def build_model(max_features, maxlen): """Build LSTM model""" model = Sequential() model.add(Embedding(max_features, 128, input_length=maxlen)) model.add(LSTM(128)) model.add(Dropout(0.5)) model.add(Dense(1)) model.add(Activation('sigmoid')) # model.add(tf.keras.layers.BatchNormalization()) model.compile(loss='binary_crossentropy', optimizer='rmsprop') return model这个模型valid_chars = {x:idx+1 for idx, x in enumerate(set(''.join(X)))} max_features = len(valid_chars) + 1 maxlen = np.max([len(x) for x in X])生成的字典怎么实现get_config
时间: 2024-03-06 15:51:46 浏览: 23
您可以通过使用`get_config`函数来获取该字典。在这个模型中,您可以使用以下代码获取字典:
```
model = build_model(max_features, maxlen)
config = model.get_config()
```
`config`将是一个字典,其中包含有关模型的所有配置信息,包括嵌入层,LSTM层,Dropout层,密集层和激活函数。如果您想获取特定层的配置信息,您可以使用以下代码:
```
config = model.get_layer('layer_name').get_config()
```
其中 `layer_name` 是您要获取配置信息的层的名称。
相关问题
def build_model(max_features, maxlen): """Build LSTM model""" model = Sequential() model.add(Embedding(max_features, 128, input_length=maxlen)) model.add(LSTM(128)) model.add(Dropout(0.5)) model.add(Dense(1)) model.add(Activation('sigmoid')) # model.add(tf.keras.layers.BatchNormalization()) model.compile(loss='binary_crossentropy', optimizer='rmsprop') return model这个模型重写 get_config()
好的,以下是重新实现的模型代码,其中包括了重写 `get_config()` 方法:
```python
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding, LSTM, Dropout, Dense, Activation
class LSTMModel(Sequential):
def __init__(self, max_features, maxlen, **kwargs):
super(LSTMModel, self).__init__(**kwargs)
self.max_features = max_features
self.maxlen = maxlen
self.add(Embedding(max_features, 128, input_length=maxlen))
self.add(LSTM(128))
self.add(Dropout(0.5))
self.add(Dense(1))
self.add(Activation('sigmoid'))
self.compile(loss='binary_crossentropy', optimizer='rmsprop')
def get_config(self):
config = super(LSTMModel, self).get_config()
config.update({'max_features': self.max_features,
'maxlen': self.maxlen})
return config
```
在这个例子中,我们继承了 `Sequential` 类,并实现了 `__init__()` 方法和 `get_config()` 方法。在 `__init__()` 方法中,我们按照原始模型的结构构建了模型,并编译了模型。在 `get_config()` 方法中,我们返回了一个字典,其中包含了模型的配置信息。
需要注意的是,因为 `Sequential` 类已经实现了 `get_config()` 方法,所以我们可以直接调用父类的 `get_config()` 方法,并将自定义的配置信息添加到返回的字典中。
希望这个回答能够解决你的问题。
import numpy as np from keras.preprocessing import sequence from keras_preprocessing import sequence from keras.models import Sequential from keras.layers.core import Dense, Dropout, Activation from tensorflow.python.keras.layers.embeddings import Embedding from keras.layers import LSTM import sklearn import pickle # from sklearn.cross_validation import train_test_split import sklearn.model_selection from sklearn.model_selection import train_test_split from keras.models import load_model def build_model(max_features=1, maxlen=65): """Build LSTM model""" model = Sequential() model.add(Embedding(max_features, 128, input_length=maxlen)) model.add(LSTM(128)) model.add(Dropout(0.5)) model.add(Dense(1)) model.add(Activation('sigmoid')) # model.add(tf.keras.layers.BatchNormalization()) model.compile(loss='binary_crossentropy', optimizer='rmsprop') return model def data(Domain): valid_chars = pickle.load(open('dictionary.plk','rb')) Domain = [[valid_chars[y] for y in x] for x in Domain] Domain = sequence.pad_sequences(Domain, maxlen=65) return Domain def run(Domain): Domains=data(Domain) model = build_model() model.load_weights('Mymodel.h5') predictions = model.predict(Domains) return predictions if name == "main": print(run(['baidu.com'])) # Run with 1 to make it fast
这段代码是一个使用 LSTM 模型对域名进行分类的程序,其中包括了模型的构建和加载,以及对数据进行预处理和预测。具体来说,该程序使用了 Keras 和 TensorFlow 库进行模型的建立和训练,同时使用了 pickle 库进行数据的读取和存储。在运行该程序时,输入一个域名进行分类,输出该域名属于恶意或者良性的概率。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)