Meezo ML

ماهو المعيار BinaryAccuracy في كيراس Keras؟

قمت بتحميل نموذج لي قمت بتدريبه مسبقاً بعد أن كنت قد قمت بحفظ أوزانه، وعندما أحاول استخدمه لتوقع النتائج مع التابع predict فإنه يحسب لي الخرج بدون مشاكل لكن عند استخدام التابع evaluate يظهر لي هذا الخطأ: Model.evaluate(data,label) -------------------------------------- You must compile a model before training/testing. Use `model.compile(optimizer, loss) ما المشكلة؟

أقوم ببناء نموذج في كيراس لكن تظهر لي المشكلة التالية عندما أحاول تدريب النموذج: x = Input(shape=[1]) e1 = Embedding(max_machine, 100)(x) in1 = Input(shape=[1]) e2 = Embedding(max_windspeed, 100)(in) in2 = Input(shape=[1]) e3 = Embedding(max_activepower, 100)(in2) in4 = Input(shape=[1]) emb_pitchangle = Embedding(max_pitchangle, 100)(in4) in_genspeed = Input(shape=[1]) emb_genspeed = Embedding(max_genspeed, 100)(in_genspeed) in_temp = Input(shape=[1]) emb_temp = Embedding(max_temp, 100)(in_temp) in_turbine = Input(shape=[1]) emb_turbine = Embedding(max_turbine, 100)(in_turbine) d = concatenate([ (e1), (in), (e3), (emb_pitchangle), (emb_genspeed), (emb_temp), (emb_turbine) ]) s_dout = SpatialDropout1D(0.3)(d) x = Flatten()(s_dout) x = Dropout(0.3)(Dense(1000,activation='tanh')(x)) x = Dropout(0.3)(Dense(128,activation='tanh')(x)) outp = Dense(1,activation='sigmoid')(x) model = Model(inputs=[in_machine, in1, in2, in_pitchangle, in_genspeed, in_temp, in_turbine], outputs=outp) ------------------------------------------------------------------------------------ InvalidArgumentError: indices[19577,0] = -3 is not in [0, 2160) [[Node: embedding_50/GatherV2 = GatherV2[Taxis=DT_INT32, Tindices=DT_INT32, Tparams=DT_FLOAT, _class=["loc:@training_3/Adam/gradients/embedding_50/GatherV2_grad/Reshape"], _device="/job:localhost/replica:0/task:0/device:CPU:0"](embedding_50/embeddings/read, embedding_50/Cast, embedding_48/GatherV2/axis)]] ما المشكلة؟ علماً أن مدخلاتي تحوي قيماً سلبية.

ما المقصود ب Adam في كيراس Keras، وكيف نقوم باستخدامه؟

أريد توضيح لعمل دالة التنشيط softmax وكيفية استخدامها في كيراس؟

أحاول بناء نموذج في كيراس، لكن يظهر لي الخطأ التالي: from keras.datasets import imdb from keras import preprocessing max_features = 1000 maxlen = 20 (x_train, y_train), (x_test, y_test) = imdb.load_data( num_words=max_features) x_train = preprocessing.sequence.pad_sequences(x_train,maxlen=maxlen) x_test = preprocessing.sequence.pad_sequences(x_test, maxlen=maxlen) from keras.models import Sequential from keras.layers import Flatten,Embedding model = Sequential() model =Sequential() model.add(Dense(16, activation='relu',input_shape=(20,))) model.add(Dense(16, activation='relu')) model.add(Dense(1, activation='sigmoid')) model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc']) history = model.fit(x_train, y_train, epochs=3, batch_size=64, validation_split=0.2) --------------------------------------------------------------------------------------- NameError Traceback (most recent call last) <ipython-input-1-9e88e2e56b90> in <module> 11 model = Sequential() 12 model =Sequential() ---> 13 model.add(Dense(16, activation='relu',input_shape=(20,))) 14 model.add(Dense(16, activation='relu')) 15 model.add(Dense(1, activation='sigmoid')) NameError: name 'Dense' is not defined

قمت ببناء النموذج التالي، لكن أتلقى رسالة الخطأ التالية، فما هي المشكلة: from keras.datasets import imdb from keras import preprocessing max_features = 1000 (x_train, y_train), (x_test, y_test) = imdb.load_data( num_words=max_features) x_train = preprocessing.sequence.pad_sequences(x_train) x_test = preprocessing.sequence.pad_sequences(x_test) from keras.models import Sequential from keras.layers import Flatten, Dense,Embedding model = Sequential() model.add(Embedding(1000, 8)) model.add(Flatten()) model.add(Dense(64, activation='tanh')) model.add(Dense(1, activation='sigmoid')) model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc']) history = model.fit(x_train, y_train, epochs=3, batch_size=64, validation_split=0.2) -------------------------------------------------------------------------------------------------- ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`.

توضيح دالة التنشيط tanh في كيراس وتنسرفلو؟

كنت أقرأ نموذج وإحدى الطبقات كانت: model.add(Dropout(0.5)) ماهي وظيفة هذه الطبقة؟ وكيف نستخدمها في كيراس مع نماذجنا؟

قمت ببناء النموذج البسيط التالي، لكن بظهر لي الخطأ التالي: float validation_split = 2f; Sequential model = new Sequential(); no_noise = no_noise.astype(np.float32); with_noise = with_noise.astype(np.float32); no_noise /= 255; with_noise /= 255; # بناء النموذج model.Add(new Conv2D(128, kernel_size: new Tuple<int, int>(5, 5), activation: "tanh", input_shape: new Shape(45, 45,1))); model.Add(new Conv2D(64, kernel_size: new Tuple<int, int>(3, 3), activation: "tanh")); model.Add(new Conv2DTranspose(64, kernel_size : new Tuple<int,int> (3, 3), kernel_constraint : max_norm, activation: "tanh")); model.Add(new Conv2DTranspose(32, kernel_size : new Tuple<int,int> (3, 3), activation: "relu")); model.Add(new Conv2D(1, kernel_size : new Tuple<int,int>(3, 3), activation: "sigmoid", padding: "same")); model.Compile(optimizer: "rmsprop", loss: "binary_crossentropy"); model.Fit(with_noise, no_noise,epochs: 10,batch_size: 140,steps_per_epoch:2,validation_split: validation_split); ------------------------------------------------------------------------------------------------------------------------- UnboundLocalError : local variable 'logs' referenced before assignment

قمت ببناء النموذج التالي في كيراس، في القسم 1 يتم تدريب الشبكة على جميع العينات في كل epoch وإعادة تعيين الحالة "reset the state" في الشبكة في نهاية كل epoch يدوياً. #sequence إنشاء تسلسل length = 10 s= [i/float(length) for i in range(length)] # إنشاء أزواج x/y df = DataFrame(s) df = concat([df, df.shift(1)], axis=1) df.dropna(inplace=True) val = df.values data = val[:, 0] label=val[:, 1] data = data.reshape(len(data), 1, 1) # القسم 0 n_batch = len(data) n_epoch = 800 n_neurons = 12 model = Sequential() model.add(LSTM(n_neurons, batch_input_shape=(n_batch, data.shape[1], data.shape[2]), stateful=True)) model.add(Dense(1)) model.compile(loss='mse', optimizer='rmsprop') # القسم 1 for i in range(n_epoch): model.fit(data, label, epochs=1, batch_size=n_batch, verbose=1, shuffle=False) model.reset_states() # القسم 2 for i in range(len(data)): testX, testy = data[i], label[i] testX = testX.reshape(1, 1, 1) yhat = model.predict(testX, batch_size=1) print('>Expected=%.1f, Predicted=%.1f' % (testy, yhat)) لكن ينتج لدي الخطأ التالي في القسم 2: 'ValueError: Cannot feed value of shape (1, 1, 1) for Tensor 'lstm_1_input:0', which has shape '(9, 1, 1) علماً أن حجم ال batch_size كما تلاحظون يغطي مجموعة بيانات التدريب بالكامل (batch learning) وسيتم تنفيذ التنبؤات واحدة تلو الأخرى (التنبؤ بخطوة واحدة)

أنا أعمل على مصنف لتصنيف الأخبار على مجموعة بيانات راوترز باستخدام keras، ، لكن أتلقى الخطأ التالي: from keras.datasets import reuters (train_data, train_labels), (test_data, test_labels) = reuters.load_data( num_words=10000) word_index = reuters.get_word_index() reverse_word_index = dict([(value, key) for (key, value) in word_index.items()]) decoded_newswire = ' '.join([reverse_word_index.get(i - 3, '?') for i in train_data[0]]) import numpy as np def vectorize_sequences(sequences, dimension=10000): results = np.zeros((len(sequences), dimension)) for i, sequence in enumerate(sequences): results[i, sequence] = 1. return results x_train = vectorize_sequences(train_data) x_test = vectorize_sequences(test_data) from keras.utils.np_utils import to_categorical one_hot_train_labels = to_categorical(train_labels) one_hot_test_labels = to_categorical(test_labels) from keras import models from keras import layers model = models.Sequential() model.add(layers.Dense(64, activation='relu', input_shape=(10000,))) model.add(layers.Dense(64, activation='relu')) model.add(layers.Dense(1, activation='softmax')) model.compile(optimizer='rmsprop', loss='sparse_categorical_crossentropy', metrics=['accuracy']) x_val = x_train[:1000] partial_x_train = x_train[1000:] y_val = train_labels[:1000] partial_y_train = train_labels[1000:] history = model.fit(partial_x_train, partial_y_train, epochs=20, batch_size=512, validation_data=(x_val, y_val)) ----------------------------------------------------------------------------------------- InvalidArgumentError Traceback (most recent call last) <ipython-input-23-2238d01185a1> in <module>() 3 epochs=20, 4 batch_size=512, ----> 5 validation_data=(x_val, y_val)) 6 frames /usr/local/lib/python3.7/dist-packages/tensorflow/python/eager/execute.py in quick_execute(op_name, num_outputs, inputs, attrs, ctx, name) 58 ctx.ensure_initialized() 59 tensors = pywrap_tfe.TFE_Py_Execute(ctx._handle, device_name, op_name, ---> 60 inputs, attrs, num_outputs) 61 except core._NotOkStatusException as e: 62 if name is not None: InvalidArgumentError: Received a label value of 43 which is outside the valid range of [0, 1).

شرح الطبقة MaxPooling2D واسستخدامها في كيراس؟

لدي نسخة Tensorflow backendخاصة بال GPU، كيف أقوم بتشغيل keras على ال CPU بدلاً من ال GPU؟

قمت ببناء النموذج التالي لكن لا أفهم سبب المشكلة: # نموذج لتوقع أسعار الأسهم # استخدم بيانات 50 يوماً للتنبؤ بسعر إغلاق اليوم 51 import keras from keras.layers import Dense,LSTM import keras model = keras.Sequential() model.add( LSTM( 1024, input_shape=(50, 2), return_sequences=True)) model.add( LSTM( 200, return_sequences=True)) model.add( (Dense(1,activation=None))) model.compile(optimizer='rmsprop',loss='mae') model.fit( X, y, batch_size = 64,epochs=15) ------------------------------------------------------------------- ValueError: Error when checking target: expected dense_1 to have 3 dimensions, but got array with shape (200, 1) بياناتي لها الشكل التالي: X_train:(200, 50, 2) y_train:(200, 1)

مافائدة الوسيط verbose أثناء تدريب النماذج في keras و tensorflow ؟

قمت ببناء النموذج التالي في كيراس لكن أريد الحصول على خرج كل طبقة، كيف يمكنني القيام بذلك؟ model = Sequential() model.add(Convolution2D(16, (3,3), kernel_size[1],border_mode='valid', input_shape=input_shape)) model.add(Activation('tanh')) model.add(Convolution2D(16, (3,3), kernel_size[1])) model.add(Activation('tanh')) model.add(MaxPooling2D(pool_size=pool_size)) model.add(Convolution2D(32, (3,3), kernel_size[1])) model.add(Activation('tanh')) model.add(Convolution2D(32, (3,3), kernel_size[1])) model.add(Activation('tanh')) model.add(MaxPooling2D(pool_size=pool_size)) model.add(Flatten()) model.add(Dense(4096)) model.add(Activation('tanh')) model.add(Dropout(0.4)) model.add(Dense(1)) model.add(Activation('sigmoid')) model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['acc']) model.fit(x, y, batch_size=batch_size, nb_epoch=20, validation_data=(data, label))

ظهور الخطأ ImportError: cannot import name 'set_random_seed' from 'tensorflow' (C:\Users\polon\Anaconda3\lib\site-packages\tensorflow\__init__.py) في keras وtensorflow مع set_random_seed: ImportError Traceback (most recent call last) <ipython-input-18-c29f17706012> in <module> ----> 1 from tensorflow import set_random_seed 2 import matplotlib.pyplot as plt 3 import tensorflow 4 import keras ImportError: cannot import name 'set_random_seed' from 'tensorflow' (C:\Users\polon\Anaconda3\lib\site-packages\tensorflow\__init__.py)

توضيح دالة التنشيط relu واستخدامها في كيراس وتنسرفلو؟

توضيح دالة التنشيط sigmoid في كيراس وتنسرفلو؟

لدي مهمة تصنيف متعدد ل 10 أصناف، لذا قمت ببناء نموذج اعتماداً على معمارية MobileNet في keras، لكن تظهر لي المشكلة التالية عندما أحاول إضافة طبقة جديدة: z=mobile.layers[-6].output z=Flatten(z) pred = Dense(1, activation='sigmoid')(z) mymodel = Model(inputs=mobile.input, outputs=pred) ----------------------------------------------------------- 'Tensor' object has no attribute 'lower'

أقوم ببناء نموذج للتوقع لكن الدقة تكون سيئة جداً عندما استخدم أحد توابع التنشيط مثل sigmoid أو tanh، لكن عندما استخدم تابع التنشيط relu يعطي نتيجة جيدة؟ أريد تفسير؟

قمت ببناء عدة نماذج و ليس لدي أي مشاكل في تشغيل أي من نماذجي. لكن عندما أحاول رسم المنحنيات لنماذجي أحصل على خطأ في الجزء التالي من الكود : plt.plot(model1.history['val_loss'], 'r', model2.history['val_loss'], 'b', model3.history['val_loss'], 'g') plt.xlabel('Epochs') plt.ylabel('Validation score') plt.show() ---------------------------------------------------------------------------------- TypeError: 'History' object is not subscriptable وهذا هو الجزء الخاص بالتدريب: model1.fit(data, label, validation_split=0.2, epochs=13) model2.fit(data, label, validation_split=0.2, epochs=13) model3.fit(data, label, validation_split=0.2, epochs=13) ما الحل؟

قمت ببناء نموذج multilayer perceptron وهذه هي طبقاتي: ____________________________________________________________________________________________________ Layer (type) Output Shape Param # Connected to ==================================================================================================== dense_1 (Dense) (None, 20) 4020 dense_input_1[0][0] ____________________________________________________________________________________________________ dense_2 (Dense) (None, 2) 42 dense_1[0][0] ==================================================================================================== لكن يظهر لي الخطأ التالي، عندما أحاول تدريب النموذج: model.fit(data,label,epochs=70) ------------------------------------------------------- Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 arrays but instead got the following list of 10000 arrays: علماً أنني ال input_shape=(200,) وأبضاُ ال data عبارة عن list من العينات وكل عينة عبارة عن 200 عنصر.

ماهي الطبقة Flatten في Keras و TensorFlow؟ مع مثال؟