
def get_dict_vals(dictionary, keys):
vals = []
for key in keys:
vals.append(dictionary[key])
return vals
self.melgrams_dir = melgrams_dir
with open(csv_path, newline='') as csvfile:
reader = csv.DictReader(csvfile, dialect='excel-tab')
self.labels = []
for row in reader:
labels_arr = np.array(get_dict_vals(
row, self.genres)).astype(np.int)
labels_arr = labels_arr.reshape((1, labels_arr.shape[0]))
if (np.sum(labels_arr) > 0):
self.labels.append((row['mp3_path'], labels_arr))
self.size = len(self.labels)
def generate(self, begin, end):
while(1):
for count in range(begin, end):
try:
item = self.labels[count]
mels = np.load(os.path.join(
self.melgrams_dir, item[0] + '.npy'))
tags = item[1]
yield((mels, tags))
except FileNotFoundError:
continue
def TEST_get_data_array(csv_path, melgrams_dir):
gen = generator_v2(csv_path, melgrams_dir).generate(0,100)
item = next(gen)
x = np.array(item[0])
y = np.array(item[1])
for i in range(0,100):
item = next(gen.training)
x = np.concatenate((x,item[0]),axis = 0)
y = np.concatenate((y,item[1]),axis = 0)
return(x,y)
return(X,y)
而不是
yield(X,y)
但没有任何变化。
def generate(self):
if((self.count < self.begin) or (self.count >= self.end)):
self.count = self.begin
item = self.labels[self.count]
mels = np.load(os.path.join(self.melgrams_dir, item[0] + '.npy'))
tags = item[1]
self.count = self.count + 1
return((mels, tags))
def __next__(self): # fit_generator() uses this method
return self.generate()
history = model.fit_generator(tr_gen,
samples_per_epoch = tr_gen.size,
nb_epoch = 120,
validation_data = val_gen,
nb_val_samples = val_gen.size)
Epoch 1/120
10554/10554 [==============================] - 545s - loss: 1.7240 - acc: 0.8922
Epoch 2/120
10554/10554 [==============================] - 526s - loss: 1.8922 - acc: 0.8820
Epoch 3/120
10554/10554 [==============================] - 526s - loss: 1.8922 - acc: 0.8820
Epoch 4/120
10554/10554 [==============================] - 526s - loss: 1.8922 - acc: 0.8820
... etc (loss is always 1.8922; acc is always 0.8820)
最佳答案
我和你在 yield 方法上遇到了同样的问题。所以我只是存储了当前索引并使用 return 语句每次调用返回一批。
所以我只用了 return (X, y)
而不是 yield (X,y)
它奏效了。我不确定这是为什么。如果有人能对此有所了解,那就太酷了。
编辑:
您需要将生成器传递给函数,而不仅仅是调用函数。像这样的东西:
model.fit_generator(gen, samples_per_epoch=750,
nb_epoch=80,
validation_data=gen,
nb_val_samples=250)
关于python - Keras:网络不使用 fit_generator() 进行训练,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42025546/
我有兴趣在 tf.keras 中训练一个模型,然后用 keras 加载它。我知道这不是高度建议,但我对使用 tf.keras 来训练模型很感兴趣,因为 tf.keras 更容易构建输入管道 我想利用
我进行了大量搜索,但仍然无法弄清楚如何编写具有多个交互输出的自定义损失函数。 我有一个神经网络定义为: def NeuralNetwork(): inLayer = Input((2,));
我正在阅读一篇名为 Differential Learning Rates 的文章在 Medium 上,想知道这是否可以应用于 Keras。我能够找到在 pytorch 中实现的这项技术。这可以在 K
我正在实现一个神经网络分类器,以打印我正在使用的这个神经网络的损失和准确性: score = model.evaluate(x_test, y_test, verbose=False) model.m
我最近在查看模型摘要时遇到了这个问题。 我想知道,[(None, 16)] 和有什么区别?和 (None, 16) ?为什么输入层有这样的输入形状? 来源:model.summary() can't
我正在尝试使用 Keras 创建自定义损失函数。我想根据输入计算损失函数并预测神经网络的输出。 我尝试在 Keras 中使用 customloss 函数。我认为 y_true 是我们为训练提供的输出,
我有一组样本,每个样本都是一组属性的序列(例如,一个样本可以包含 10 个序列,每个序列具有 5 个属性)。属性的数量总是固定的,但序列的数量(时间戳)可能因样本而异。我想使用这个样本集在 Keras
Keras 在训练集和测试集文件夹中发现了错误数量的类。我有 3 节课,但它一直说有 4 节课。有人可以帮我吗? 这里的代码: cnn = Sequential() cnn.add(Conv2D(32
我想编写一个自定义层,在其中我可以在两次运行之间将变量保存在内存中。例如, class MyLayer(Layer): def __init__(self, out_dim = 51, **kwarg
我添加了一个回调来降低学习速度: keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.5, patience=100,
在 https://keras.io/layers/recurrent/我看到 LSTM 层有一个 kernel和一个 recurrent_kernel .它们的含义是什么?根据我的理解,我们需要 L
问题与标题相同。 我不想打开 Python,而是使用 MacOS 或 Ubuntu。 最佳答案 Python 库作者将版本号放入 .__version__ 。您可以通过在命令行上运行以下命令来打印它:
Keras 文档并不清楚这实际上是什么。我知道我们可以用它来将输入特征空间压缩成更小的空间。但从神经设计的角度来看,这是如何完成的呢?它是一个自动编码器,RBM吗? 最佳答案 据我所知,嵌入层是一个简
我想实现[http://ydwen.github.io/papers/WenECCV16.pdf]中解释的中心损失]在喀拉斯 我开始创建一个具有 2 个输出的网络,例如: inputs = Input
我正在尝试实现多对一模型,其中输入是大小为 的词向量d .我需要输出一个大小为 的向量d 在 LSTM 结束时。 在此 question ,提到使用(对于多对一模型) model = Sequenti
我有不平衡的训练数据集,这就是我构建自定义加权分类交叉熵损失函数的原因。但问题是我的验证集是平衡的,我想使用常规的分类交叉熵损失。那么我可以在 Keras 中为验证集传递不同的损失函数吗?我的意思是用
DL 中的一项常见任务是将输入样本归一化为零均值和单位方差。可以使用如下代码“手动”执行规范化: mean = np.mean(X, axis = 0) std = np.std(X, axis =
我正在尝试学习 Keras 并使用 LSTM 解决分类问题。我希望能够绘制 准确率和损失,并在训练期间更新图。为此,我正在使用 callback function . 由于某种原因,我在回调中收到的准
在 Keras 内置函数中嵌入使用哪种算法?Word2vec?手套?其他? https://keras.io/layers/embeddings/ 最佳答案 简短的回答是都不是。本质上,GloVe 的
我有一个使用 Keras 完全实现的 LSTM RNN,我想使用梯度剪裁,梯度范数限制为 5(我正在尝试复制一篇研究论文)。在实现神经网络方面,我是一个初学者,我将如何实现? 是否只是(我正在使用 r
我是一名优秀的程序员,十分优秀!