oreilly-japan / deep-learning-with-keras-ja Goto Github PK

P１５５以降でAdversarialModelを使ったGANの生成コードを実行すると、以下のエラーが発生します。

AttributeError: 'AdversarialModel' object has no attribute '_feed_output_shapes'

kerasのバージョンは書籍の通り2.1.2にしています。

アナコンダ＋pycharmの環境で、Quiverをインストールしようとしていますが、うまくいきません。
pip install -r requirements-windows.txtを実行した後の、エラーメッセージは、以下の通りです。
Could not find a version that satisfies the requirement tensorflow==1.8.0 (from -r requirements-windows.txt (line 2))
(from versions: )

No matching distribution found for tensorflow==1.8.0 (from -r requirements-windows.txt (line 2))

＜環境＞
OS:Windows10(64bit）
Python 3.7.0
pycyarm 2018.3.3
アナコンダのTensorflowのバージョンは、１．１２．０です。

もし、なにか情報がありましたら、教えてください。
以上、よろしくお願いいたします。

表題の通りclass CIFAR10Dataset():において、

    def upscale(self, x, data_size):
        # ゼロ行列がすごいメモリを食う
        data_upscaled = np.zeros((data_size,
                                  self.image_shape[0],
                                  self.image_shape[1],
                                  self.image_shape[2]))

おそらくこの部分が原因でメモリを非常に消費します。
RAM64GBのUbuntuで試してみたところ少なくとも40GBは消費していました(ここでctrl-Cしました)

READMEの環境でこれは動作したのでしょうか？

ch07-composite_qa_net.pyのbAbI().downloadメソッド内でダウンロードするファイル「https://s3.amazonaws.com/fair-data/parlai/babi/babi.tar.gz"」 が利用不可状態になっているようで、本テキストのコード(7.4.1)のMemoryNetworkの学習を継続できない状況です。

上記URLにアクセスすると、「This XML file does not appear to have any style information associated with it. The document tree is shown below.」と表示され現在は利用できないようです。

お手数ですが、ご確認をお願いいたします。

bAbI().downloadメソッド内でダウンロードするファイル「https://s3.amazonaws.com/fair-data/parlai/babi/babi.tar.gz"」が利用不可状態になっているようで、本テキストのコード(7.4.1)のMemoryNetworkの学習を継続できない状況です。

上記URLにアクセスすると、「This XML file does not appear to have any style information associated with it. The document tree is shown below.」と表示され現在は利用できないようです。

お手数ですが、ご確認をお願いいたします。

以下のコードで、インデックスのiがループの内外で使われている。

alice_chargen_rnn.py

    for i in range(NUM_PREDS_PER_EPOCH):
        Xtest = np.zeros((1, SEQLEN, nb_chars))
        for i, ch in enumerate(test_chars):
            Xtest[0, i, char2index[ch]] = 1
        pred = model.predict(Xtest, verbose=0)[0]

報告Tweet