1回答
我在keras中见过这些类型的层初始化。(32)(a)它的c_th层的初始化是混乱的。，并将其传递给一个已经初始化的权重W1密集层，其x为units。在这一步中发生了什么，我们为什么要这样做？self.units=units print ('called '+self.units)
b=Foo(a)
为什么</e
浏览 9提问于2019-07-13得票数 0
2回答
当我运行我的小keras模型时，我得到了这个错误 beta:尝试使用未初始化值Bn6/FailedPreconditionError [{{node bn6/beta/read}} = IdentityT=DT_FLOAT，beta full traceback error 代码： "input layer"
command_input = keras.layers.Input(shape=(1,1))image_measurements_features = keras.
浏览 19提问于2019-02-05得票数 1
我通过子类tf.keras.Model类创建了一个自定义模型。当我在自定义模型的调用方法中初始化(tf.keras.layers.Dense(20,activation='relu'))并调用Dense层时，模型根本没有训练。但是，当我在自定义模型类的构造函数中初始化Dense层，然后在我的自定义模型的调用方法中调用Dense层时，模型进行了良好的训练。请帮我理解为什么会发生这种事。
我在tensorflow.org上没有找到任何解
浏览 2提问于2022-06-14得票数 0
1回答
我想知道是否有可能创建一个自定义的网络结构，其中输入层通过使用tensorflow与与输入层不相邻的隐藏层有额外的连接。举个例子，假设我有一个简单的网络结构，如下所示。([ tf.keras.layers.Dense(32, activation='softmax'),
tf.keras.layers.Dense(32, a
浏览 4提问于2021-12-01得票数 0
回答已采纳
为了理解任何Keras层(例如Conv2DTranspose)的实现，有没有一种方法可以将该层作为独立的层运行(使用Tensorflow后端)？
浏览 14提问于2019-01-09得票数 3
1回答
但我知道，在深度学习中，你必须初始化权重来优化神经网络。
Keras中的清楚地表明使用kernel_initializer进行权重初始化。
浏览 4提问于2018-01-26得票数 4
回答已采纳
1回答
角角的开明初始化
、、、、
我的模型层使用relu激活函数。我是，使用he_uniform作为内核初始化器，但是我看到kaiming初始化比he_uniform提供了更好的结果。我正在使用keras，而且keras没有kaiming，我如何实现它？
浏览 11提问于2020-11-14得票数 4
回答已采纳
2回答
我目前正在开发一个使用Keras + Tensorflow的模型，以便确定一组蛋白质的温度范围。我首先做的是创建一个预先训练的模型，将蛋白质转化为嵌入物，然后预测其各自的温度。新的顶级模型的以下代码为： 更新的代码 'Load Pretrained Model'
loaded_model = keras.models.load_model('pretrained_model'
浏览 30提问于2020-11-11得票数 1
回答已采纳
1回答
我想知道Keras中是否有一个内核初始化器，可以用随机值初始化内核，除了左下角的值被初始化为零之外。我想在add_weights方法中的自定义Keras层中使用它。
浏览 9提问于2019-04-16得票数 0
我试图在Keras中实现相同的模型，在Tensorflow中使用Keras层，使用自定义数据。在多次训练中，这两种模型的准确度一致不同(keras ~71%，tensorflow ~65%)。层移动到之后的tensorflowfrom keras import backend as Kfrom keras.layers层内TF设置来识别问题。Kera
浏览 0提问于2018-12-20得票数 1
1回答
模型摘要为空
、、、、
我正在尝试使用keras函数API构建一个神经网络，并使用keras调谐器来训练网络。该模型由一些嵌入层和一些密集层组成：import numpy as npfrom keras.layersimport Input, Embedding, Dense, Flattenfrom sklearn.p
浏览 8提问于2021-06-07得票数 0
1回答
我已经将模型中的所有层设置为使用float64，但是当拟合时，损失似乎仍然是float32 (基于我看到的四舍五入)。我想确保引擎盖下的所有处理都是双倍的。我怎么能保证呢？
浏览 3提问于2022-01-12得票数 2
因为compile()方法没有初始化它，所以这意味着它发生在fit()方法运行期间。例如： kernel_initializer='glorot_uniform',bias_initializer='zeros')
因此，一个很明显的问题是，在第一次划线过程中，权重是逐层初始化，还是在第一次划线之前，对所有层都进行初始化。(我想说的
浏览 6提问于2020-12-25得票数 1
回答已采纳
https://keras.io/layers/writing-your-own-keras-layers/ 根据这里，无状态的客户操作可以被包装到Lambda层。但是如果有可训练的变量，我们需要实现我们自己的层。我想问一下，是否可以将Lambda层用于固定权重(即预先训练的权重)？ 如果是，如何确保正确加载权重，而不是随机初始化？因为get_weights()不会在Lambda层中给你权重。 提前谢谢你了。
浏览 26提问于2019-06-13得票数 1
但是，我使用层和模型的子类来实现这一点。因此，我想将几个角粒层组合成一个角粒层。但如果我想写这样的东西： self.keras_layer = tf.keras.layer.Conv2D__init__(name=name, **kwargs)TypeError: _method_wrapper
浏览 0提问于2019-05-03得票数 1
回答已采纳
1回答
我想从零开始重新培训Keras，Inception_v3。我读了一些帖子，
def reset_weights(model):
session = K.get_session’) initializer_method.run(session=sess)打印(‘重新初始化层{}.{}&#x
浏览 0提问于2019-08-25得票数 4
回答已采纳
1回答
我想用一个没有在Keras中定义的特定内核来初始化卷积层。例如，如果我定义下面的函数来初始化内核： ker=np.zeros((shape,shape)) return kermodel.add(Conv2D(filters=32, kernel_size=(3,3),
浏览 2提问于2017-06-20得票数 6
我正在尝试使用来自Tensorflow的Keras使用Glorot重新初始化层的权重。layer_new_weights = [] initializer = tf.compat.v1.keras.initializers.glorot_normallayer_weights)) layer.set_wegiths(layer_new_weight
浏览 21提问于2020-09-30得票数 0
1回答
我使用监督学习训练网络并保存了它的权重，现在我创建了一个具有附加层的新网络(新网络包含与旧网络相同的层，并具有附加层)，我需要将所有旧网络权重转移到新网络中，并让新的附加层随机初始化，但当我使用新的权重时，它采用随机预测(权重随机初始化)。from keras import layers, models, optimizersimport numpy as np
from kera
浏览 23提问于2019-04-30得票数 0
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
