kerasエラーレポートという名前のスクリプトファイル
Kerasはpipでインストールされていますが、まだ使用できません。関数を追加してkerasを再インストールしようとしましたが、成功しませんでした。最後に、スクリプトの名前付けの問題に関する記事を確認しました。試行したところ、問題は解決しました。具体的なエラーレコードは次のとおりです。
No module named 'keras.datasets'; 'keras' is not a package
解決：
（1）プロジェクトスクリプトの名前を変更します。スクリプトをkerasと呼ぶことはできません。そうしないと、エラーが報告されます。
（2）.kerasパッケージを再ダウンロードします
pip install keras tensorflow == 2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ --default-timeout = 100
使用中に対応するパッケージモジュールが見つかりません
pip listを使用して、対応するモジュールとインストールパッケージが存在することを確認しますが、モジュールを呼び出すことはできません。パッケージに欠けている機能や依存関係を考えたところ、インターネットでパッケージのバージョンが高すぎることがわかりました。パッケージモジュールが見つからないという問題を解決するために、パッケージがアップグレードされました。
AttributeError: module 'tensorflow' has no attribute 'get_default_graph'
解決：
パッケージをアンインストールし、対応するバージョンのkerasとtensorflowのパッケージを見つけます。ここで、kerasパッケージをアップグレードしています。
tensorflow-gpuのインストール
以前にCPUのテンソルフローを使用しましたが、今回の目的はGPUバージョンを使用することです。テンソルフローの新しい視覚化を示し、テンソルフローでのBPと畳み込みニューラルネットワークの以前の検証を完了したいと思います。
gpuバージョンのtensorflowがインストールされています。最初にcpuのtensorflowをアンインストールしました。削除しないと、Pythonプログラムがデフォルトでcpuのtensorflowを使用するためです。インストール中に30分間試しました。最終的なインストールソリューションは次のとおりです。useinstallation
コマンドは次のとおりです
。pipinstalltensorflow-gpu-i https://pypi.tuna.tsinghua.edu.cn/simple/ --default-timeout = 100
D:\Python\python_data2_project>pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/ --default-timeout=100
テンソルフローとケラスのケースランニング
次のコードはネットワークから取得され、次のように正常に実行されます。
import numpy as np
import os
import tensorflow
from keras.models import Sequential
from keras.layers import Dense
# 随机生成一组数据
data = np.random.random((1000,100))
# 随机生成标签
labels = np.random.randint(2,size=(1000,1))
model = Sequential()
# 添加一层神经网络
model.add(Dense(32,
activation='relu',
input_dim=100))
# 添加激活函数（activate function）
model.add(Dense(1, activation='sigmoid'))
# 构建模型，定义优化器及损失函数
model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy'])
# 模型与数据一键fit
model.fit(data,labels,epochs=10,batch_size=32)
predictions = model.predict(data)
上記の損失関数の最終結果から、モデルの効果はあまり良くないことがわかります。
TensorflowGPUセットアップ操作
コンピューターのグラフィックカードの種類はサポートされておらず、当面は確認されていません。フォローアップの確認は続行され
ますhttps://blog.csdn.net/A632189007/article/details/77978058
損失関数をプロットします
hist=model.fit(data,labels,epochs=10,batch_size=32)
plt.plot(hist.history['accuracy'],label="accuracy")
plt.plot(hist.history['loss'],label="loss")
plt.legend(loc=0, ncol=1) # 参数：loc设置显示的位置，0是自适应；ncol设置显示的列数
plt.show()
