我有一个模型,我已经训练了40个时代.我为每个时代保留了检查站,也保存了模型model.save().培训的代码是

n_units = 1000
model = Sequential()
model.add(LSTM(n_units, input_shape=(None, vec_size), return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(n_units, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(n_units))
model.add(Dropout(0.2))
model.add(Dense(vec_size, activation='linear'))
model.compile(loss='mean_squared_error', optimizer='adam')
# define the checkpoint
filepath="word2vec-{epoch:02d}-{loss:.4f}.hdf5"
checkpoint = ModelCheckpoint(filepath, monitor='loss', verbose=1, save_best_only=True, mode='min')
callbacks_list = [checkpoint]
# fit the model
model.fit(x, y, epochs=40, batch_size=50, callbacks=callbacks_list)

但是,当加载模型并再次训练时,它会重新开始,就像之前没有训练过一样.损失不是从上次培训开始的.

让我感到困惑的是,当我用重新定义的模型结构加载模型时load_weight,model.predict()效果很好.因此我相信模型权重被加载.

model = Sequential()
model.add(LSTM(n_units, input_shape=(None, vec_size), return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(n_units, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(n_units))
model.add(Dropout(0.2))
model.add(Dense(vec_size, activation='linear'))
filename = "word2vec-39-0.0027.hdf5"
model.load_weights(filename)
model.compile(loss='mean_squared_error', optimizer='adam')

但是,当我继续训练时

filepath="word2vec-{epoch:02d}-{loss:.4f}.hdf5"
checkpoint = ModelCheckpoint(filepath, monitor='loss', …

根据Tensorflow的官方网站(https://www.tensorflow.org/api_docs/python/tf/contrib/rnn/BasicLSTMCell#zero_state),zero_state必须指定batch_size.我发现的许多例子使用此代码:

    init_state = lstm_cell.zero_state(batch_size, dtype=tf.float32)

    outputs, final_state = tf.nn.dynamic_rnn(lstm_cell, X_in, 
        initial_state=init_state, time_major=False)

对于培训步骤,可以修复批量大小.但是,在预测时,测试集的形状可能与训练集的批量大小不同.例如,我的一批训练数据具有形状[100,255,128].批量大小为100,包含255个步骤和128个输入.而测试集是[2000,255,128].我无法预测,因为在dynamic_rnn(initial_state)中,它已经设置了一个固定的batch_size = 100.如何修复此问题？

谢谢.

我正在用Rcpp制作一个R包.它在我安装了Rtools的机器上工作正常.但最近,我尝试在不同的机器(Windows)上本地安装我的软件包并得到编译错误.原因是在那台机器上没有g ++编译器(对于Windows,g ++与Rtools一起提供).安装Rtools之后,它运行得很好.

所以问题是,如果我将它上传到CRAN,是否还需要用户手动安装Rtools？或者该功能install.package()是否为它们检测并安装Rtools？

另外,如果你们知道一些用Rcpp写的包,请告诉我.我想看看它是如何工作的.

我正在开发一个带有 C++ 函数的 R 包。我使用 Rcpp。编写和测试时一切正常。但是，当我完成并循环运行它时，我偶尔会收到以下警告和错误：

警告：“.Call”中的堆栈不平衡，78 然后是 77

警告：'{' 中的堆栈不平衡，75 然后是 74

警告：“.Call”中的堆栈不平衡，78 然后是 79

警告：'{' 中的堆栈不平衡，75 然后是 76

警告：“.Call”中的堆栈不平衡，78 然后是 77

警告：'{' 中的堆栈不平衡，75 然后是 74

所以我用谷歌搜索堆栈不平衡，我发现：

什么是堆栈不平衡？

本文指出堆栈不平衡通常是由语言之间调用约定的差异（不匹配）引起的。据我所知，callng约定是调用者函数删除局部变量还是被调用者函数删除的约定。

我发现了这个：

http://www.stats.uwo.ca/faculty/murdoch/software/compilingDLLs/

它说 R 正在使用cdecl而 C++ 使用stdcall.

“如果您的函数使用了stdcall而不是cdecl，则返回时可能会发生崩溃，因为您的参数将在它们已经消失后从堆栈中删除。”

如果我在声明中犯了任何错误，请告诉我。

这是我的 R 代码调用的 C++ 函数：

//[[Rcpp::export]]
int compute(SEXP p_in, Rcpp::NumericVector a) {
    Rcpp::XPtr<emcdf> p(p_in);
    p->cdf(a);
    return p->getResult();
}
//p_in is an external pointer(pointer to an emcdf object in C++)

所以，我的问题是，我该如何解决这个问题？

我感谢您的帮助。

更多细节和代码 2.14.2017 …