小编xen*_*ity的帖子

我将运行一些较大的模型，并尝试中间结果。

因此，我尝试在每个时期之后使用检查点来保存最佳模型。

这是我的代码：

model = Sequential()
model.add(LSTM(700, input_shape=(X_modified.shape[1], X_modified.shape[2]), return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(700, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(700))
model.add(Dropout(0.2))
model.add(Dense(Y_modified.shape[1], activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# Save the checkpoint in the /output folder
filepath = "output/text-gen-best.hdf5"

# Keep only a single checkpoint, the best over test accuracy.
checkpoint = ModelCheckpoint(filepath,
                            monitor='val_acc',
                            verbose=1,
                            save_best_only=True,
                            mode='max')
model.fit(X_modified, Y_modified, epochs=100, batch_size=50, callbacks=[checkpoint])

但是在第一个时期之后，我仍然收到警告：

/usr/local/lib/python3.6/site-packages/keras/callbacks.py:432: RuntimeWarning: Can save best model only with val_acc available, skipping.
  'skipping.' % (self.monitor), RuntimeWarning)

要添加metrics=['accuracy']到模型中还存在其他SO问题（例如，在使用预训练的VGG16模型时无法节省重量）的解决方案，但此处仍然存在错误。

我想给字符串着色，但每个字符都不同。我有一个包含文本的数组和一个值在 -1 到 1 之间的数组，其中 -1 应该代表“红色”，1 应该代表“绿色”。0 可以是白色、黄色或介于红色和绿色之间的褪色。

每个角色都应该有与得分有关的颜色。

数据如下：

array([['a', 'c', 'm', 'e', 't', 'e', 'l', 'l', 'm', 'e'],
   ['0.1716490432811229', '0.062389299621661884',
    '0.26545182258229466', '-0.07999088246625552',
    '-0.4499291603930515', '-0.7465421931327068', '-0.812006046307664',
    '-0.8443500193245104', '-0.865253671942029','-0.8697487071105282',]],
  dtype='<U32')

我能够生成颜色：

import matplotlib as mpl
import matplotlib.cm as cm

norm = mpl.colors.Normalize(vmin=-1, vmax=1)
cmap = cm.RdYlGn
x = 0.3

m = cm.ScalarMappable(norm=norm, cmap=cmap)
#print(m.to_rgba(x))

color = m.to_rgba(ws)
color

结果如下所示（r、g、b、a）：

array([[ 0.87435602,  0.94709727,  0.57708574,  1.        ],
       [ 0.9561707 ,  0.98154556,  0.68904268,  1.        ],
       [ 0.83529412,  0.93048827,  0.5349481 ,  1.        ], …