Keras神经网络集成技术

create_keras_neuropod

将Keras模型打包为神经网络集成包。目前，上文已经支持TensorFlow后端。

create_keras_neuropod(

neuropod_path,model_name,sess,model,node_name_mapping = None,input_spec = None,output_spec = None,input_tensor_device = None,default_input_tensor_device = GPU,custom_ops = [],package_as_zip = True,test_input_data = None,test_expected_out = None,persist_test_data = True,

)

参数：

neuropod_path

neuropod输出路径

model_name

模型名称

Sess

包含权重的TensorFlow会话（一般是keras.backend.get_session()）

model

一种 Keras model 目标.

node_name_mapping

default:
None

从neuropod输入/输出名称到Keras输入/输出名称的可选映射。

Example:

{

“x”: “input_1”,

“out”: “fc1000”,

}

默认状态，用 Kerasinput/output 名称代替 neuropod input/output 名称。

input_spec

default: None

指定模型输入的dict列表。对于每个输入，如果shape设置为None，则不对该形状进行验证。如果shape是元组，则根据该元组验证输入的维度。任何维度的值为“无”表示将不检查该维度。数据类型可以是任何有效的numpy数据类型字符串。

Example:

[ {“name”: “x”, “dtype”: “float32”, “shape”: (None,)}, {“name”: “y”, “dtype”: “float32”, “shape”: (None,)},]

output_spec

default: None

指定模型输出的dict列表。有关详细信息，请参阅input_spec参数的文档。

Example:

[ {“name”: “out”, “dtype”: “float32”, “shape”: (None,)},]

input_tensor_device

default: None

dict将输入张量名称映射到模型希望它们在其上的设备。这可以是GPU或CPU。此映射中未指定的输入规格中的任何张量都将使用下面指定的默认输入张量设备default_input_tensor_device。

如果在推断时选择了GPU，则在运行模型之前，神经网络集成软件会将张量移动到适当的设备。否则，它将尝试在CPU上运行模型，并将所有张量（和模型）移到CPU上。

有关更多信息，请参阅load_neurood的文档字符串。

Example:

{“x”: “GPU”}

default_input_tensor_device

default: GPU

输入张量的默认设备应该打开。这可以是GPU或CPU。

custom_ops

default: []

要包含在打包的neuropod中的自定义op共享库的路径列表。

注意：包括定制操作将您的neuropod绑定到定制操作为之构建的特定平台（如Mac、Linux）。用户有责任确保为正确的平台构建自定义操作。

Example:

["/path/to/my/custom_op.so"]

package_as_zip

default: True

是将neuropod打包为一个文件还是一个目录。

test_input_data

default: None

可选样本输入数据。这是一个将输入名称映射到值的dict。如果提供了这一点，则在包装后立即在隔离环境中运行推断，以确保成功创建了神经网络集成软件。如果提供了预期的测试test_expected_out，则必须提供。

如果推断失败，则引发ValueError。

Example:

{ “x”: np.arange(5), “y”: np.arange(5),}

test_expected_out

default: None

可选的预期输出。如果模型推断的输出与预期的输出不匹配，则引发ValueError。

Example:

{ “out”: np.arange(5) + np.arange(5)}

persist_test_data¶

default: True

可选地将测试数据保存在包装好的神经网络集成软件内。

Keras神经网络集成技术相关推荐

Python神经网络集成技术Guide指南
Python神经网络集成技术Guide指南本指南将介绍如何加载一个神经网络集成系统并从Python运行推断. 提示所有框架的神经网络集成系统运行时接口都是相同的,因此本指南适用于所有受支持框架(包 ...
TorchScript神经网络集成技术
TorchScript神经网络集成技术 create_torchscript_neuropod 将TorchScript模型打包为neuropod包. create_torchscript_neuro ...
PyTorch神经网络集成技术
PyTorch神经网络集成技术 create_python_neuropod 将任意python代码打包为一个neurood包. create_python_neuropod( neuropod_pa ...
keras神经网络回归预测_如何使用Keras建立您的第一个神经网络来预测房价
keras神经网络回归预测 by Joseph Lee Wei En 通过李维恩一步一步的完整的初学者指南,可使用像Deep Learning专业版这样的几行代码来构建您的第一个神经网络! (A s ...
编写程序实现通过有道或百度翻译url对用户输入数据进行翻译_8亿用户AI有道：超强神经网络翻译技术大解密...
[新智元导读]数据的作用在人工智能发展道路上愈发被重视.7月27日,在广州举行的GMIC大会上,网易有道技术总监林会杰表示目前AI+教育还在初级阶段,对于这一行业而言,得数据者得先机.这家拥有国内最大 ...
编写程序实现通过有道或百度翻译url对用户输入数据进行翻译_8亿用户AI有道，超强神经网络翻译技术大解密...
[新智元导读]数据的作用在人工智能发展道路上愈发被重视.7月27日,在广州举行的GMIC大会上,网易有道技术总监林会杰表示目前AI+教育还在初级阶段,对于这一行业而言,得数据者得先机.这家拥有国内最大 ...
基于神经网络集成学习的5篇研究论文推荐
Evaluating Deep Neural Network Ensembles by Majority Voting cum Meta-Learning scheme https://arxiv.o ...
深度神经网络可视化技术
深度神经网络可视化技术深度学习模型表述的难点与意义深度神经网络的可视化云脑 Deepro 采用的 CNN 可视化独立单元激活的可视化图案和区域生成法云脑 Deepro 采用的 RNN 可视 ...
TensorFlow神经网络集成方案
TensorFlow神经网络集成方案创造张力流create_tensorflow_neuropod 将TensorFlow模型打包为neuropod包. create_tensorflow_neur ...

Keras神经网络集成技术

Keras神经网络集成技术相关推荐

最新文章

热门文章