目錄：

• 目錄：
• Keras使用陷阱
• TF卷積核與TH卷積核
• 向BN層中載入權重
• Keras的可訓練參數在前，不可訓練參數在后
• Merge層的層對象與函數方法

本系列參考官方文檔官方文檔
這就是keras可以參考前篇：這就是keras
學習筆記 Keras:一些基本概念 一些基本概念
Keras:常見問題學習筆記：Keras常見問題
Windows 下Keras安裝和配置指南：Windows 下Keras安裝和配置指南

Keras使用陷阱

這里歸納了Keras使用過程中的一些常見陷阱和解決方法，當然未完待續，有新發現會立馬補上。

TF卷積核與TH卷積核

Keras提供了三套后端，Theano和Tensorflow和CNTK，這是一件幸福的事，就像手中拿著饅頭，想蘸紅糖蘸紅糖，想蘸白糖蘸白糖
如果你從無到有搭建自己的一套網絡，則大可放心。但如果你想使用一個已有網絡，或把一個用th/tf 訓練的網絡以另一種后端應用，在載入的時候你就應該特別小心了。
卷積核與所使用的后端不匹配，不會報任何錯誤，因為它們的shape是完全一致的，沒有方法能夠檢測出這種錯誤。
在使用預訓練模型時，一個建議是首先找一些測試樣本，看看模型的表現是否與預計的一致。
如需對卷積核進行轉換，可以使用utils.convert_all_kernels_in_model對模型的所有卷積核進行轉換

向BN層中載入權重

如果你不知道從哪里淘來一個預訓練好的BN層，想把它的權重載入到Keras中，要小心參數的載入順序。
一個典型的例子是，將caffe的BN層參數載入Keras中，caffe的BN由兩部分構成，bn層的參數是mean，std，scale層的參數是gamma，beta
按照BN的文章順序，似乎載入Keras BN層的參數應該是[mean, std, gamma, beta]
然而不是的，Keras的BN層參數順序應該是[gamma, beta, mean, std]，這是因為gamma和beta是可訓練的參數，而mean和std不是

Keras的可訓練參數在前，不可訓練參數在后

錯誤的權重順序不會引起任何報錯，因為它們的shape完全相同
shuffle和validation_split的順序
模型的fit函數有兩個參數，shuffle用于將數據打亂，validation_split用于在沒有提供驗證集的時候，按一定比例從訓練集中取出一部分作為驗證集
這里有個陷阱是，程序是先執行validation_split，再執行shuffle的，所以會出現這種情況：
假如你的訓練集是有序的，比方說正樣本在前負樣本在后，又設置了validation_split，那么你的驗證集中很可能將全部是負樣本
同樣的，這個東西不會有任何錯誤報出來，因為Keras不可能知道你的數據有沒有經過shuffle，保險起見如果你的數據是沒shuffle過的，最好手動shuffle一下

Merge層的層對象與函數方法

Keras定義了一套用于融合張量的方法，位于keras.layers.Merge，里面有兩套工具，以大寫字母開頭的是Keras Layer類，使用這種工具是需要實例化一個Layer對象，然后再使用。以小寫字母開頭的是張量函數方法，本質上是對Merge Layer對象的一個包裝，但使用更加方便一些。注意辨析。

總結

以上是生活随笔為你收集整理的学习笔记:Keras 错误提示的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。