小编Scr*_*tch的帖子

我在使用sklearn在python中计算轮廓系数时遇到了麻烦.这是我的代码:

from sklearn import datasets
from sklearn.metrics import *
iris = datasets.load_iris()
X = pd.DataFrame(iris.data, columns = col)
y = pd.DataFrame(iris.target,columns = ['cluster'])
s = silhouette_score(X, y, metric='euclidean',sample_size=int(50))

我收到错误:

IndexError: indices are out-of-bounds

我想使用sample_size参数,因为在处理非常大的数据集时,轮廓太长而无法计算.任何人都知道这个参数如何工作？

完成追溯:

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-72-70ff40842503> in <module>()
      4 X = pd.DataFrame(iris.data, columns = col)
      5 y = pd.DataFrame(iris.target,columns = ['cluster'])
----> 6 s = silhouette_score(X, y, metric='euclidean',sample_size=50)

/usr/local/lib/python2.7/dist-packages/sklearn/metrics/cluster/unsupervised.pyc in silhouette_score(X, labels, metric, sample_size, random_state, **kwds)
     81             X, labels = X[indices].T[indices].T, labels[indices]
     82 …

我在一个相关的问题中读到keras 自定义损失函数必须为每个批次项目返回一个标量。

我写了一个损失函数，为整个批次输出一个标量，网络似乎收敛了。但是，我无法找到任何关于此的文档或代码中究竟发生了什么。某处有广播吗？如果我添加样本权重会发生什么？有人能指出魔法发生的地方吗？

谢谢！

我正在使用 keras 并尝试在 64x64 图像上训练分类器。

我正在尝试优化我的训练管道并抓住瓶颈。

为此，我正在尝试创建更简单的 Keras 模型，以便我知道整个过程（加载图像、数据增强等）在 GPU 上花费非常低的时间。

到目前为止，我设法写了：

def create_network_dummy():
  INPUT_SHAPE = (64, 64, 1)
  inputs = Input(INPUT_SHAPE)
  out = MaxPooling2D(pool_size = (1,1), strides=(64,64), 1)(inputs)
  model = Model(inputs=[inputs], outputs=[out])
  return model

有没有可能有一个更小的？返回一个常量是行不通的，因为它破坏了图形，而 keras 不允许这样做。