小编sto*_*ran的帖子

我正在尝试使用来自keras的预训练VGG 16.但我真的不确定输入范围应该是什么.

快速回答,这些颜色订单中的哪一个？

• RGB
• BGR

哪个范围？

• 0到255？
• 从大约-125到大约+130平衡？
• 0到1？
• -1比1？

我注意到定义模型的文件导入了一个输入预处理器:

from .imagenet_utils import preprocess_input

但是这个预处理器从未在文件的其余部分中使用.

此外,当我检查此预处理器的代码时,它有两种模式:caffe和tf(tensorflow).

每种模式都有不同的作

最后,我无法在互联网上找到一致的文档.

那么,工作的最佳范围是什么？模型权重的训练范围是多少？

我想更新EF中的一行:

Case newCase = new Case(...);
dbContext.Entry(newCase).State = EntityState.Modified;
dbContext.SaveChanges();

更新时我有这样的消息:

数据库操作预计会影响1行,但实际上会影响0行.自加载实体以来,数据可能已被修改或删除

没有并发性,因为我在我的机器上使用db.

如果我转到SQL事件探查器以查看执行的查询,则条件为:

WHERE [Id] = @p0 AND [RowVersion] = @p14;

在这种情况下,@p0是1并且@p14是NULL,就像我想要修改的记录一样.但是,如果我在删除RowVersion部分查询后在SQL Server中手动启动此查询,则会成功,更新1行.

可能是什么问题,我该如何解决？

编辑:

我试图在更新之前选择记录,但错误是一样的:

    IEnumerable<Case> cases = from c in dbContext.Cases where c.Id.ToString() == "1" select c;
    Case cs = cases.SingleOrDefault();
    dbContext.Entry(cs).State = EntityState.Modified;
    dbContext.SaveChanges();

这是完整的错误:

EntityFramework.Core.dll中出现"Microsoft.Data.Entity.DbUpdateConcurrencyException"类型的异常,但未在用户代码中处理

附加信息:数据库操作预计会影响1行但实际影响0行.自加载实体以来,数据可能已被修改或删除.有关理解和处理乐观并发异常的信息,请参阅 http://go.microsoft.com/fwlink/?LinkId=527962.

这是来自Sql Profiler的查询:

exec sp_executesql N'SET NOCOUNT OFF;

UPDATE [Case]
    SET 
        [Closed] = @p1
      , [Comment] = @p2
      , [ContactComment] = @p3 …

我想在python中实现VGG Face Descriptor.但我一直收到一个错误:

TypeError:只能将列表(不是"numpy.ndarray")连接到列表

我的代码:

import numpy as np
import cv2 
import caffe
img = cv2.imread("ak.png")
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
net = caffe.Net("VGG_FACE_deploy.prototxt","VGG_FACE.caffemodel",  caffe.TEST)
print net.forward(img)

你能帮助我吗 ？

更新1

这个工作代码是matlab中的示例

%  Copyright (c) 2015, Omkar M. Parkhi
%  All rights reserved.
img = imread('ak.png');
img = single(img);

    Img = [129.1863,104.7624,93.5940] ;

img = cat(3,img(:,:,1)-averageImage(1),...
    img(:,:,2)-averageImage(2),...
    img(:,:,3)-averageImage(3));

img = img(:, :, [3, 2, 1]); % convert from RGB to BGR
img = permute(img, [2, 1, 3]); % permute width …

我已经看到有关神经网络不同部分的丢失的描述:

1. 重量矩阵中的丢失,

2. 在矩阵乘法之后和relu之前隐藏层中的丢失,

3. relu后隐藏层中的丢失,

4. 并且在softmax函数之前输出分数中的丢失

我对应该在哪里执行辍学感到有点困惑.有人可以帮忙详细说明吗？谢谢!

我该如何定义一个？我在文档中没有找到有关此事的任何信息。仅关于列表和向量。

我使用Keras预训练的VGG-16型号.

到目前为止我的工作源代码是这样的:

from keras.applications.vgg16 import VGG16
from keras.preprocessing.image import load_img
from keras.preprocessing.image import img_to_array
from keras.applications.vgg16 import preprocess_input
from keras.applications.vgg16 import decode_predictions

model = VGG16()

print(model.summary())

image = load_img('./pictures/door.jpg', target_size=(224, 224))
image = img_to_array(image)  #output Numpy-array

image = image.reshape((1, image.shape[0], image.shape[1], image.shape[2]))

image = preprocess_input(image)
yhat = model.predict(image)

label = decode_predictions(yhat)
label = label[0][0]

print('%s (%.2f%%)' % (label[1], label[2]*100))

我宣布该模型已经训练了1000个班级.有没有可能得到这个模型训练的类列表？打印出所有预测标签不是一种选择,因为只返回了5个.

提前致谢

我从 C# 代码执行 PowerShell 脚本。我使用System.Management.Automation.dll Nuget 包。虽然我的脚本有一个明显的错误，但powerShell.Invoke()没有返回结果，也没有错误消息。

using (var powerShell = PowerShell.Create())
{
    powerShell.AddScript("an erroneous script");
    powerShell.Invoke(); // yields an empty PSObject list
}

如何获取错误列表？

我想知道是否可以在keras中添加自定义模型到损失函数.例如:

def model_loss(y_true, y_pred):
    inp = Input(shape=(128, 128, 1))
    x = Dense(2)(inp)
    x = Flatten()(x)

    model = Model(inputs=[inp], outputs=[x])
    a = model(y_pred)
    b = model(y_true)

    # calculate MSE
    mse = K.mean(K.square(a - b))
    return mse

这是一个简化的例子.我实际上会在损失中使用VGG网,所以只是想了解keras的机制.

我目前正在学习 C#，因此我希望获得一些支持 - 是否可以在同一文件中添加多个命名空间？

我正在使用Telethon和Python 3.6xx

能够从群组中检索消息,没有问题,但是当涉及到频道时,我被卡住了.

dialogs = client(get_dialogs)
for chat in dialogs.chats:
   getmessage = client.get_messages(chat.id, limit=400)
   for message in getmessage:
        print(message.message)

我搜索过telethon文档,但大多数答案都是为了回应旧版本get_message_history.

当我尝试使用以下内容chat.id = 1097988869(news.bitcoin.com)时,我收到以下错误(对于群组chat.id工作正常):

PeerIdInvalidError:使用了无效的Peer.确保传递正确的对等类型