1回答
全连接层大小
、、、
adam", loss="categorical_crossentropy",metrics=[recall, fmeasure,precision,"accuracy"]) 正如你所看到的，我的第一个全连接层(FC1)的大小是128，下一个是256 (FC2) 拥有比FC1更大的FC2是不是很“愚蠢”？
浏览 29提问于2019-06-13得票数 0
回答已采纳
1回答
通常使用0.5的丢失率作为默认值，我也在我的全连接网络中使用它。这个建议遵循了最初的Dropout论文中的建议(Hinton at al)。我的网络由不同大小的全连接层组成我不会将dropout应用于最后一层。但我确实将其应用于10号瓶颈层。在使用dropout时，是否有一个经验法则如何处理瓶颈层？增加瓶颈大小和降低丢失率哪个更好？
浏览 0提问于2018-05-16得票数 0
1回答
具有不同输入形状的神经网络
、、、、
稍后，它应该能够为不同大小和不同纵横比的图像着色。我读到，这与普通的CNN是不可能的。我还读到，唯一的选择是将图像缩小到一个特定的大小或使用大的固定大小(如3000x3000px)，并将剩余的空间填充为黑色。这两个选项似乎都不是那么优雅。第一个与我想要的相反，第二个会使神经网络变慢。
浏览 11提问于2019-04-15得票数 0
1回答
我正在使用CNN网络来提取特征，在最终的全连接层之前，我从层中提取特征。它们的维度为4096，数据大小约为100万。我想将这些功能存储在服务器上以备将来使用。但是我不确定我应该选择使用哪种数据格式。
浏览 0提问于2016-10-06得票数 0
1回答
使用CNN，我想拍摄一张每个像素都有3个标签注释的图像。如下所示：0,1,2,3... (Class of object, eg cat,dog)换句话说，给出一张多只猫和狗的照片，CNN会输出给定的像素来自一个对象，该对象是一只猫，它属于图像中的猫的第二个实例(例如，从左上角开始计数)。编辑:我应该注意，我知道我最初必须用带注释的图像训练C
浏览 1提问于2017-05-15得票数 0
1回答
如何在全连接层之后应用组规范化？假设全连接层的输出为1024.分组归一化层使用16组。如果将组规范化应用于全连接层的输出，我们应该如何理解它？
浏览 1提问于2021-07-07得票数 3
回答已采纳
我有不同大小的输入图像，我将它们通过CNN中的Conv层，然后我应该将Conv输出连接到一个完全连接的层进行分类。
由于该过程必须矢量化，因此输出必须具有相同的形状，以便一批图像可以用于前向传递。因此，对于在全连接层的输入处的所有图像具有相同形状的问题。但是由于我的输入图像具有不同的形状，我的final Conv layer给出了不同形状的输出，我如何将来自Last Conv layer的不同形状的输出合并/重塑为固定形状，以便它们可以<em
浏览 0提问于2018-06-12得票数 0
在的“3.1截断SVD快速检测”一节中，作者提出了利用技巧来减少全连通层的大小和计算时间。给定一个经过训练的模型(deploy.prototxt和weights.caffemodel)，我如何使用这个技巧将一个完全连接的层替换为一个截断的层？
浏览 0提问于2016-11-08得票数 7
回答已采纳
通常，在使用图像作为单镜头多盒检测器(SSD)的输入之前，图像会被裁剪/扭曲成所需的输入大小。像KITTI数据集这样的宽图像会受到很大的挤压，因此会丢失一些信息。
浏览 3提问于2017-04-21得票数 0
6回答
在下面的图表(架构)中，4096个单元的(完全连接的)密集层是如何从维度256x13x13的最后一个最大池层(在右侧)派生出来的？不是4096，不应该是256*13*13=43264吗？
浏览 1提问于2017-03-11得票数 21
在Alexnet和vggnet中，完全连接层很清楚是哪个名字叫'fc7‘，但在googlenet/resnet50/resnet101/inception v2 v3中就不清楚了，有人能给我指点一下吗？另外，这些模型中的特征大小是多少，例如在alexnet中是4096？
浏览 34提问于2019-05-22得票数 1
1回答
CNN中的过度拟合
、、、、
我正在训练STL-10数据集上的VGG网。但是前1名和前5名的训练准确率都达到了100%。代码：： with tf.variable_scope(name) as scope: conv = tf.nn.conv2d(inp,kernel,[1,s,s,1],'SAME')
浏览 0提问于2018-07-08得票数 3
1回答
通常在递归神经网络(具有一个或多个层)的顶部添加一个密集的全连接层作为最后一层，以便了解到最终输出维度的降维。假设我需要一个范围为-1到1的输出，在这种情况下，我将使用具有tanh激活函数的密集层。
我的问题是:为什么不添加另一个内部大小为1的递归层呢？它将是不同的(在随时间传播的意义上)，但它会比密集层有缺点吗？
浏览 0提问于2017-03-17得票数 2
1回答
300C2−MP2−400C2−MP2−500C2−output (来源)一个很好的猜测是xCy是卷积层(MPz是最大池层(池大小z×z?).
但我不想猜测，我希望有一个参考(我可能也可以在一篇论文中引用)。
浏览 0提问于2018-01-30得票数 3
回答已采纳
1回答
在变分自动编码器架构中，我们使用了µ和sigma全连接层。然后是潜在变量层，即来自高斯分布的样本，即来自下面层的µ和sigma的样本。因此，由于SELU被设计为确保单位高斯激活，我们是否可以移除µ和sigma全连接层，而改为使用SELU激活函数。
谢谢！！
浏览 3提问于2017-07-11得票数 0
我认为这是由于隐藏层的大小，我要求它运行，但我需要运行这个大小收集我的数据。我怎样才能避免这个错误呢？
浏览 5提问于2017-12-09得票数 1
2回答
ROI (感兴趣区域)层也被提及。
当区域提案根据最终的卷积层激活函数(在每个单元中)调整大小时，在数学上会发生什么？
浏览 1提问于2017-04-16得票数 27
回答已采纳
1回答
完全连接的图层尺寸
、、、
关于卷积神经网络的完全连接层，我有一些不确定因素。假设输入是卷积层的输出。我知道上一层是扁平化的。但是它可以有多个通道吗？(例如，全连接层的输入可以是16x16x3 (3个通道，展平为768个元素的向量？)最后，过滤器在全连接层中是如何工作的？可以有超过1个吗？
浏览 1提问于2019-06-25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
