在更新生成器‘noise = np.array (size = batch_size，batch_images，low = -1.0，high = 1.0)’‘时，main ()的内容因为我使用的是np.array，所以得到一个错误，我应该为这个部分分配什么 在标准GAN期间，我在更新生成器时使用了以下代码，但我更改为上面代码的位置没有训练“”noise = np.random.u
浏览 16提问于2019-01-19得票数 0
1回答
我只有一个实验中的“肯定”类图像数据，任务是使用深度学习网络来训练它们。任何与上述类别略有不同的东西都应该被归类为异常/异常值？从同一实验中获取负类数据是一项相当困难的任务 附言:这两类数据之间不会有太大的差异。任务是使用深度学习，而不必定义或给出图像中的任何特征。此外，只有有限数量的图像(大约300-400个)可用于正类数据。我尝试在没有定义任何特征<
浏览 24提问于2019-08-30得票数 0
我正在构建一个GAN来检测图像中的异常。我在keras上构建了我的模型，因为我只熟悉keras。生成器和鉴别器都是自动编码器，我定义了自己的损失函数。该模型的概念是这样的:该模型仅在正常图像上进行训练，并在正常图像和异常图像上进行测试，由于该模型在训练期间仅看到正常图像，因此它不能像正常图像一样重建出良好的异常图像，因此可以<e
浏览 4提问于2019-11-08得票数 0
3回答
Keras自动编码器
、、、、
很久以前，我在Java中使用神经网络，现在我正在学习如何在Python中使用TFLearn和Keras。我正在尝试构建一个自动编码器，但当我遇到问题时，我向您展示的代码没有瓶颈特性(这将使问题更加容易)。在下面的代码中，我创建了网络数据集(两个随机变量)，并在训练后绘制每个预测变量与其输入之间的关联图。
网络应该学习的是输出与接收到的相同的输入。数据集现在有6个变量，而自动编码器有2个神经元
浏览 4提问于2017-02-28得票数 3
回答已采纳
1回答
我在Keras中构建了一个cnn1d自动编码器，它遵循建议在这个问题上，其中编码器和解码器是分开的。我的目标是重新使用解码器，一旦自动编码器已经培训.我的自动编码器的中心层是一个Dense层，因为我想在以后学习它。我的问题是，如果我编译并适合整个自动编码器(编写为Decoder()Encoder()(x)，其中x是输入)，那么当我这样做时，我会得到一个不同的预测。autoencoder.predict(trainin
浏览 0提问于2019-10-13得票数 2
每个训练图像(颜色)的大小为200*200。我在编译时得到错误:使用以下代码的ValueError: Error when checking target: expected activation_7 to have shape (154, 154如何修改代码才能正常工作？autoencoder = Sequential()
浏览 18提问于2019-06-25得票数 1
回答已采纳
1回答
我有5000张降级的照片(像素化，模糊，亮度太高... )以及它们的干净版本，我想训练一个模型，这样它就可以预测如何校正未来的图片。我试图获得尽可能多的信息，我认为我必须使用Tensorflow和Keras训练一个深度学习模型，我将不得不进行图像修复，更准确地说，是一种去卷积方法，以获得预期的结果。然而，我完全不知道如何做到这一点。我会使用PIL Image加载这两张图片，然后将其转换为numpy数
浏览 0提问于2020-01-18得票数 0
1回答
我正在做一个图像标题任务，使用向量来表示图像和标题。编码器: 128 -> 2048。
解码器: 2048 -> 128。我按照教程来实现一个浅浅的网
浏览 6提问于2016-10-11得票数 1
回答已采纳
我正在训练一个自动编码器模型，并希望在运行时从编码器部分保存每个图像的特征，并在以后使用它进行特征匹配。我的模型结构是-test_data_dir = '/test'nb_validation_samplesx)decoded = Conv2D(3, (3, 3), activation='sig
浏览 7提问于2019-11-16得票数 2
回答已采纳
1回答
我想知道，如果我训练第一个模型，第二个将得到它的共享层的权重自动更新，或者我应该手动加载权重。
我从中知道，层可以在同一个模型中共享，但是对于这种特殊情况，我没有任何线索。我还想知道，具有共享层的Keras模型是共享相同的计算图，还是有独立的计算图。
浏览 1提问于2018-06-25得票数 3
回答已采纳
1回答
上下文最好能看到一个Python示例，它的调用类似于fit(X)和predict(Y)，其中X和Y是未标记的</em
浏览 1提问于2016-10-08得票数 4
回答已采纳
2回答
我现在试图结合L1像素丢失和对抗性损失来学习自动编码图像。代码如下。gan_model = tfgan.gan_model( discriminator_fn=nets.discriminatortf.train.StopAtStepHook(num_steps=FLAGS.max_number_of_steps)],但是，我想使用GANEsti
浏览 0提问于2018-04-17得票数 0
我是初来乍到的首席执行官，因此，我试图玩MNIST数据集。我运行了以下命令./examples/mnist/create_mnist.sh我没有更改过caffe中的任何文件，只执行了上面的3行。|-- mnist_autoencoder_solver_adadelta.prototxt
|-- mnist_autoencode
浏览 0提问于2016-03-14得票数 0
我是个Keras初学者，正在尝试构建最简单的自动编码器。它由三个层组成:输入层、编码表示层和输出层。我的数据(训练和验证图像)是一个ndarray，其中每个图像是214x214x3 (像素x像素x RGB通道)。我以为我可以在输入层中使用图像的输入形状，但不知怎么的，我总是遇到错误。= autoencoder.layers[0]
浏览 0提问于2019-05-16得票数 1
回答已采纳
我在找一张训练地图，上面有这样的东西：但是，由于明显的原因，数据集不能以X和Y的形式全部加载到ram中。我查阅了ImageDataGenerator()库，但它并没有给我一个明确的答案，让它在这里工作。摘要：输出形状= (2048,2048，2)验证数据集= 1,000幅图像
M
浏览 5提问于2020-11-01得票数 0
回答已采纳
1回答
访问经过训练的自动编码器的降维
、、、、
这是一个使用PyTorch在mnist上训练的自动编码器：import torchvisionfrom torch.autograd我正在尝试比较每个图像的较低维度表示。打印每一层的维度： print(l.shape)torch.Size([512, 784])tor
浏览 6提问于2018-07-25得票数 2
回答已采纳
2回答
我知道从自动编码器中提取的特征可以输入到mlp中进行分类或回归。这是我之前做过的事情。
但是如果我有2个自动编码器呢？我可以从2个自动编码器的瓶颈层中提取特征，并将它们输入到基于这些特征执行分类的mlp中吗？如果是，那是怎么做的？我不确定如何连接这两个功能集。我尝试使用numpy.hstack()，它会给出“不可散列的切片”错误，而使用tf.concat()会给出错误“模型的输入张量必须是Keras张量”。两个自动编
浏览 65提问于2018-06-02得票数 0
回答已采纳
1回答
我想训练mnist数据集上的自动编码器来生成类似于输入的图像。这是我发现的密码：现在，我想以某种方式评估我的自动编码器的性能，但我不知道该如何做。我发现可以在真实数据集和重构数据集之间使用MSE。然而，当我尝试这样做时：我
浏览 7提问于2021-12-09得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
