mein erstes tiefes Netzwerk

Question

Dies ist mein erstes tiefes neuronales Netzwerk und ich habe ein Problem in diesem Code während der Implementierung. neben dem Fehler ist der Code langsam und es ist eine andere Sache. Hier

ist der Code:

import matplotlib.pyplot as plt 
import pandas as pd 
import numpy as np 
from keras.models import Sequential 
from keras.layers import Dense 
from keras.optimizers import SGD, Adam 
from sklearn.datasets import make_moons 
from sklearn.model_selection import train_test_split 


x, y = make_moons(n_samples=1000, noise=0.1, random_state=0) 
plt.plot(x[y == 0, 0], x[y == 0, 1], 'ob', alpha=0.5) 
plt.plot(x[y == 1, 0], x[y == 1, 1], 'xr', alpha=0.5) 
plt.legend(['0', '1']) 
plt.show() 
print(x.shape) 
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=.3, random_state=42) 
model = Sequential 
model.add(Dense(1, input_shape=(2,), activation='sigmoid')) 
model.compile(Adam(lr=0.5), 'binary_crossentropy', metrics=['accuracy']) 
model.fit(x_train, y_train,epochs=200, verbose=0) 
results = model.evaluate(x_test, y_test) 
print('The Accuracy score on the Train set is:\t{:0.3f}'.format(results[1])) 

Hier wird der Fehler

> Using TensorFlow backend. 2017-11-24 17:03:32.402292: W 
> C:\tf_jenkins\home\workspace\rel-win\M\windows\PY\36\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but 
> these are available on your machine and could speed up CPU 
> computations. 2017-11-24 17:03:32.402768: W 
> C:\tf_jenkins\home\workspace\rel-win\M\windows\PY\36\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but 
> these are available on your machine and could speed up CPU 
> computations. (1000, 2) Traceback (most recent call last): File 
> "E:/Tutorial/Deep Learning.py", line 18, in <module> 
>  model.add(Dense(1, input_shape=(2,), activation='sigmoid')) TypeError: add() missing 1 required positional argument: 'layer' 

Answer 1

Sie fehlen Klammern nach Sequential:

model = Sequential() 

Wenn Sie tensorflow kompilieren Gebrauch zu machen von speziellen x86-Anweisungen wie AVX dann siehe How to compile Tensorflow with SSE4.2 and AVX instructions? aber dies könnte mehr Aufwand sein, als es wert ist.