theano

Error: non-constant-expression cannot be narrowed from type 'npy_intp' to 'int'

由 ﹥＞﹥吖頭↗ 提交于 2020-05-10 21:13:17
问题 I am trying to run the following model, but it fails during compilation: import numpy as np import pymc3 as pm def sample_data(G=1, K=2): # mean proportion ([0,1]) for each g p_g = np.random.beta(2, 2, size=G) # concentration around each p_g c_g = np.random.lognormal(mean=0.5, sigma=1, size=G) # reparameterization for standard Beta(a,b) a_g = c_g * p_g / np.sqrt(p_g**2 + (1.-p_g)**2) b_g = c_g*(1.-p_g) / np.sqrt(p_g**2 + (1.-p_g)**2) # for each p_g, sample K proportions p_gk = np.random.beta

Error: non-constant-expression cannot be narrowed from type 'npy_intp' to 'int'

由 三世轮回 提交于 2020-05-10 21:12:07
问题 I am trying to run the following model, but it fails during compilation: import numpy as np import pymc3 as pm def sample_data(G=1, K=2): # mean proportion ([0,1]) for each g p_g = np.random.beta(2, 2, size=G) # concentration around each p_g c_g = np.random.lognormal(mean=0.5, sigma=1, size=G) # reparameterization for standard Beta(a,b) a_g = c_g * p_g / np.sqrt(p_g**2 + (1.-p_g)**2) b_g = c_g*(1.-p_g) / np.sqrt(p_g**2 + (1.-p_g)**2) # for each p_g, sample K proportions p_gk = np.random.beta

Variable length input for a simple neural network (Keras)

由 ￣綄美尐妖づ 提交于 2020-04-30 07:04:26
问题 Can a variable length, i.e. input_dim=None , be applied to a simple neural network? Specifically, the Keras Sequential model. I've been running into errors when trying to employ the same concept. I've already seen the documentation that seems to support this functionality: https://keras.io/getting-started/functional-api-guide/ But when I do the following... model = Sequential() model.add(Dense(num_feat, input_dim = None, kernel_initializer = 'normal', activation='relu')) model.add(Dense(num

Variable length input for a simple neural network (Keras)

由 人走茶凉 提交于 2020-04-30 07:04:19
问题 Can a variable length, i.e. input_dim=None , be applied to a simple neural network? Specifically, the Keras Sequential model. I've been running into errors when trying to employ the same concept. I've already seen the documentation that seems to support this functionality: https://keras.io/getting-started/functional-api-guide/ But when I do the following... model = Sequential() model.add(Dense(num_feat, input_dim = None, kernel_initializer = 'normal', activation='relu')) model.add(Dense(num

人工智能6大开发框架和AI库，TensorFlow果然地表最强

由 杀马特。学长 韩版系。学妹 提交于 2020-04-17 20:50:06
随着公司积累大量数据并寻找合适的技术进行分析和利用，人工智能（AI）逐渐成为主流。这就是为什么Gartner预测到2021年80％的新兴技术将拥有AI基础。 随着预测分析，机器学习和其他数据科学的趋势已经开始，营销人员需要开始关注如何利用这些技术来形成以数据为驱动力的营销策略。考虑到这一点，我们询问了AI行业专家，为什么营销领导者需要开始考虑AI，以及一些最好的开源AI框架来保持关注。 这里有6个最受欢迎的创新开源AI框架。 1. TensorFlow: Google的开源框架 TensorFlow是一个由工具，库和资源组成的生态系统，许多受欢迎的公司（如Airbnb，eBay，DropBox等）都在使用它。TensorFlow旨在简化和简化机器学习算法的复杂性以简化开发。使用视觉模型和流程图，开发人员和数据科学家可以快速创建神经网络和其他机器学习模型来利用数据。例如，Airbnb正在使用TensorFlow对公寓列表中的照片进行分类，以确保它们准确代表特定的空间。 2.亚马逊SageMaker Neo 亚马逊最近将其机器学习平台的功能Amazon SageMaker Neo开源，作为服务产品。新发布的Neo-AI项目代码将使AI开发人员能够训练机器学习模型并在云中的任何地方运行它们。Neo-AI项目针对需要快速和低延迟预测的边缘计算设备和物联网（IoT）传感器进行了优化。 例如

Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network论文翻译——中文版

由 ♀尐吖头ヾ 提交于 2020-04-17 14:14:20
【推荐阅读】微服务还能火多久？>>> 文章作者：Tyan 博客： noahsnail.com | CSDN | 简书 声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！ 翻译论文汇总： https://github.com/SnailTyan/deep-learning-papers-translation Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network 摘要 尽管使用更快更深的卷积神经网络在单图像超分辨率的准确性和速度方面取得了突破，但仍有一个主要问题尚未解决：当使用大的上采样系数进行超分辨率时，我们怎样来恢复更精细的纹理细节。基于优化的超分辨率方法的行为主要由目标函数的选择来决定。最近的工作主要专注于最小化均方重构误差。由此得出的评估结果具有很高的峰值信噪比，但它们通常缺乏高频细节，并且在感知上是不令人满意的，在某种意义上，它们在较高分辨率上没有满足期望的保真度。在本文中，我们提出了SRGAN，一种用于图像超分辨率(SR)的生成对抗网络(GAN)。据我们所知，这是第一个对于4倍上采样系数，能推断逼真自然图像的框架。为此，我们提出了一种感知损失函数，其由对抗损失和内容损失组成。对抗损失使用判别器网络将我们的解推向自然图像流形

Keras学习手册(一),开篇-使用 Python3 的Deep Learning 库

由 跟風遠走 提交于 2020-04-08 08:31:19
感谢作者分享- http://bjbsair.com/2020-04-07/tech-info/30656.html === 你恰好发现了 Keras。 Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。 如果你在以下情况下需要深度学习库，请使用 Keras： 允许简单而快速的原型设计（由于用户友好，高度模块化，可扩展性）。 同时支持卷积神经网络和循环神经网络，以及两者的组合。 在 CPU 和 GPU 上无缝运行。 查看文档，请访问 Keras.io。 Keras 兼容的 Python 版本: Python 2.7-3.6 。 指导原则 用户友好。 Keras 是为人类而不是为机器设计的 API。它把用户体验放在首要和中心位置。Keras 遵循减少认知困难的最佳实践：它提供一致且简单的 API，将常见用例所需的用户操作数量降至最低，并且在用户错误时提供清晰和可操作的反馈。 模块化。 模型被理解为由独立的、完全可配置的模块构成的序列或图。这些模块可以以尽可能少的限制组装在一起。特别是神经网络层、损失函数、优化器、初始化方法、激活函数、正则化方法，它们都是可以结合起来构建新模型的模块。 易扩展性

Keras下GPU/CPU模式切换

由 ↘锁芯ラ 提交于 2020-04-05 17:46:55
1 确保环境 确保已经正确安装了keras, tensorflow/theano, cuda 在MacOS下面安装CUDA请参考： mac osx/linux下如何将keras运行在GPU上 use cuda with macos Ubuntu下面安装CUDA请参考： 配置深度学习环境 的最后一步 2 切换gpu 来自官方的介绍 How do I use keras with gpu If you are running on the TensorFlow backend, your code will automatically run on GPU if any available GPU is detected. If you are running on the Theano backend, you can use one of the following methods: Method 1: use Theano flags. THEANO_FLAGS=device=gpu,floatX=float32 Python my_keras_script.py The name ‘gpu’ might have to be changed depending on your device’s identifier (e.g. gpu0, gpu1, etc). Method

资料 | 《 Pytorch 深度学习实战 》

由 霸气de小男生 提交于 2020-03-23 21:03:29
3 月，跳不动了？>>> 今日资料推荐 《 Pytorch 深度学习实战 》 本书从基本原理到实战演练、从入门到精通地详细介绍了 Pytorch 的非凡主要表现，用心念完这书，能把握 Pytorch 的应用方法了。PyTorch 是 Facebook 公布的这款十分具备个性化的深度神经网络架构，它和 Tensorflow，Keras，Theano 等别的深度神经网络架构都不一样，这是动态性测算图方式，其运用实体模型适用在运作全过程中依据运作主要参数动态性更改，而别的几类架构全是静态数据测算图方式，其实体模型在运作以前就已经确定。 ❖ 扫 码 即 可 查 看 收 藏 ❖ 下载地址： https://www.yanxishe.com/resourceDetail/331?from=leiphonecolumn_res0319 更多相关资料下载： https://www.yanxishe.com/resources?from=leiphonecolumn_res geng雷锋网雷锋网 (公众号：雷锋网) 雷锋网 雷锋网雷锋网雷锋网 相关文章： 资料 | 《 面向机器学习的特征工程 》 资料 | 程序员面试宝典 第 5 版 资料 | 《 机器学习数学基础 》 资料 | 《 怎样解题：数学竞赛攻关宝典（第 2 版） 》 资料 | 《 Linux 命令行与 shell 脚本编程大全 》

资料 | 《 Pytorch 深度学习实战 》

由 时间秒杀一切 提交于 2020-03-20 23:14:40
3 月，跳不动了？>>> 今日资料推荐 《 Pytorch 深度学习实战 》 本书从基本原理到实战演练、从入门到精通地详细介绍了 Pytorch 的非凡主要表现，用心念完这书，能把握 Pytorch 的应用方法了。PyTorch 是 Facebook 公布的这款十分具备个性化的深度神经网络架构，它和 Tensorflow，Keras，Theano 等别的深度神经网络架构都不一样，这是动态性测算图方式，其运用实体模型适用在运作全过程中依据运作主要参数动态性更改，而别的几类架构全是静态数据测算图方式，其实体模型在运作以前就已经确定。 ❖ 扫 码 即 可 查 看 收 藏 ❖ 下载地址： https://www.yanxishe.com/resourceDetail/331?from=leiphonecolumn_res0319 更多相关资料下载： https://www.yanxishe.com/resources?from=leiphonecolumn_res geng雷锋网雷锋网 (公众号：雷锋网) 雷锋网 雷锋网雷锋网雷锋网 相关文章： 资料 | 《 面向机器学习的特征工程 》 资料 | 程序员面试宝典 第 5 版 资料 | 《 机器学习数学基础 》 资料 | 《 怎样解题：数学竞赛攻关宝典（第 2 版） 》 资料 | 《 Linux 命令行与 shell 脚本编程大全 》
订阅 theano