自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

weixin_42943494的博客

原创记录李宏毅机器学习的FiZZ BUZZ程序代码问题——TypeError: init() missing 1 required positional argument: ‘units‘

记录李宏毅机器学习的FiZZ BUZZ程序代码问题——TypeError: init() missing 1 required positional argument: ‘units’李宏毅老师给的参考代码如下：from keras.layers.normalization import BatchNormalizationfrom keras.models import Sequentialfrom keras.layers.core import Dense,Dropout,Activation

2020-08-20 17:00:05 12157 12

原创记录char*的一个问题

char* str=“hello”;要注意

2020-04-08 00:48:05 133

原创记录keil arm第一个程序的出错

自己开发keil arm程序，第一个程序默认配置把c99勾上了，自己开发配置要去掉，不然一直编译不成功，试了很多次的教训！

2020-03-22 13:29:16 88

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

weixin_42943494

CSDN认证博客专家 CSDN认证企业博客

码龄6年

IP 属地：江苏省

IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）

3: 原创

12万+: 周排名

178万+: 总排名

1万+: 访问

: 等级

209: 积分

2: 粉丝

48: 获赞

12: 评论

59: 收藏

私信

关注

热门文章

分类专栏

笔记 3篇

最新评论

记录李宏毅机器学习的FiZZ BUZZ程序代码问题——TypeError: __init__() missing 1 required positional argument: ‘units‘
潇庭: 写得非常好，完美解决问题
记录李宏毅机器学习的FiZZ BUZZ程序代码问题——TypeError: __init__() missing 1 required positional argument: ‘units‘
一天掉10根头发: 卧槽，我怀疑你是对着我的错误写的博客哈哈哈，我报错原因都找到了，谢谢
记录李宏毅机器学习的FiZZ BUZZ程序代码问题——TypeError: __init__() missing 1 required positional argument: ‘units‘
xiebanbanban: 感谢!
记录李宏毅机器学习的FiZZ BUZZ程序代码问题——TypeError: __init__() missing 1 required positional argument: ‘units‘
xiebanbanban: 感谢!
记录李宏毅机器学习的FiZZ BUZZ程序代码问题——TypeError: __init__() missing 1 required positional argument: ‘units‘
智能＋: 将output_dim改为units后提示TypeError: ('Keyword argument not understood:', 'init')，请问有碰到过吗[code=python] [/code]import numpy as np from keras.layers import Dense from keras.models import Sequential trX = np.linspace(-1, 1, 101) trY = 3 * trX + np.random.randn(*trX.shape) * 0.33 #TrainX的值在-1和1之间均匀分布，而TrainY的值为TrainX的三倍，但增加了一些随机扰动。 model = Sequential() model.add(Dense(input_dim=1, units=1, init='uniform', activation='linear')) #使用了一个采用线性激活的全连接(Dense)层。它实际上封装了输入值x乘以权重w，加上偏置(bias)b，然后进行线性激活以产生输出。 #查看默认初始化的权重和偏置值 weights = model.layers[0].get_weights() w_init = weights[0][0][0] b_init = weights[1][0] print('Linear regression model is initialized with weights w: %.2f, b: %.2f' % (w_init, b_init)) #选择优化器和损失函数 model.compile(optimizer='sgd', loss='mse') #选择简单的梯度递减优化算法，损失函数选择均方差(mean squared error, mse)。 #训练模型 model.fit(trX, trY, nb_epoch=200, verbose=1) weights = model.layers[0].get_weights() w_final = weights[0][0][0] b_final = weights[1][0]

最新文章

提示

确定要删除当前文章？

取消删除