"Apprendre en bougeant avec le nouveau Python! Manuel d'apprentissage automatique" par Makoto Ito! Utilisez la deuxième édition Lorsque j'ai mis à jour numpy vers la dernière version 1.18.2, une erreur s'est produite. 1.18.x est NG (Cela s'est également produit dans la version 1.18.4 lors de la tentative d'exécution avec Google Colaboratory). Il y a aussi des keras
Environnement d'utilisation (version):
Mac Book 2016 3.3GHz Intel Corei7 Catalina 10.15.4
Anaconda 1.9.12 JupyterLab 1.2.6 JupyterNotebook 6.0.3 Colaboratory Python 3.7.3, 3.6.9(colab) Numpy 1.18.1,2,4 (colab) Matplotlab 3.1.3, 3.2.1(colab) Tensorflow 2.0.0, 2.2.0rs4(colab) Keras 2.3.1
Aucun problème avec la version 1.17.2. (1.17.x est OK)
Où vous devez changer
Avant changement: np.reshape (xx1, xn * xn, ** 1 **) Après modification: np.reshape (xx1, xn * xn, ** order = "F" **): précédemment recommandé
Les références [numpy.reshape version1.18.x: ValueError: objet non-string détecté pour le classement des tableaux. Veuillez transmettre l'erreur "C", "F", "A" ou "K" à la place](https: // qiita .com / hiroshim021 / items / ed25fe98a6c1463a4c96)
#Liste 4-5-(3)
#Affichage de la ligne de contour--------------------------------
def show_contour_gauss(mu, sig):
Omis à mi-chemin
xx0, xx1 = np.meshgrid(x0, x1)
x = np.c_[np.reshape(xx0, xn * xn, order="F"), np.reshape(xx1, xn * xn, order="F")] #Après le changement
#Affichage 3D----------------------------------
def show3d_gauss(ax, mu, sig):
En chemin
xx0, xx1 = np.meshgrid(x0, x1)
x = np.c_[np.reshape(xx0, xn * xn, order="F"), np.reshape(xx1, xn * xn, order="F")] #Après le changement
Fixing the KeyError: 'acc' and KeyError: 'val_acc' Errors in Keras 2.3.x
Après la version 2.3.x de Keras, lorsque la "précision" est utilisée dans melitexs, la "précision" est utilisée comme clé. La même chose est vraie pour ** val_accuracy **.
According to the 2.3.0 Release Notes: "Metrics and losses are now reported under the exact name specified by the user (e.g. if you pass metrics=['acc'], your metric will be reported under the string "acc", not "accuracy", and inversely metrics=['accuracy'] will be reported under the string "accuracy"." You can read the official release notes here: https://github.com/keras-team/keras/releases/tag/2.3.0
What this means is that if you specify metrics=["accuracy"] in the model.compile(), then the history object will have the keys as 'accuracy' and 'val_accuracy'. While if you specify it as metrics=["acc"] then they will be reported with the keys 'acc' and 'val_acc'.
#Liste 7-2-(4)
"""Affichage de la précision"""
plt.subplot(1,3,2)
plt.plot(history.history['accuracy'],"k",label="training")
plt.plot(history.history["val_accuracy"],"cornflowerblue",label="test")
plt.legend()