1回答
我正在尝试通过插入CNN层来微调一个预先训练好的BERT模型(huggingface transformers)。在该模型中，使用了所有变压器编码器的输出，而不仅仅是最新变压器编码器的输出。从而将每个变压器编码器的输出向量连接起来，并产生一个矩阵： 使用大小为3的窗口(3，BERT的隐藏大小，在BERT_base模型中为768 )执行卷积运算，并通过对卷积输出应用最大池化为每个变压
浏览 202提问于2020-12-25得票数 1
1回答
如何在伯特的基础上添加CNN层？
、、、、
我只是在玩bert (来自变压器的双向编码器表示)
假设我想在BERT模型的基础上添加任何其他模型或层，比如卷积神经网络层(CNN)、非线性层(NL)。我该怎么做？我想不出我该在哪里修改伯特的代码。我使用的是拥抱脸的伯特的pytorch实现。📷请说明使用sudo代码实现此操作的步骤，这将帮助我在BERT之上实现cnn
浏览 0提问于2019-06-24得票数 5
我想将CNN结构扩展到C-C-P-C-C-P-C-C-P结构。然而，我得到了以下错误:我不能做任何事情，因为它不工作，我如何解决这个问题？任何帮助都将不胜感激。 我的代码有什么问题吗？),activation='relu'))cnn.add(Dropout(0.25))cnn.add(Ma
浏览 67提问于2021-06-16得票数 0
2回答
我很难理解CNN中2个或更多个卷积层(每个卷积层后面是一个池化层)的工作方式。
假设输入是3通道300x300图像。如果第一卷积层具有32个卷积层，并且第二层具有64个卷积层，则第一层创建32个特征图。但是第二层创建了多少个特征图呢？64个卷积中的每个卷积是否都作用于之前生成的32个特征图，从而总共创建32*64 = 2048个特征图？或者发生了其他事情？input_shape=(300, 300,
浏览 1提问于2020-08-02得票数 4
2回答
我第一次为图像分类建立CNN模型，我有点搞不懂每种类型(一维CNN，2D CNN，3D CNN)的输入形状是什么，以及如何确定卷积层中的滤波器数目。我的数据是100x100x30，其中30是特性。以下是我在一维CNN中使用函数API Keras的文章：
def create_CNN1D_model(pool_type='max',conv_activation='rel
浏览 8提问于2021-02-16得票数 2
回答已采纳
我刚开始深入学习，我想用CNN(keras)构建一个图像分类器。我建立了一个由两个卷积层(过滤器= 32，内核= 3x3)组成的模型，然后是一个MaxPooling层(2x2)，重复了2次。最后，两个完全连接的层。我的准确率是50%。我的问题是，我们如何选择模式开始。就像我们如何决定应该有两个卷积层，然后是一个MaxPooling层，或者一个卷积层和一个MaxPooling层。另外
浏览 0提问于2019-07-12得票数 0
回答已采纳
1回答
当使用CNN和tensorflow时，惊厥矩阵是什么样子的(内核值是什么)？看看CNN的基本例子： model.add(layers.Conv2D(64, (3, 3), activation='relu&#
浏览 1提问于2020-11-15得票数 2
回答已采纳
我正在尝试使用Keras中的函数API实现一个自定义的CNN模型，如附图所示。我已经编写了实现主分支的代码，但在添加1x1卷积作为快捷连接时遇到了问题。在最大池化层之前，为每对卷积块添加快捷卷积。代码如下：model_input = Input(shape=input_shape)
def custom_cnnnum_classes, activa
浏览 26提问于2020-07-31得票数 1
回答已采纳
1回答
我正在使用Keras库用卷积神经网络(CNN)解决一个回归问题。我已经做了很多例子，但是没有理解一维卷积输入形状的概念。
我想给出分段的传感器值作为一维卷积层的输入，但问题是分段的长度是可变的。这是我的CNN架构
浏览 4提问于2018-02-19得票数 2
2回答
我的工作是分析脑电数据，这些数据最终需要分类。然而，获得唱片的标签有点昂贵，这促使我考虑了无监督的方法，以更好地利用我们相当数量的未标记数据。有什么好办法把这两种方法结合起来吗？似乎当人们使用CN
浏览 0提问于2017-03-21得票数 12
回答已采纳
1回答
我是使用深度学习的多标签文本分类的新手，我有这样的数据：
parent_pid domain_tld category_dz description_en
浏览 0提问于2021-12-25得票数 0
对于CNN架构，我想使用SpatialDropout2D层而不是Dropout层。另外，我还想使用BatchNormalization。到目前为止，我总是在卷积层之后，但在激活函数之前直接设置BatchNormalization，正如Ioffe和Szegedy在论文中提到的那样。我总是设置在MaxPooling2D层之后的辍学层。在中，SpatialDropout2D是在卷积层之后直接设置的。
我觉得现在应用这些层的顺序相当混乱。Co
浏览 3提问于2020-01-07得票数 7
回答已采纳
插入的keras库和包在下面，from keras.models import Sequentialfrom keras.layers import Dense, Flatten, MaxPooling2D初始化CNN模型#第一步：-卷积
classifier.add
浏览 5提问于2020-09-11得票数 1
回答已采纳
2回答
我在Keras创建了一个CNN，每个层有12个卷积层，然后是BatchNormalization、Activation和MaxPooling。('relu'))我从32个特征地图开始，以512结束。如果我在上面的代码中的每个Conv层之后添加了MaxPooling，那么在最后一个层中会出现一个错误：
ValueError:输入形状为：？、1、1、1,512的</em
浏览 0提问于2017-10-01得票数 1
回答已采纳
1回答
我正在尝试使用CNN和dlib特征提取器创建一个人脸识别应用程序。我想做的是从同一人的一堆照片中提取特征，然后将数组发送到我的CNN，它将为该人生成一个2类分类器。到目前为止，我的网络配置为接受图像作为输入，但我不确定如何将其更改为使用特征数组。(pool_size=(2, 2)))
model.add(Activation('relu'))
model.add(MaxPoolin
浏览 28提问于2019-06-03得票数 0
嗨，我必须实现一个cnn，我是Keras和Tensorflow的新手，所以如果我犯了一个错误，我向你道歉。数据集是一个数值数组(23,4800000)，#音轨数量x#样本数量。沿着列的卷积过程，所以我必须重塑中的输入：Y = np.expand_dims(valid, axis=2)cnn = Seq
浏览 6提问于2018-01-08得票数 1
我正在使用google上的卷积神经网络训练一个掩码检测模型(掩码和非掩码)。(3,3), input_shape = data.shape[1:])) model.add(Activation('relu'))#first cnn layer followed by relu and maxpooling layers
model.add(C
浏览 2提问于2020-10-05得票数 1
回答已采纳
1回答
我正在寻找一个建议，尽快实施卷积算法的CNN推断，但不是一个培训。 这种卷积神经网络被建模为alexnet、mobilenet、resnet等。据我所知，目前已经有各种实现方式和神经网络框架，它们有不同的实现方式，如直接卷积、展开卷积(im2col)、基于快速傅立叶变换或Winograd，但我的主要关注点是在嵌入式设备的性能约束下执行CNN。如果任何人有经验，并可以推荐卷积
浏览 19提问于2019-02-27得票数 1
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
