问题标签 [tf.keras]

我正在尝试将 tensorflow hub 中的 Elmo 与 tf.keras 一起使用来执行 NER。训练很好，损失在减少，测试集也给出了很好的结果。但我无法预测，因为我收到以下错误：

256 是我在训练期间的批量大小。我试图只预测一句话。

我试图在互联网上搜索很多，但一切都在风向标。任何帮助深表感谢。如果我重复我的向量 256 次并在预测期间将 batch_size 设置为 256，我绝对可以得到预测。但正如您所见，这是一种非常低效的解决方法。

这是自定义图层的代码

这是我的模型架构： 模型架构

如何在tensorflow中正确地从keras导入任何东西？

如果我例如，

from tensorflow import keras

from keras.layers.core import Dense

是从 Keras 还是从 tf.keras 导入的？

我想将 mobileNetV2 与 tf.keras 一起使用。

如果在 tensorflow 网站上查看 我发现的keras 应用程序

mobilenet = tf.keras.applications.MobileNetV2()

如果我尝试导入 MobileNetV2 from tensorflow.keras.applications import MobileNetV2

我收到一个错误：

ImportError: cannot import name 'MobileNetV2'

如果我查看Keras2 网站，我确实发现只有少数几个应用程序。mobileNetV2（或 V1）不是其中之一。但是V1模型可以加载使用。

如果我点击 tensorflow.keras 网站上的链接，它会将我带到经典的keras 网站，在我看来是 Keras1 而不是 keras2，我错了吗？还说明了显然没有实现的 MobileNetV2。所以我猜链接是错误的。

这一切都让我感到困惑。可能，这都是由于切换到 tf.keras 所致，还是把事情搞混了？

为了更具体地表达我的问题：是否有预定义的、可用的 MobileNetV2 应用程序与 tf.keras 或者我必须手动实现它？

谢谢

编辑：TF 1.10 版。

我正在尝试进行 Keras 分类。我有 1043 个单词，表示为 one-hot 编码矩阵（20 个字母长，每个字母有 26 个可能性）。每一个都属于 19 个不同类别之一。

这是我构建模型的尝试。

这崩溃说：ValueError: Error when checking target: expected dense_91 to have 3 dimensions, but got array with shape (1043, 19)

我觉得我在该input_shape领域缺少一些明显的东西，还是有其他一些配置技巧？我在网上也找不到此类问题的任何明确示例。

更新：我怀疑我需要将时间片折叠成一个最终答案，但我不知道该怎么做。似乎它在正确的TimeDistributed轨道上，但我无法让它工作。

我正在尝试使用预训练的 InceptionV3 模型。但是，我想删除最初的五个图层并添加我的自定义图层。我怎样才能做到这一点？我试过model.layers.pop(0)了，但仅凭这一点并不能解决问题。

编辑：

tf.keras如第一个答案中所述，也无济于事：

我想将 Keras 模型转换为 Tensorflow Lite 模型。当我检查文档时，据说我们可以使用 tf.keras HDF5 模型作为输入。这是否意味着我可以使用我保存的 HDF5 Keras 模型作为它的输入，或者 tf.keras HDF5 模型和 Keras HDF5 模型是不同的东西？

文档：https ://www.tensorflow.org/lite/convert

编辑：我可以使用这个 API 将我的 Keras 模型转换为 Tensorflow Lite 模型，但我还没有测试它。我的代码：

使用以下功能模式创建 LSTM 层时会抛出错误

ValueError: Input 0 is incompatible with layer lstm_1: expected ndim=3, found ndim=2

重现问题的代码

错误日志

以下使用顺序模型的代码版本成功运行

成功日志

我有一个具有以下架构的预训练模型。

该Reshape层确保logits与标签相同

我有一个输入数据，它是Tensors 形状为 (200,) 的张量流对象和标签，它们也是一个形状为 (6,) 的“张量”张量流对象。

我的目标evaluate是使用tensorflow keras 提供的方法评估单个样本。为了更容易，我将Tensor对象转换为 numpy. 由于模型接受 的输入形状[None, 200]，因此我必须在将输入数据输入模型之前对其进行整形。这样，模型将具有形状为 (1,6) 的 logit，然后该Reshape层将重新整形为 (6,)。

但最后，我收到以下错误

为了克服这个问题，我移除了Reshape图层并将标签重塑为 (1,6) ( sample_data.y.numpy().reshape(1,6))。但这并没有帮助，我最终遇到了同样的错误。

我想知道是否有人可以指出我在这里遗漏了什么？提前致谢。

我在 Stack Overflow 以及 Github 上阅读了很多关于这个主题的帖子，但我认为我的情况可能略有不同。

我的代码如下所示，如果我只使用密集层，我可以始终如一地重现结果 100%。

但是，每次我运行时，如果我在“model.add(Flatten())”之前插入这一行“model.add(Conv2D(32, 3, activation='relu'))”，我会得到不同的结果。

Input> flatten > dense 产生一致的结果，但是 input > conv2d > flatten > dense 每次运行代码时都会产生不同的结果。

我会很感激任何指导。

我需要实现一个损失函数，它接受一个 4 维向量的真实 y 并计算该向量在某个正态分布下的概率。我尝试使用 keras.backend 函数构建概率密度函数，但矩阵逆似乎没有任何东西？任何想法，将不胜感激。