小编Nit*_*tin的帖子

我有一个目录,其中包含图像的子文件夹(根据标签).我想在Keras中使用ImageDataGenerator时将这些数据拆分为train和test set.尽管keras中的model.fit()具有用于指定拆分的参数validation_split,但我找不到与model.fit_generator()相同的参数.怎么做 ？

train_datagen = ImageDataGenerator(rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    target_size=(img_width, img_height),
    batch_size=32,
    class_mode='binary')

model.fit_generator(
    train_generator,
    samples_per_epoch=nb_train_samples,
    nb_epoch=nb_epoch,
    validation_data=??,
    nb_val_samples=nb_validation_samples)

我没有单独的验证数据目录,需要将其从训练数据中分离出来

我正在使用tensorflow关注文本分类的wildml博客.我无法理解代码语句中max_document_length的用途:

vocab_processor = learn.preprocessing.VocabularyProcessor(max_document_length)

另外我如何从vocab_processor中提取词汇表

我使用tensorflow运行深度学习模型(CNN).在这个时代,我已经多次观察到损失和准确性都有所增加,或两者都有所减少.我的理解是两者总是成反比关系的.什么可能是同时增加或减少的情况.

python中有没有可用的程序包来执行独立组件分析（ICA）？

请提供一些指针和链接，以便我可以从python开始。

我使用以下代码在每10个纪元后使用tensorflow检查点:

checkpoint_dir = os.path.abspath(os.path.join(out_dir, "checkpoints"))
checkpoint_prefix = os.path.join(checkpoint_dir, "model")
...
if current_step % checkpoint_every == 0:
    path = saver.save(sess, checkpoint_prefix, global_step=current_step)
    print("Saved model checkpoint to {}\n".format(path))

问题是,随着新文件的生成,以前的5个模型文件会自动被删除.

我在 GCS 存储桶上有以下结构：

1. my_bucket/笔记本/jupyter/
   • 模块
     • 我的模块.py
     • 初始化.py
   • notebook_1.ipynb

如何在 notebook_1.ipynb 中导入 mymodule？（notebook_1.ipynb 是 python 笔记本，不是 spark 笔记本）