具有未展平输入的完全连接的图层

文章/答案/技术大牛

发布

1回答

neural-network、linear-algebra、pytorch

> Linear(2, 2) (batch_size, 280) -> Linear(280, 2) 有人能给我解释一下全连接层是如何处理非平面化输入数据的吗以上都是等价的吗？(Linear是pytorch中的全连接模块)

浏览 13提问于2019-01-02得票数 0

1回答

keras密集输入层

deep-learning、keras

我主要是一个咖啡用户，我想知道如何在一个完全连接的图层中输入我的彩色图像，然后将其展平(我知道这不是最好的解决方案，但我需要它)。这是一个不起作用的示例：model.add(Dense(1000, input_shape=(img_channels, img_rows, img_cols我想我必须设置输入层，然后展平它，

浏览 2提问于2015-12-18得票数 3

2回答

iPhone -将图像和子视图展平为UIImageView =空白图像

iphone

我有一个拥有无数浏览量的UIImageView。其中一些视图具有图层阴影或光晕。此视图略大于设备屏幕。UIImage *result = UIGraphicsGetImageFromCurrentImageContext();结果等于完全透明的图

浏览 2提问于2010-10-06得票数 9

回答已采纳

1回答

为什么第一个致密层的维度不必等于CNNs中Flatten()的维度？

neural-network、conv-neural-network

根据我对can的理解，Flatten用于从2D到1D，以便您可以使用密集层来执行分类。同样在我的理解中，扁平化会导致过滤器的尺寸乘以过滤器的数量。为什么在扁平化之后，第一个致密层不必具有与扁平化结果相同的尺寸(这将是滤镜*滤镜的暗淡)？第一个密集层的节点比flatten的暗度更少或更多的CNN都可以工作，但我不知道为什么。flatten不是应该为密集层提供输入吗？

浏览 15提问于2019-04-10得票数 0

回答已采纳

1回答

没有不同output_shape的Keras自定义图层

python、tensorflow、keras

我正在尝试在Keras中实现一个层，它为每个输入添加元素权重。因此，输入、权重和输出具有完全相同的形状。尽管如此，我正在努力实现这一点，我还没有找到任何不改变输入形状的自定义层的例子。从keras.engine.topology导入图层将keras.backend导入为Kdef __init__(self, **kwargs): self.output_dim'shape&#x

浏览 3提问于2018-03-23得票数 2

1回答

在Keras中取消展平图层

python、keras、neural-network、reshape、flatten

我想创建一个简单的Keras神经网络，它接受维度为(rows, columns) = (n, m)的输入矩阵，将矩阵展平到维度(n*m, 1)，通过多个任意层发送展平的矩阵，在最后一层，在释放最终矩阵作为输出之前，再次将矩阵展平到(n, m)的维度。我遇到的问题是，我在页面上没有找到任何关于未扁平化层的文档，我想知道是否存在这样一个看似标准<em

浏览 1提问于2018-11-16得票数 3

1回答

完全连接的图层尺寸

tensorflow、deep-learning、conv-neural-network、nnapi

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？)接下来，我理解输出的等式是，每个输入

浏览 1提问于2019-06-25得票数 0

1回答

展平图层的输入必须是张量

python、tensorflow、keras、deep-learning、keras-layer

model.add(LeakyReLU(alpha=.001))model.add(Activation('linear')) 然后，我尝试做一些更详细的事情activation='linear')(activ3) model = keras.models.Model(inputs=input1, outputs=final_layer) 正如你在上面的代码中看到的，我保留了来自扁平层的相同输入，只是总结了具有</e

浏览 4提问于2019-05-28得票数 2

回答已采纳

1回答

Keras: InvalidArgumentError:不兼容的形状：[64,7,7,1]与尝试使用支持向量机分类器添加ResNet时的[64,1]

python、machine-learning、keras、deep-learning、svm

我正在尝试向我的ResNet模型添加一个支持向量机图层，但是我得到了错误InvalidArgumentError: Incompatible shapes: [64,1] vs. [64,7,7,1]hinge/mul (defined at <ipython-input-39-8ab0138abfe4>:17) ]] [Op:__inference_train_function_110660] 我的代码如下

浏览 3提问于2021-03-11得票数 0

1回答

RNN和CNN在Tensorflow活动识别中的应用

tensorflow、conv-neural-network、lstm、recurrent-neural-network

全部在Tensorflow中y = tf.placeholder(tf.float32, [None, n_classes]) 但是我从最后一层得到的展平输出只有我应该重塑我的扁平化输出吗？我应该如何

浏览 3提问于2017-06-18得票数 0

2回答

如何为卷积神经网络的可变输入大小添加平坦层(或类似层)

python、tensorflow、keras

我想知道有没有可能为可变长度的图像添加一个类似于扁平层的层。假设我们的CNN有一个输入层：在执行了典型的卷积/最大池化层系列之后，我们是否可以创建一个扁平层，使其形状为： output_shape=(None

浏览 2提问于2018-03-15得票数 1

2回答

在Keras中重塑密集层之后的层的形状

keras

我试图理解为什么在密集层和重塑层之间存在不匹配的维度。这段代码不应该是正确的吗？密集层输出的维度将为image_resize^2 * 128，为什么在重塑过程中会有冲突？Dense(image_resize * image_resize * 128)(inputs)这是显示的错误

浏览 11提问于2019-07-25得票数 0

1回答

PyTorch:合并和展平不同形状的输入

python、pytorch、concatenation

我有多个不同形状的输入：(7,), (), (6,)，我如何将它们连接并展平成一个展平的输入。我想要的输出形状是(14,)。虽然我可以使用多个numpy.append，但那将是丑陋的。

浏览 10提问于2021-03-29得票数 1

回答已采纳

1回答

使用Theano后端的Keras Flatten()层行为不一致

python、keras、theano、keras-layer

我正在尝试理解Keras中使用Theano后端的Flatten()层的行为。我在两个不同的Conda环境中安装了两个不同版本的Keras。在这两个版本中，使用Flatten()展开4D张量的方式不同，我完全不清楚哪一个是正确的。我已经编写了以下两个代码片段来显示该问题： ? 上面的代码首先沿着channels轴展平输入矩阵然而，在另一个版本中，结果是不同的： ? 上面的代码首先沿着

浏览 22提问于2019-05-03得票数 0

回答已采纳

2回答

为什么在删除最终softmax层之前的完全连接层后，卷积神经网络的准确性会增加？

python、tensorflow、deep-learning、neural-network

Keras)，它有几个具有不同核大小的并行卷积单元。然后，这些卷积层的每个输出结果被馈送到并行的另一个卷积单元中。然后将所有输出连接起来。下一步展平完成。之后，我添加了完全连接层，并连接到最终的softmax层进行多类分类。我对它进行了训练，并在验证测试中取得了良好的结果。然而，我删除了完全连接的层，精度比以前更高。请有人能解

浏览 1提问于2020-07-09得票数 0

1回答

Photoshop图层混合-背景为空

photoshop、layer、blending、image-masking

有没有可能使用图层混合和可能的遮罩来空出背景(透明)，使用一个有产品的图片和一个没有产品的图片作为背景参考图片。提前谢谢。

浏览 0提问于2015-08-01得票数 1

1回答

在Tensorflow中为自定义静态张量保留未知批次维度

python、tensorflow、keras

当在输入张量上调用时，它展平输入张量，展平其存储的张量，并将两者连接在一起。不幸的是，我似乎不知道如何在这个连接过程中保留未知的批次维度。，Flatten()(self.N)将返回一个与原始self.N具有相同形状(a，b)的张量，因此，返回值将具有(a，num_input_tensor_values+b)的形状。，这很好，但现

浏览 14提问于2020-08-12得票数 3

回答已采纳

2回答

当RNN和嵌入链接在一起时，了解Keras RNN中的参数数量和Keras嵌入中的输出形状尺寸

keras、recurrent-neural-network、word-embedding

我有这段来自youtube视频的Keras代码： from keras.models import Sequentialmodel.add(Embedding(10000, 32))model.summary() 摘要的输出如下===============Trainable params: 322,080 Non-trainab

浏览 33提问于2019-06-13得票数 1

回答已采纳

1回答

完全连接层在深度学习中的作用是什么？

deep-learning

全连接层(FC)在深度学习中的作用是什么？我看到有些网络有1个FC，有些有2个FC，有些有3个FC。有人能给我解释一下吗？非常感谢

浏览 53提问于2019-02-18得票数 0

1回答

初学者PyTorch : RuntimeError:大小不匹配，m1：[16 x 2304000]，m2：[600 x 120]

python、tensorflow、neural-network、artificial-intelligence、pytorch

我是PyTorch和构建NN的初学者，一般情况下，我有点卡住了。我有一个CNN的架构： super(ConvNet,=(600, 120))但是当我尝试使用我的图像进行训练时并且我出现了这个错误： RuntimeError: size m

浏览 14提问于2020-02-28得票数 0

回答已采纳

点击加载更多