将 TFlearn 模型转换为 Keras - Python 3.7答案

【问题标题】：converting TFlearn model to Keras - Python 3.7将 TFlearn 模型转换为 Keras - Python 3.7
【发布时间】：2020-01-03 22:55:29
【问题描述】：

我正在尝试将以下 TFlearn 代码转换为 Keras（因为我使用的是 tensorflow2.0，TFlearn 不兼容） - 我对这两个 FWorks 都比较陌生，所以我真的不知道它为什么不起作用（准确性保持不变在 1000 个 epoch 后为 0.04）

在原始 TFlearn 形状中，我有 traning[0] 输入和 output[0] 输出，中间有 2X 8 个隐藏层

这是 TFlearn 模型

tensorflow.reset_default_graph()

net = tflearn.input_data(shape=[None, len(training[0])])
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, len(output[0]), activation="softmax")
net = tflearn.regression(net)

model = tflearn.DNN(net)
model.fit(training, output, n_epoch=1000, batch_size=8, show_metric=True)
model.save("model.tflearn")

这是 Keras 转换

tf.compat.v1.reset_default_graph()

# define the keras model
model = Sequential()
model.add(Dense(8, activation='relu', input_shape=(len(training[0]),)))

model.add(Dense(8, activation="relu"))
model.add(Dense(len(output[0]), activation="softmax"))

model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])
history = model.fit(training,output, epochs=100, batch_size=20)

【问题讨论】：

澄清一下，TFlearn 版本学习正常，而 Keras 版本不行？
完全可以。我正在训练一组单词（总是相同的 BOW 大小）。在 TFlearn 上达到 0.95 的准确度
tflearn 使用什么损失？对于分类，你不应该使用均方误差，更喜欢分类交叉熵
我首先尝试使用分类交叉熵，但结果相同，TFlearn 没有损失规范......所以，我迷路了
@YannMassard 你找到解决方案了吗？我也面临同样的问题，Keras模型的loss比tflearn模型高！

标签： python keras deep-learning tflearn

【解决方案1】：

在您为 100 个 epoch 而不是 1000 个 epoch 编写的 keras 代码中

【讨论】：