將 Convnet.js 神經網絡模型轉換為 Keras Tensorflow

Question

我有一個在 convnet.js 中創建的神經網絡模型，我必須使用 Keras 定義它。 有誰知道我該怎么做？

neural = {
          net : new convnetjs.Net(),
          layer_defs : [
            {type:'input', out_sx:4, out_sy:4, out_depth:1},
            {type:'fc', num_neurons:25, activation:"regression"},
            {type:'regression', num_neurons:5}
          ],
          neuralDepth: 1
      }

這是我目前能做的。 我不能確定它是否正確。

   #---Build Model-----
    model = models.Sequential()
    # Input - Layer 
    model.add(layers.Dense(4, activation = "relu", input_shape=(4,)))  
    # Hidden - Layers 
    model.add(layers.Dense(25, activation = "relu")) 
    model.add(layers.Dense(5, activation = "relu"))
    # Output- Layer
    model.add(layers.Dense(1, activation = "linear")) 
    model.summary()
    # Compile Model
    model.compile(loss= "mean_squared_error" , optimizer="adam", metrics=["mean_squared_error"])

Answer 1

來自 Convnet.js 文檔：“你的最后一層必須是一個損失層（'softmax' 或 'svm' 用於分類，或 'regression' 用於回歸）。” 另外：“創建一個回歸層，它采用目標列表（任意數字，不一定是 softmax/svm 中的單個離散類標簽）並反向傳播 L2 損失。”

不清楚。 我懷疑“回歸”層只是另一層密集（全連接）神經元。 “回歸”一詞可能指的是線性活動。 那么，這次沒有'relu'嗎？

無論如何，它可能看起來像（無順序模式）：

from keras.layers import Dense
from keras.models import Model
my_input = Input(shape = (4, ))
x = Dense(25, activation='relu')(x)
x = Dense(4)(x)
my_model = Model(input=my_input, output=x, loss='mse', metrics='mse')
my_model.compile(optimizer=Adam(LEARNING_RATE), loss='binary_crossentropy', metrics=['mse'])

閱讀了一些文檔后，convnet.js 似乎是一個不錯的項目。 有神經網絡知識的人會更好。