керас, в чем смысл модели (данных)

Question

керас, в чем смысл модели (данных)

1

class MNISTModel:
    def __init__(self, restore, session=None):
        self.num_channels = 1
        self.image_size = 28
        self.num_labels = 10

        model = Sequential()

        model.add(Conv2D(32, (3, 3),
                         input_shape=(28, 28, 1)))
        model.add(Activation('relu'))
        model.add(Conv2D(32, (3, 3)))
        model.add(Activation('relu'))
        model.add(MaxPooling2D(pool_size=(2, 2)))

        model.add(Conv2D(64, (3, 3)))
        model.add(Activation('relu'))
        model.add(Conv2D(64, (3, 3)))
        model.add(Activation('relu'))
        model.add(MaxPooling2D(pool_size=(2, 2)))

        model.add(Flatten())
        model.add(Dense(200))
        model.add(Activation('relu'))
        model.add(Dense(200))
        model.add(Activation('relu'))
        model.add(Dense(10))
        model.load_weights(restore)

        self.model = model
        print('selfMNIST')

    def predict(self, data):
        tmp=self.model(data)  #Question is here
        return tmp

John Xu 29 авг. 2018, в 23:32

Источник

Теги:

python

keras

model

1 ответ

Ещё вопросы

nuric · Accepted Answer · 2018-08-29T20-10-00.000Z

Хороший вопрос, это зависит от того, какие data, но, конечно, фрагмент кода вводит в заблуждение. Чтобы уточнить:

Если вы вызываете модель напрямую, вам нужно передать тензоры, она действует как другой слой. Например, model(anotherlayer). Но если вы передадите фактические данные, такие как ошибка NumPy, это даст следующую ошибку:

ValueError: Layer sequential_1 вызывается с входом, который не является символическим тензором. Полученный тип:. Полный ввод: [массив (...)]. Все входы слоя должны быть тензорами.
Если вы хотите предсказать, как в пропуске некоторых числовых данных и запускать сеть/распространять значения/вывести результат, вам нужно model.predict(data) поэтому он вводит в заблуждение, поскольку это функция прогнозирования.

Я предполагаю, что автору необходимо объединить модели вместе и отредактировать функцию predict класса вместо создания другой функции класса.

Спасибо! Он должен действовать как еще один слой, потому что он пропускает тензоры. Я не понимаю "другой слой". Комментарий, когда автор вызывает определенную функцию «предикат»: «# прогнозирование ДО-SOFTMAX модели» (в l2_attack.py). Кстати, класс MNISTModel определяется в «setup_mnist.py». Полный код находится на github " github.com/carlini/nn_robust_attacks ".
Можете ли вы дать мне какой-нибудь документ об использовании модели (данных)?
anotherlayer похож на Dense , настоящий слой, посмотрите на документацию по функциональному API , которая поможет.
Спасибо, это действительно помогает!