为张量流模型尝试不同的输入组合答案

【问题标题】：Trying different input combinations for a tensorflow model为张量流模型尝试不同的输入组合
【发布时间】：2021-03-21 13:41:53
【问题描述】：

我在 Tensorflow 中构建了一个神经网络，并且正在使用情感维度来尝试构建一个预测模型。几个维度是愤怒、悲伤、喜悦、惊喜、积极、消极等。我的目标是尝试组合不同的维度，看看是否可以找到它们之间的非线性关系（我使用的是自组织模糊神经网络）与我试图预测的内容。（例如'Anger Surpise'、'Anger、Sad'、'Sad、Joy、Surprise'等）

我尝试过的： 我使用“itertools”库获得了所有不同的组合。然后，我创建了一个函数，该函数接收我想尝试的列，然后将我的 pandas 数据框拆分为训练和测试，训练模型并返回输出。

我尝试在 pandas 数据框上使用 .map 调用此函数，其中一列由组合组成，我也尝试使用线程池，也只是对组合列表进行简单循环并调用我的函数，但是所花费的时间成倍地变慢，我认为这与垃圾收集器没有完成它的工作有关（我的 RAM 使用率也变得非常高）。然后，我尝试在每次函数调用后删除所有训练、测试数据帧和模型，但没有帮助。

tl;dr 有没有在 tensorflow 模型上尝试不同输入组合的好方法？

【问题讨论】：

标签： python pandas tensorflow

【解决方案1】：

您的问题似乎很复杂 - 有很多因素需要确定。

首先 - 我建议为这种类型的操作构建数据结构 - 并对 github 上的现有代码库进行一些研究。

用于严格操作图像和人脸识别 - cv2 和 openCV。这种类型的模型基本上适用于人脸识别和 (x,y) 中点的位置以及基于此的欧几里德距离。

在声明和调整层的过程中 - 可以混合这些层 - （Conv64、池化、Conv128、Conv258、Conv512）例如。

model = Sequential()

model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(48,48,1)))
model.add(Conv2D(64, kernel_size=(3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(128, kernel_size=(3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(128, kernel_size=(3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(1024, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(7, activation='softmax'))

（参考：https://github.com/atulapra/Emotion-detection/blob/master/src/emotions.py）

并定义前面提到的因素，例如。

（0=愤怒，1=厌恶，2=恐惧，3=快乐，4=悲伤，5=惊讶，6=中立）

所以在对情绪进行分类之后：

需要逐点读取点的位置，例如：

for(x, y, w, h) in images

【讨论】：