UserWarning: Update your `Conv2D`

Keras 2.0版本运行时报错:

由于是神经网络小白,在运行demo的时候不懂keras的版本问题,出现了一下的警告:

C:\ProgramData\Anaconda2\Python.exe"F:/Program Files (x86)/JetBrains/PycharmProjects/untitled1/CNN4.py"

Using Theano backend.

F:/Program Files(x86)/JetBrains/PycharmProjects/untitled1/CNN4.py:27: UserWarning: Update your `Conv2D`call to the Keras 2 API: `Conv2D(30, (5, 5), padding="valid",activation="relu", input_shape=(1, 28, 28...)`

model.add(Convolution2D(30, 5, 5, border_mode='valid', input_shape=(1, 28,28), activation='relu'))

F:/Program Files(x86)/JetBrains/PycharmProjects/untitled1/CNN4.py:30: UserWarning: Update your `Conv2D`call to the Keras 2 API: `Conv2D(15, (3, 3), activation="relu")`

model.add(Convolution2D(15, 3, 3, activation='relu'))

C:\ProgramData\Anaconda2\lib\site-packages\keras\models.py:826:UserWarning: The `nb_epoch` argument in `fit` has been renamed `epochs`.

warnings.warn('The `nb_epoch` argument in `fit` '

出现这些警告是由于keras的版本更新的问题,这里是keras2.0的更新文档的链接:

https://github.com/fchollet/keras/wiki/Keras-2.0-release-notes

再说说我出现的警告的解决方式:

1、Thenb_epochargumenthas been renamedepochseverywhere.所以神经网络的训练次数需要用epochs来定义,不再是nb_epoch

以前写法:

model.fit(X_train, y_train,validation_data=(X_test, y_test), nb_epoch=69, batch_size=200, verbose=2)

正确写法:

model.fit(X_train, y_train,validation_data=(X_test, y_test), epochs=69, batch_size=200, verbose=2)

2、Convolution*layersare renamedConv*.所以定义卷积层需要用Conv2D而不再是Convolution2D

正确写法:注意(5, 5) 是括号括起来,以前不用括起来

from keras.layers.convolutional import Conv2D

model.add(Conv2D(32, (5, 5), padding='valid',input_shape=(1, 28, 28), activation='relu'))

以前错误写法:

from keras.layers.convolutional import Convolution2D

model.add(Convolution2D(32, (5, 5),padding='valid', input_shape=(1, 28, 28), activation='relu'))

再次运行demo的话警告全无!

所以作为初学者还是需要注意keras2.0版本的一些写法上的差别。笔者目前只碰到这样俩个问题,如有其他的关于keras2.0版本上的问题,请参考笔者上面给出的链接,自信查阅。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,928评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,192评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,468评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,186评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,295评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,374评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,403评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,186评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,610评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,906评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,075评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,755评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,393评论 3 320
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,079评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,313评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,934评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,963评论 2 351

推荐阅读更多精彩内容

  • 摘要:神经网络是机器学习中的热门话题。但是网络上有关LSTM在时间序列上的应用却很少,我们不妨透过本文来开拓LST...
    九曲流觞阅读 3,922评论 1 19
  • 你在做什么 伪装者 意淫者 你见过什么 火星人没来过 你死不了的 苦难不是拿来说说 他们听了会一笑而过 你像个演员...
    酒笙清梅阅读 403评论 1 3
  • 喜欢一个地方会有很多理由,比如风光绮丽,人杰地灵。讨厌一个地方也有很多理由,比如穷山恶水,顺便出了满地的刁民。而夹...
    马乔阳君阅读 288评论 0 1
  • 这是一本经典的值得推荐的叫你如何学习的书籍。 主题就是在怎么样阅读方面。是不错的一本指导书,书中作者给出关于阅读以...
    SAMSON小黑麦阅读 203评论 0 0
  • 刚刚看了《陪安》不要说我太out,真的是没有时间去影院又没有资源,只能等爱奇艺的VIP上限,真的是天天等,第...
    難歌啊阅读 676评论 0 0