在Keras中通过残差跳过两个卷积网络

文章/答案/技术大牛

发布

1回答

deep-learning、conv-neural-network、resnet

我想知道如何将卷积层连接起来形成Residuals.This is my VGG16：cls=Sequential() cls.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'])#'adam' 我想连接两个层

浏览 14提问于2018-08-23得票数 0

2回答

残差神经网络模型在google colab tpu硬件上运行非常慢？

keras、deep-learning、google-colaboratory、google-cloud-tpu、tpu

我已经在谷歌Colab上为cifar10数据集建立了一个残差神经网络模型，但它在TPU硬件上运行非常慢。我有另一个常规的卷积神经网络，它在google colab上运行良好。此模型使用keras Sequential API，而残差神经网络使用Functional API，不确定这是否是问题所在。我已经尝试更改批处理大小，但没有任何帮助。下面是我的程序的链接。https://colab.rese

浏览 41提问于2019-06-15得票数 0

1回答

如何在Keras中添加卷积层之间的跳过连接

python、keras、conv-neural-network、deep-residual-networks

我想在keras中的残留块之间添加一个跳过连接。这是我当前的实现，它不起作用，因为张量具有不同的形状。

浏览 23提问于2019-02-21得票数 2

回答已采纳

1回答

全卷积网络接受场

machine-learning、computer-vision、conv-neural-network、convolution、receptive-field

在StackOverflow上作了很好的解释。如何处理上采样层？例如，我们的有效接收场为900，然后是一个上采样层，接收场是否减半？

浏览 0提问于2018-08-06得票数 1

回答已采纳

1回答

无法从'keras.layers‘导入名称'Deconvolution2D’

python、tensorflow、keras、deep-residual-networks

我的keras代码抛出了这个错误： 2021-03-01 08:31:47.267964: W张力流/流 _ executor/platform/default/dso _ loader.cc:60]回溯(最近一次调用)：文件"main.py"，第1行，来自列车导入列车文件"D:\Github\tutorials“ _ 1 _ 残差 _ network -master\train.py.py“，第20行，来自网络 _ 模型导入教程文件“D：\Github

浏览 144提问于2021-03-01得票数 0

回答已采纳

3回答

只使用完全连接层(而不是卷积层)构建残差网络有意义吗？

python、machine-learning、neural-network、conv-neural-network、deep-residual-networks

残差网络总是用卷积层构建的。我从未见过仅具有完全连接层的剩余网络。构建仅具有完全连接层的剩余网络是否可行？

浏览 8提问于2020-05-26得票数 6

1回答

卷积神经网络块表示法

neural-network、deep-learning、image-classification、convolution

“图像识别的深度残差学习”的论文在图3中说明了它们的剩余网络如下：我不是神经网络专家，所以有人能解释一下“3x3conv，256，/2”上面的高亮符号是什么意思吗？第一部分是清晰的(具有3x3像素窗口的卷积神经网络)，但是"256“和"/2”是什么？

浏览 0提问于2020-03-27得票数 3

回答已采纳

1回答

剩余网可以跳过一个线性而不是两个线性吗？

machine-learning、neural-network、deep-learning、deep-residual-networks

ResNets的标准是跳过两个线性度。只跳一次也行吗？

浏览 1提问于2017-11-25得票数 1

回答已采纳

2回答

重要的CNN架构

machine-learning、neural-network、deep-learning

在ImageNet ILSVRC挑战中，CNN的架构做得很好吗？哪些CNN架构是转移学习的好候选者？

浏览 0提问于2017-08-26得票数 0

1回答

是否有可能将Tensorflow Graphics的Levenberg-Marquardt优化器与Tensorflow 2.0模型集成？

tensorflow2.0、tf.keras

我有一个Tensorflow 2.0 tf.keras.Sequential模型。现在，我的技术规范规定使用Levenberg-Marquardt优化器来适应这个模型。Tensorflow 2.0并不提供它作为一个现成的优化器，但它可以在模块中使用。tfg.math.optimizer.levenberg_marquardt.minimize函数接受residuals (残差是返回张量的callable )和variables (对应于模型权重的张量列表将我的模型转换为残差和变量的最佳方

浏览 5提问于2019-10-25得票数 6

回答已采纳

1回答

如何利用FFT找到python卷积函数？

python、scipy、convolution

我有一个系统的输出和输入，据我所知，f=conv(h，g)表示h是卷积函数，我们可以写F=H*G。但是我不能以特定的方式使用它，因为返回这个错误：所以我有两个问题： 1-可以用这种方法计算卷积函数吗？2-如果可以，我如何在代码中实现？

浏览 1提问于2021-12-15得票数 0

2回答

如何处理ResNet50层类型

deep-learning、keras

📷我知道它应该是一个卷积层，但是每个数字代表什么呢？

浏览 0提问于2018-06-12得票数 3

1回答

利用角点构造稠密残差网络

python、machine-learning、keras、neural-network、deep-residual-networks

我正在尝试构建一个基于Keras的密集网络的分类器。我的输入是(26,1)向量，我想得到一个二进制分类1或0作为输出。使用密集网络和使用hyperas的一些优化，我设法达到80%的准确性，这是不错的，但我试图提高网络的精度使用残余网络。我在不同的论坛上发现了很多关于进化网络的残差网络的例子，但是我没有找到残差网络的例子。我尝试了以下代码来生成剩余网： Input

浏览 2提问于2021-01-30得票数 0

回答已采纳

2回答

在训练和测试时间pytorch上以不同方式管理内存

python、deep-learning、conv-neural-network、pytorch

目前，我正在用pytorch编写一个基于U-net的分割模型，我想使用类似于mobilenet v2上引入的倒置残差来提高模型在cpu上的速度。然后我意识到模型在训练阶段和测试阶段使用了更多的内存。虽然模型应该在训练阶段使用更多的内存，因为所有的中间步骤张量(特征图)都被保存了，并且使用可分离的卷积，为每个“卷积”操作创建了更多的张量。但在运行时，实际上只有几个最后一步张量必须保存以用于跳过连接，一旦创建了下一步，所有其他张量都可以删除。在测试阶段，

浏览 1提问于2019-04-13得票数 0

1回答

重新创建ResNet50

deep-learning、keras

我试图在Keras中重新创建ResNet50。我不理解在块之间创建一个剩余步骤的过程，甚至不理解创建块本身的过程。

浏览 0提问于2018-06-13得票数 2

1回答

解释使用另一个模型作为参数实例化模型的概念？模型(VGGFace=‘resnet50’，include_top=False)

deep-learning、conv-neural-network、resnet

那么我们有两个模型吗？我很困惑。提前谢谢。

浏览 18提问于2021-01-29得票数 0

回答已采纳

1回答

理解nnet函数的输出

r、machine-learning、neural-network、multiclass-classification

我是神经网络的新手，所以，对于我天真的问题，很抱歉。我想了解一下nnet函数的输出。我正在使用这个函数来执行多类分类。2在训练集和测试集中对数据集进行拆分后1.945910 2.302585 2.484907 2.564949 2.564949 2.564949 0 0 1 其中1和0分别表示subjcet是否在这三个类之一中<

浏览 2提问于2017-12-18得票数 0

1回答

对ford算法的bfs进行改进，以寻找增广路径

algorithm、data-structures、graph、breadth-first-search、ford-fulkerson

我正在使用bfs来寻找增强的path.but它产生相同的路径每个time.but福特富尔克森算法要求，我们每次从源到宿选择不同的路径，所以有人能建议我如何修改bfs，使它在源和sink.graph之间每次被定向和加权时产生不同的路径

浏览 2提问于2012-07-05得票数 2

回答已采纳

1回答

基于这个特定的实现描述，这个网络体系结构正确吗？

neural-network

类似于U网，我们在编码器和解码器之间增加了跳过连接，以融合不同尺度上的特征。另外，在编码器的最后两个残差块中加入了膨胀卷积和非局部块.最后一个特征图的顶部分别附加了三个头，用于关键点检测、线特征和区域特征回归。和据我理解，这是一个resnet + unet +自定义块网络。我的问题：这基本上是residual，正如这个图表所描述的，除了我在编码器的最后两个</e

浏览 0提问于2022-03-03得票数 0

1回答

为什么验证准确率不能以正常的方式在历次中增加？

python、keras、deep-learning、vgg-net、conv-neural-network

我正在尝试在视网膜图像的数据集中使用imagenet转移学习VGG16模型，但我对获得像this这样的图表感到困惑，我不知道为什么验证精度没有像训练精度一样在历元期间以正常的方式增加，这是过拟合的指标吗

浏览 17提问于2020-04-13得票数 0

点击加载更多