我试图更好地理解CNN，所以我使用keras基本上制作了一个小的CNN，并希望手动完成计算。 我从GTSRB数据库下载了图像，然后使用PIL库包将图像集转换为灰度并将大小调整为(6 X 6)。下面的代码显示了我创建的CNN。它包括1个卷积层(具有2个大小为2x2的滤波器)，1个最大池化层(2x2)，一个平坦层和一个在末端的致密层。keras.layers.Flatten())
model.add(keras.layers.Dense(len(sign_
浏览 26提问于2019-05-16得票数 1
回答已采纳
我是CNN的新手，就像我们许多人一样，在讲座和教程中，当他们到了你选择你想要的过滤器的部分时，我会感到困惑。我感觉我正在选择许多内核/过滤器来传递数据。我熟悉高通和低通滤波器。如果我决定使用64个筛选器，如何选择筛选器？它们是随机的吗？它们来自特定的集合吗？过滤器是否特定于不同的模型(resnet与r-cnn等)？如果我说32个
浏览 0提问于2018-04-17得票数 0
1回答
我尝试使用Tensorflow 2的LambdaCallback在Tensorboard中显示每个时期所有网络权重(CNN)的直方图，如下所示：但问题是get_weights()会返回所有的网络权重而不带任何名称(例如fil
浏览 10提问于2019-07-10得票数 0
1回答
我知道输入(比如说一幅图像)是通过CNN向前传递的，它是复杂的，并且是向下采样的。然后，在一个完全连接的层，分配一个标签，给出它产生的最终权重。在训练中，通过计算Error变量，利用梯度下降(或其他优化函数)来调整权重，使E逼近零。
在这个过程中，过滤器是从哪里学到的？我不明白滤波器是如何从高斯噪声到线、角和颜色的</e
浏览 2提问于2017-01-11得票数 2
我是卷积神经网络的新手...所以这可能是一个愚蠢的问题。
我已经学习了许多关于TensforFlow中的MNIST示例的示例和教程。在CNN的例子中，所有的作者都在谈论使用“输入过滤器”在CNN中运行。但据我所知没有人提到他们的出处。有人能回答这些是从哪里来的吗？或者它们是从输入图像中神奇地获得的</e
浏览 1提问于2017-04-27得票数 0
1回答
我在CNN上听麻省理工学院的深度学习讲座。它说，当将权重与像素值相乘时，可以在每个像素上应用像relu这样的非线性激活函数。我理解为什么应该在简单的神经网络中应用它，因为它在我们的输入数据中引入了非线性。但是为什么我要将它应用于单个像素呢？还是我搞错了？
浏览 119提问于2020-06-17得票数 0
回答已采纳
我的1层CNN神经网络的输入data_set有10个通道。如果我将过滤通道设置为等于16，那么将会有10*16=160过滤器。有没有人知道如何在tensorflow中做到这一点？非常感谢。
浏览 3提问于2018-08-22得票数 3
1回答
我是CNN的新手，到目前为止，我对过滤器的了解是，当我们给我们的模型提供一个训练示例时，我们的模型通过梯度下降来更新权重，以最小化损失函数。那么，我的问题是，如何为特定的类标签保留权重？问题是模糊的，正如我的知识是模糊的。这是我到CNN的第四个小时。
例:如果我说的是有10个标签的</
浏览 0提问于2020-03-31得票数 -1
我想要可视化我的CNN的过滤器权重。它们的大小是heightxwidthxinputxoutput.但是，TensorBoard要求image_summary是形状batchesxheightxwidthxchannels.的张量
如何将我的过滤器权重转换为正确的形式？
浏览 1提问于2016-11-18得票数 1
4回答
CNN是什么？
、、、
关于CNN到底是什么，我有一个非常基本的问题。我完全理解训练过程中的一堆图像，从随机滤波器开始，旋转，激活，计算损失，反向传播和学习权重。完全理解..。但最近我在Slack上碰到了这条线。请解释一下？(根本不明白这一点)
浏览 0提问于2018-01-19得票数 0
回答已采纳
如果我用50个时期训练网络，那么在具有10个过滤器的单个Conv层的CNN中会发生什么？ 一个过滤器不是像拥有50个过滤器一样优化了50倍吗？还是10个过滤器被优化了50次？如果是第二种情况，10个过滤器中的哪一个被用来进行预测？
浏览 15提问于2019-05-07得票数 0
1回答
我目前正在尝试理解在卷积神经网络中权重共享到底是什么。连接卷积图像和输出的权重是否是不共享的权重？如果不是，那么没有共享的权重是什么？或者，如果是反向传播，则将其视
浏览 1提问于2017-05-09得票数 1
1回答
我在训练CNN时遇到了一些问题：输入6x6x3，1核心3x3x3，输出= 4x4x1 =>池: 2x2x1
输入*二维权重的output=deltas，但是我如何计算3D过滤器的权重增量呢？FilterLayer2Delta = OutputDelta * InputLayer2
浏览 0提问于2019-08-14得票数 0
回答已采纳
1回答
我已经看过很多关于CNN传统上处理多个频道的解释(比如RGB图像中的3)，但我仍然不知所措。
当5x5x3过滤器(例如)应用于RGB映像的修补程序时，究竟会发生什么？实际上，在每个通道上分别发生3种不同的2D卷积(具有独立的权重)吗？然后把结果简单地加在一起，产生最后的输出以传递到下一层？还是真正的三维卷积？
浏览 0提问于2017-12-26得票数 7
回答已采纳
1回答
在第一阶段，在输入卷积神经网络(输入层)时，我们接收到一个源图像(即手写英文字母的图像)。首先，我们使用一个从左到右的nxn窗口来扫描图像和在核上进行乘法(卷积矩阵)来建立特征映射。但是没有写到内核应该有什么确切的值(换句话说，关于从n*n窗口检索到的数据应该乘哪些内核值)。用于边缘检测的卷积核上的数据相乘是否合适？有大量的卷积核(Emboss，高斯滤波，边缘检测，角度检测等)？但是，没有任何地方是写到确切的内核，它
浏览 2提问于2015-07-08得票数 2
回答已采纳
当创建卷积神经网络(CNN)时(例如，如中所描述的)，输入层与一个或多个滤波器连接，每个滤波器表示一个特征映射。在这里，滤波器层中的每个神经元与输入层中的几个神经元相连。在最简单的情况下，我的n个滤波器都有相同的维数，并且使用相同的步幅。
如何确保过滤器学习不同的特征，尽管它们是用相同
浏览 3提问于2016-05-26得票数 2
1回答
我是一个试图从头开始写CNN的巨蟒，但我对CNN有点陌生，特别是卷积层，因为我对密集的层感到舒服。我当时正在读对于每个输入通道，滤波器有不同的权重。，但我没有完全理解，我有几个问题。我想确认一下，如果输入层有3个通道，那么要有4个输出通道，总共需要12个过滤器。
此外，权重(实际上我并不完全确定这些权重是什么，它们是内核的值，对吗？)的过滤器是一个浮动数字，因为我通常看到他们被描述
浏览 0提问于2019-02-27得票数 1
1回答
我有个关于CNN的问题。我理解它们在表面上是如何工作的。简单地说，它们是图像的D。filters：指定要应用的过滤器数量问题：
我们没有定义这些过滤器。tensorfl
浏览 0提问于2017-12-26得票数 1
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
