keras topN显示,自编写代码案例


Posted in Python onJuly 03, 2020

对于使用已经训练好的模型,比如VGG,RESNET等,keras都自带了一个keras.applications.imagenet_utils.decode_predictions的方法,有很多限制:

def decode_predictions(preds, top=5):
 """Decodes the prediction of an ImageNet model.

 # Arguments
 preds: Numpy tensor encoding a batch of predictions.
 top: Integer, how many top-guesses to return.

 # Returns
 A list of lists of top class prediction tuples
 `(class_name, class_description, score)`.
 One list of tuples per sample in batch input.

 # Raises
 ValueError: In case of invalid shape of the `pred` array
  (must be 2D).
 """
 global CLASS_INDEX
 if len(preds.shape) != 2 or preds.shape[1] != 1000:
 raise ValueError('`decode_predictions` expects '
    'a batch of predictions '
    '(i.e. a 2D array of shape (samples, 1000)). '
    'Found array with shape: ' + str(preds.shape))
 if CLASS_INDEX is None:
 fpath = get_file('imagenet_class_index.json',
    CLASS_INDEX_PATH,
    cache_subdir='models',
    file_hash='c2c37ea517e94d9795004a39431a14cb')
 with open(fpath) as f:
  CLASS_INDEX = json.load(f)
 results = []
 for pred in preds:
 top_indices = pred.argsort()[-top:][::-1]
 result = [tuple(CLASS_INDEX[str(i)]) + (pred[i],) for i in top_indices]
 result.sort(key=lambda x: x[2], reverse=True)
 results.append(result)
 return results

把重要的东西挖出来,然后自己敲,这样就OK了,下例以MNIST数据集为例:

import keras
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
import tflearn
import tflearn.datasets.mnist as mnist

def decode_predictions_custom(preds, top=5):
 CLASS_CUSTOM = ["0","1","2","3","4","5","6","7","8","9"]
 results = []
 for pred in preds:
 top_indices = pred.argsort()[-top:][::-1]
 result = [tuple(CLASS_CUSTOM[i]) + (pred[i]*100,) for i in top_indices]
 results.append(result)
 return results

x_train, y_train, x_test, y_test = mnist.load_data(one_hot=True)

model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=784))
model.add(Dense(units=10, activation='softmax'))
model.compile(loss='categorical_crossentropy',
  optimizer='sgd',
  metrics=['accuracy'])
model.fit(x_train, y_train, epochs=10, batch_size=128)
# score = model.evaluate(x_test, y_test, batch_size=128)
# print(score)
preds = model.predict(x_test[0:1,:])
p = decode_predictions_custom(preds)
for (i,(label,prob)) in enumerate(p[0]):
 print("{}. {}: {:.2f}%".format(i+1, label,prob)) 
# 1. 7: 99.43%
# 2. 9: 0.24%
# 3. 3: 0.23%
# 4. 0: 0.05%
# 5. 2: 0.03%

补充知识:keras简单的去噪自编码器代码和各种类型自编码器代码

我就废话不多说了,大家还是直接看代码吧~

start = time()
 
from keras.models import Sequential
from keras.layers import Dense, Dropout,Input
from keras.layers import Embedding
from keras.layers import Conv1D, GlobalAveragePooling1D, MaxPooling1D
from keras import layers
from keras.models import Model
 
# Parameters for denoising autoencoder
nb_visible = 120
nb_hidden = 64
batch_size = 16
# Build autoencoder model
input_img = Input(shape=(nb_visible,))
 
encoded = Dense(nb_hidden, activation='relu')(input_img)
decoded = Dense(nb_visible, activation='sigmoid')(encoded)
 
autoencoder = Model(input=input_img, output=decoded)
autoencoder.compile(loss='mean_squared_error',optimizer='adam',metrics=['mae'])
autoencoder.summary()
 
# Train
### 加一个early_stooping
import keras 
 
early_stopping = keras.callbacks.EarlyStopping(
  monitor='val_loss',
  min_delta=0.0001,
  patience=5, 
  verbose=0, 
  mode='auto'
)
autoencoder.fit(X_train_np, y_train_np, nb_epoch=50, batch_size=batch_size , shuffle=True,
        callbacks = [early_stopping],verbose = 1,validation_data=(X_test_np, y_test_np))
# Evaluate
evaluation = autoencoder.evaluate(X_test_np, y_test_np, batch_size=batch_size , verbose=1)
print('val_loss: %.6f, val_mean_absolute_error: %.6f' % (evaluation[0], evaluation[1]))
 
end = time()
print('耗时:'+str((end-start)/60))

keras各种自编码代码

以上这篇keras topN显示,自编写代码案例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python的词法分析与语法分析
May 18 Python
仅用50行Python代码实现一个简单的代理服务器
Apr 08 Python
Python+matplotlib绘制不同大小和颜色散点图实例
Jan 19 Python
Python高级用法总结
May 26 Python
python读取Excel实例详解
Aug 17 Python
在Python dataframe中出生日期转化为年龄的实现方法
Oct 20 Python
浅谈Python脚本开头及导包注释自动添加方法
Oct 27 Python
解决sublime+python3无法输出中文的问题
Dec 12 Python
通过pykafka接收Kafka消息队列的方法
Dec 27 Python
python 读取文件并把矩阵转成numpy的两种方法
Feb 12 Python
Python3 tkinter 实现文件读取及保存功能
Sep 12 Python
python遍历路径破解表单的示例
Nov 21 Python
python如何使用代码运行助手
Jul 03 #Python
Python 3.10 的首个 PEP 诞生,内置类型 zip() 迎来新特性(推荐)
Jul 03 #Python
python3 简单实现组合设计模式
Jul 02 #Python
Django Session和Cookie分别实现记住用户登录状态操作
Jul 02 #Python
django 装饰器 检测登录状态操作
Jul 02 #Python
详解用Python爬虫获取百度企业信用中企业基本信息
Jul 02 #Python
django 实现后台从富文本提取纯文本
Jul 02 #Python
You might like
PHP 的几个配置文件函数
2006/12/21 PHP
php结合飞信 免费天气预报短信
2009/05/07 PHP
php处理单文件、多文件上传代码分享
2016/08/24 PHP
js弹出模式对话框,并接收回传值的方法
2013/03/12 Javascript
jQuery性能优化技巧分析
2015/02/20 Javascript
javascript实现Table排序的方法
2015/05/15 Javascript
深入浅出ES6新特性之函数默认参数和箭头函数
2016/08/01 Javascript
easyui导出excel无法弹出下载框的快速解决方法
2016/11/10 Javascript
javascript中call,apply,bind函数用法示例
2016/12/19 Javascript
通过BootStrap-select插件 js jQuery控制select属性变化
2017/01/03 Javascript
JS中使用正则表达式g模式和非g模式的区别
2017/04/01 Javascript
vue 中使用 watch 出现了如下的报错的原因分析
2019/05/21 Javascript
Vue分页插件的前后端配置与使用
2019/10/09 Javascript
JS表单验证插件之数据与逻辑分离操作实例分析【策略模式】
2020/05/01 Javascript
按日期打印Python的Tornado框架中的日志的方法
2015/05/02 Python
python中的插值 scipy-interp的实现代码
2018/07/23 Python
python实现Zabbix-API监控
2018/09/17 Python
详解Numpy中的广播原则/机制
2018/09/20 Python
python集合常见运算案例解析
2019/10/17 Python
python实现批量文件重命名
2019/10/31 Python
爬虫代理池Python3WebSpider源代码测试过程解析
2019/12/20 Python
tensorboard显示空白的解决
2020/02/15 Python
美国瑜伽品牌:Gaiam
2017/10/31 全球购物
澳大利亚婴儿、幼儿和儿童在线设计师商店:Smooch Baby
2019/02/16 全球购物
Monki官网:斯堪的纳维亚的独立时尚品牌
2020/11/09 全球购物
物理教育专业毕业生推荐信
2013/11/03 职场文书
公司市场部岗位职责
2013/12/02 职场文书
中专药剂专业应届毕的自我评价
2013/12/27 职场文书
主管会计岗位责任制
2014/02/10 职场文书
置业顾问岗位职责
2014/03/02 职场文书
实习协议书范本
2014/04/22 职场文书
《她是我的朋友》教学反思
2014/04/26 职场文书
2014年幼儿园保育工作总结
2014/12/02 职场文书
2016年情人节广告语
2016/01/28 职场文书
Mysql中where与on的区别及何时使用详析
2021/08/04 MySQL
微软团队与 NASA 科学家和惠普企业(HPE)的工程师合作
2022/04/21 数码科技