我想在预测过程中修改每一层的值。我有一个卷积层，密集层和输出层(softmax)。 我想在预测期间将卷积层的输出结果传递给隐藏层之前对其进行修改。import tensorflow as tffrom keras.utils import to_categorical
# makea predicti
浏览 17提问于2020-01-29得票数 0
我是keras的新手，在训练期间尝试修改某一层的输出。我想写一个函数，在学习过程中获取层的输出，并将模型化的输出返回到下一层。我尝试过使用lambda函数，但没有真正掌握它。lambda_layer = Lambda(fun, output_shape=(12,))(layer_2)
layer_3 = dense(32, activation='relu')(lambda_layer) 如何获取
浏览 7提问于2019-05-14得票数 1
回答已采纳
在以这种格式传递到下一层之前，我想修改tensorFlow中每一层的输出，用于标准的深度神经网络(不一定是CNN )：Prior Modification如何在Keras或TensorFlow中实现这一点？最好是在RKeras或RtensorFlow中。如果不是Python版本或Py火炬等也可以！
浏览 0提问于2018-07-24得票数 0
checkpointer], validation_data=(data_1_val, data_1_val)) TypeError: Cannot convert a symbolic KerasOr, you may be trying to pass Keras symbolic inputs/outputs to c
浏览 3提问于2021-09-02得票数 0
回答已采纳
并没有说得太多：实际上很短，它表明了K.function(.)返回一个函数对象，该对象在调用时使用输入计算输出和更新。有趣的部分是它如何处理我不遵循的更新。if not isinstance(outputs, (list, tuple)):
raise TypeError('`outputs` of
浏览 8提问于2018-01-07得票数 39
我之前使用Pytorch做到了这一点，并且能够从我感兴趣的层中提取权重，并在我的验证集上预测，然后增强。 我现在在tensorflow中做这件事，但目前卡住了。我想删除最后一个密集层，并使用剩余的层对验证集进行预测。我尝试使用： layer_name = 'efficientnet-b6‘intermediate_layer_model =tf.keras.Model(输入= model.input，输出= model.get_layer(l
浏览 40提问于2020-07-24得票数 1
回答已采纳
2回答
我想做的就是下载一个tensorflow内置的模型(通过keras)，在输出层关闭时切换softmax (即用线性激活函数代替它)，这样我的输出特性就是在应用softmax之前在输出层上激活。所以，我拿VGG16作为模型，并称之为base_modelfrom tensorflow</
浏览 6提问于2019-10-24得票数 2
第一种方法获取输入图像，并将其传递给conv-deconv网络。得到的张量具有与所需输出图像(与输入图像大小相同)中的像素相对应的条目。为了计算最终的输出图像，我希望从第一阶段中获取在每个像素位置生成的值，并将其用作对整个输入图像应用的缩减函数的附加输入。第二步没有可训练的变量，但它的计算/内存成本随着输入的大小呈指数增长(每个输出像素都是所有输入像素的函数)。
我目前正在使用tf.map_fn来计算输出图
浏览 7提问于2017-01-06得票数 1
我有一个Tensorflow代码，用于对图像进行分类，并将其转换为Keras代码。但是我在高级API上遇到了麻烦，因为我没有我想要的所有代码。我一直坚持的问题是：net = tf.keras.applications.VGG16()
g1 = tf.Graph
浏览 0提问于2018-11-27得票数 5
回答已采纳
我使用使用TensorFlow编写的自定义目标函数在Keras序列模型的拟合阶段得到以下错误。/logs/{}".format(now))])sample_weight=sample_weight)
File "
浏览 2提问于2017-01-23得票数 3
我正在为二值图像分类建立一个TensorFlow模型。我有两个标签“好”和“坏”，我希望模型应该为数据集中的每个图像输出，无论该图像是好的还是坏的，以及有多大的概率。在此基础上，模型预测概率为1. bad，概率为1. 0%，概率为0.到目前为止，我已经想出了以下几点 tf.keras.layers.Conv2D(16, (3,3), activation=), activation='
浏览 6提问于2020-07-27得票数 2
回答已采纳
8回答
我正在实现自己的Keras损失函数。如何访问张量值？, dtype=float32)
有没有什么y_true函数可以访问Keras的值？
浏览 0提问于2017-04-17得票数 40
3回答
tensorflow官方的文本生成()示例运行在下面定义的循环中。文本生成感觉很慢，根据NVTOP的说法，它只使用了一小部分可用的GPU资源(15-20%)。对如何加快文本生成有何建议？另外，Tensorflow/Keras文档建议调用函数，如下所示.
该方法是针对大规模输入的性能而设计的。
浏览 6提问于2020-05-18得票数 1
正如标题所说，我想知道在TensorFlow中“参考边”和“非参考边”之间的概念上的区别。
我正在阅读TensorFlow中的图分区算法。
浏览 2提问于2017-03-04得票数 1
回答已采纳
当我使用TensorFlow 2.3训练我的模型时，我想要可视化一些使用自定义tf.keras.layers.Layer的计算图中的权重计算的中间张量。我尝试将参数step of tf.summary.image()设置为从tf.summary.experimental.get_step()获得的值。tf.print(self.global_step)
self.global_epoch += 1
此回调实例<e
浏览 9提问于2020-11-02得票数 1
回答已采纳
6回答
如何在预测角角时禁用辍学？
、、、、
在角点神经网络模型中，我使用的是退出。但是在测试的同时，Dropout也参与了预测分数的工作，这是不应该发生的。我搜索了很多以禁用辍学，但还没有得到任何提示。
有谁有办法在角点测试时禁用Dropout？
浏览 8提问于2017-12-13得票数 34
回答已采纳
在TF1中以图形模式操作时，我认为在使用函数式API时，需要通过馈线将training=True和training=False连接起来。在TF2中做这件事的正确方法是什么？我相信这是在使用tf.keras.Sequential时自动处理的。例如，我不需要在下面的示例中从training中指定 tf.keras.layers.Conv2D(32, 3, activation在</
浏览 12提问于2019-11-06得票数 8
回答已采纳
3回答
如何在不同的conda环境中设置不同的keras后端？因为在特定环境中，如果我在keras.json中将后端更改为keras.json，那么在另一个python环境中，keras后端也将是tensorflow。我的文档中只有一个keras.json。
浏览 1提问于2018-05-15得票数 3
3回答
我需要访问中间层的输出。我正在研究其他类似的堆栈溢出问题，但都有涉及Keras顺序模型的解决方案。我可以在这里发布我的代码(这是超长的)，但我确信即使没有这段代码，也会有人指点我如何使用Tensorflow 2.0在急切的模式下完成它。
浏览 0提问于2019-12-26得票数 2
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
