2回答
我正在研究一种用于CNN的模糊卷积滤波器。我已经准备好了这个函数-它接受2D输入矩阵和2D内核/权重矩阵。该函数输出卷积特征或激活图。现在，我想使用Keras来构建CNN的其余部分，它也将具有标准的2D卷积滤波器。
有没有什么方法可以将我的自定义过滤器插入到Keras模型中，这样内核矩阵就会由Keras后端的<
浏览 2提问于2018-08-20得票数 3
0回答
这种情况仍然是抽象的，我需要训练一个卷积网络，然后在图像上的滑动窗口上运行这个卷积网络。我们的目标将是构建一个热图，用于为某些对象建立像素完美的检测边界。我想知道在keras中是否有一种简单的方法来训练网络，然后将其转变为卷积网络，而不需要在图像上运行循环，这是非常慢的？
我想我可以把经过训练的卷积滤波
浏览 5提问于2016-12-30得票数 0
我注意到在输入图像具有三维的代码中使用了Conv2d层。然而，由于我们只为滤波器输入两个维度，矩阵乘法是如何发生的？
二维滤波器是否将每个输入通道分开(或使用广播)(然后将结果相加)？或者过滤器的深度是否自动匹配输入的深度(如果是彩色图像，则为3)？如果是这样的话，3x3x3过滤器应该有27个可以训练的权重，而在前一个情况下是9个。对于conv2d的过滤器尺寸，Tensorflow更加明确(您必须输入高度、宽度、通道
浏览 0提问于2018-01-02得票数 3
回答已采纳
1回答
如何计算CNN的权重数？
、、、、
考虑到用于将图像分类为两类的卷积神经网络，我们如何计算权重数：
第三层:一个最大的池层，它将样本层2降为4倍(例如，从500x500到250x250)。第四层:有250个单元的</e
浏览 2提问于2019-12-15得票数 3
回答已采纳
1回答
我正在尝试理解2D卷积神经网络和2D深度卷积神经网络在计算方面的异同。(我理解这些概念)。输出是什么？(可以忽略激活和偏差)
我知道普通的conv2D会有13x3的输出，而dw conv2D会有3。除此之外，我有点困惑。谢谢
浏览 0提问于2019-06-10得票数 4
我正在遵循tensorflow2 关于使用MobileNetV2作为基本体系结构的精细调优和传输学习。我尝试使用自定义形状(640,640，3)，根据文档，它警告说(224,224，3)形状的重量是加载的。所以如果我加载这样的网络：def create_model():
base_modelTotal params
浏览 0提问于2020-12-05得票数 1
回答已采纳
2回答
卷积层的输出形状
、、、、
我在Keras建立了一个卷积神经网络。在我的例子中，卷积层有一个300维的输入。因此，我期望采用以下计算方法：
每个滤波器的窗口大小为5，因此，每个滤波器产生300-5+1=296个卷积.由于有111个滤波器，所以应该有一个111*296的卷积层的输出。但是，我不明白重量的形状。显然，第一个维度取决于过滤器
浏览 8提问于2017-05-08得票数 3
1回答
CNN凯拉斯:将训练多少个重量？
、、、、
我对CNN的理解有点问题。我不太确定有多少过滤器和重量被训练。
示例:我有一个32x32像素和3个通道的输入层(即(32,32,3)的形状)。现在我使用了一个二维卷积层和10个形状的(4,4)滤波器。因此，我最终得到了10个通道，每个通道的形状都是(28,28)，但是现在是为每个输入通道训练一个单独的过滤器，还是它们是共享的呢？我是训练3x10x4x4还是训练10x4x4？
浏览 1提问于2018-06-05得票数 3
回答已采纳
2回答
卷积神经网络中特征映射的滤波器
、、、、
在卷积神经网络中，我应该使用什么样的滤波器来提取特征图？我最近读到了关于卷积神经网络的文章，我了解到我们使用(一组滤波器)在每个卷积层生成一组特征映射，通过对前一层输出的滤波器进行卷积，生成一组特征映射。3)如何为我们<em
浏览 1提问于2015-12-05得票数 0
回答已采纳
2回答
我正在尝试用Keras实现，并在MATLAB中检查了网络设计，如下所示可以看出，第二卷积层具有大小为5×5的256个滤波器、48个通道和2 2 2的填充。如何使用Keras指定2 2 2的padding？我看过了。它只接受两个填充的值，即valid和same。我无法理解这一点。据我所知，valid意味着零填充。如何使用第二卷积层指定2 2 2填充？我创
浏览 0提问于2019-04-16得票数 4
回答已采纳
1回答
假设我想在神经网络中创建以下一层:不是让一个方形卷积滤波器在某个图像上移动，而是希望滤波器的形状是其他形状，比如矩形、圆形、三角形等(这当然是一个愚蠢的例子；我考虑的实际情况是不同的)。我如何在TensorFlow中实现这样一个层呢？
我发现可以通过扩展tf.keras.layers.Layer在Keras中定义自定义层，但是文档非常有限，没有很
浏览 4提问于2019-04-09得票数 2
1回答
我正在尝试实现一个卷积自动编码器，其中一些卷积滤波器依赖于输入内容。例如，在一个简单的玩具示例中，知道MNIST的数字标签可以进一步帮助自动编码器设置中的重建。更一般的想法是，可以有一些相关的辅助信息(无论信息是类标签还是其他信息)，这些信息对合并是有用的。虽然有多种方法可以使用此标签/辅助信息，但我将通过创建一个单独的卷积滤波
浏览 0提问于2020-09-14得票数 1
2回答
我很难理解CNN中2个或更多个卷积层(每个卷积层后面是一个池化层)的工作方式。
假设输入是3通道300x300图像。如果第一卷积层具有32个卷积层，并且第二层具有64个卷积层，则第一层创建32个特征图。但是第二层创建了多少个特征图呢？64个卷积中的每个卷积是否都作用于之前生成的32个特征图，从而总共创建32*64 = 2048个特征图？或者发生了其他事情？与这个问题相关的<
浏览 1提问于2020-08-02得票数 4
4回答
我不明白为什么渠道维度不包括在Keras中的conv2D层的输出维度中。Model(input=image, output=output)model.summary()
模型摘要给出了我问题末尾的数字输入层采用宽度= 128和高度= 128的RGB图像。第一个conv2D层告诉我输出维度是(None，61，61，24)。我使用了内核大小(8，8)，这是(2，2)没有填充
浏览 5提问于2019-03-31得票数 13
我了解到我们可以使用函数layer.get_weights()来获得层的权重和偏差。这将返回长度为2的列表。层的权重存储在layer.get_weights()[0]中，偏移存储在layer.get_weights()[1]中(如果在定义层期间未禁用偏移)。这对于正常的卷积层是正确的。我最近使用可分离的卷积层作为我在EfficientDet model中的
浏览 90提问于2020-10-14得票数 1
回答已采纳
1回答
多重合并多重卷积
、、、、
(这里的第一篇文章)我对神经网络相当陌生，我已经使用了Tensorflow几个月了，我正在寻求一些关于提高我的模型准确性的想法的建议。我看到的序列使用一维卷积层与空间丢失，和一个LSTM寻找这些特征的空间相关性。我的想法是，由于这些序列具有不同类型的特性，具有不同的序列长度，所以我可以尝试将输入序列发送到具有不同窗口大小的多个1 1dconv层，
浏览 0提问于2019-11-26得票数 2
回答已采纳
我在我的数据集上应用CNN模型进行预测。在重塑维度之后，my model1的model1变成：然后，我应用CNN输入层定义如下：这里1以上是通道数，3,4表示我的节点表示12个输入节点或特性，现在我检查output_shape of model1，它是：
model1
浏览 0提问于2018-12-03得票数 0
我只是不明白用于卷积神经网络的keras框架在下面的代码行中使用了什么类型的过滤器，是用于水平边缘检测，还是用于垂直或任何边缘或其他特性？这是一个7*7 32滤波器，它的跨距为1，我们将它与X相转换。
x= Conv2D(32, (7, 7), strides = (1, 1), name = 'conv0')(X)
浏览 0提问于2018-01-22得票数 0
回答已采纳
1回答
如何将tf.keras.layers与tf.Variable相乘
上下文:我正在创建一个样本相关卷积滤波器，它由一个泛型过滤器W组成，该过滤器通过样本依赖移位+缩放来转换。因此，将卷积原始滤波器W转化为aW + b，其中a是样本相关尺度，b是样本相关移位。其中一个应用是训练自动编码器，其中样本依赖是标签，因此每个标签移动/缩放卷积滤波器。由于样本/标签相关的卷积，我使用的是tf.
浏览 2提问于2020-10-02得票数 0
回答已采纳
1回答
在训练模型后，如何才能看到用于Keras卷积层的每个内核(过滤器)的内容？
(例如，对于具有10个滤波器的2D卷积层(3*3))。
浏览 1提问于2020-02-20得票数 3
回答已采纳
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
