关于卷积网络，我仍然是个新手。我正在尝试在Keras中实现多个Conv1D层。不幸的是，在第一层之后，任何后续层都会抛出以下错误： tensorflow.python.framework.errors_impl.InvalidArgumentError: Negative dimensionsize caused by subtracting 8 from 1 for 'conv1d_2&
浏览 7提问于2019-04-22得票数 0
回答已采纳
我正在尝试应用卷积神经网络来处理2D输入，它是一个2X300矩阵。它基本上是一个有2行的矩阵，其中每行都是300个位置的向量。 我想应用一个2X1大小的内核(两行一列)。其思想是将核应用于两个向量的每个位置i。直观地说，我认为这种卷积运算将生成大小为1X300的输出。也就是说，我认为输出将是一个有300列的一维
浏览 24提问于2021-01-26得票数 0
1回答
当对一维阵列进行一维卷积时，我会收到一个误差，表明我的第二维还不够大。以下是相关守则的概述：x1 = tf.expand_dims(inputs_, axis=1)
x1 = tf.layers.conv1d(x1, filters=64, kernel_size=1, strides=
浏览 1提问于2018-03-31得票数 0
回答已采纳
2回答
浮点数)Y= dataset:,29 X_train，y_train，X_test，y_test = train_test_split(X，Y，random_state = 42)
model.add(Conv1D(64, 3, activation='relu'))model.add(Conv1D(128, 3, activation='relu'))
model.add
浏览 5提问于2017-06-22得票数 3
回答已采纳
2回答
我试图用keras实现一个时间序列分类问题的一维卷积。我在解释一维卷积层的输出尺寸时遇到了一些困难。我的数据是由128个单位的时间间隔的不同特征的时间序列组成的，我应用了一个一维卷积层：cnn1_1 = Conv1D(filters_28 (Co
浏览 3提问于2018-12-10得票数 1
回答已采纳
2回答
我使用Keras的模型api将一维卷积应用于大小为20的输入一维向量。我希望每个核大小为3。输入将是形状(None, 1,20) (大小为20的一维向量的可变数目)。input = Input(shape=(1, 20))
conv = Conv1D(filters=5, kernel_size=3, activation=keras.activations.relu误差来自卷积<
浏览 0提问于2018-06-28得票数 0
回答已采纳
1回答
我在Keras中创建了一个Sequential模型，该模型接受彩色图像，并将其通过与顶层大致相同大小和形状的多个Conv2D层(基本上减去由卷积分割的边缘)。我的理解如下：然后我在卷积之后做一些其他
浏览 1提问于2019-05-30得票数 0
回答已采纳
2回答
我有表示域名中每个字符的整数向量和表示时间线信息的另一个整数向量。我需要将这两个向量作为CNN模型的输入，以便将域名分类为好域名或垃圾邮件。表示域名-> 1 x75向量的向量。向量中的每个元素表示域名中的每个字符。如果有1000个域名，那么它将是一个形状为1000 x 75的矩阵。
表示时间线信息的向量-> 1x1440矢量。每个元素表示每分钟从特定域发送的邮件数量。(Embe
浏览 4提问于2017-09-05得票数 5
回答已采纳
1回答
其目标是实现具有1D对象(例如，时间序列)的多通道(即输入层)的神经网络体系结构。其思想是在组合任何通道的特征映射以输出概率预测之前，在任何通道中应用独立操作。
一个潜在的解决方案可能是使用。千层面是Theano的轻量级包装器。如果一个人需要Theano的灵活性，但又不想总是从头开始编写神经网络层，那么通常建议使用它。Lasagne是否提供了为python中的1D对象实现多通道神经
浏览 6提问于2017-03-08得票数 2
3回答
一维向量降维的卷积方法
、、、、
在CNN中，如果输出是一个一维向量(例如，一个逻辑前层)，那么如何仅使用卷积将维数降到指定的大小？
如何导出过滤器维度/接受域来完成这样的任务？我知道，可以通过在网络端堆叠一个完全连接的层来实现这一点，但这看起来并不那么优雅。
浏览 0提问于2017-10-27得票数 2
回答已采纳
1回答
三维卷积的核大小
、、、
3维卷积的核大小是用Pytorch或TensorFlow的深度、高度和宽度来定义的。例如，如果我们考虑具有300片的CT/MRI图像数据，输入张量可以是(1,300,128)，对应于(N，C，D，H，W)。然后，内核大小可以是(3,3,3)深度，高度和宽度。在进行三维卷积时，核沿三个方向传递。
然而，如果我们将情况从CT/MRI转变为彩色视频，我会感到困惑。如果视频有300帧，那么输入张量将是(1
浏览 6提问于2022-01-24得票数 1
回答已采纳
当使用Conv2D时，我们可以将kernel_size定义为1 dim或2 dim(或dims的更高值)。例如：或
当使用Conv2D时，建议是什么？我们选择使用1D (kernel_siz
浏览 3提问于2020-12-10得票数 2
回答已采纳
1回答
我想计算CNN的给定隐藏层输出的形状，所以假设输入形状是(27,27,27,1)，即一个图像通道，第一个卷积层是16X(3,3,3)核，步长是1，填充是0，所以这一层的输出形状是：(25,25,25,16 )，16对应于这一层中的核的数量，所以这里我们有16个体积的形状(25,25,25)，之后，我们有一个32X(3,3,3)核的第二卷积
浏览 0提问于2020-06-03得票数 0
1回答
我发现如果shape=(20, )和shape=(20,1)是不同的。我把我一直在做的DAE代码放在下面。DAE最后一层的格式应该是怎样的？当我使用只有一个神经元的输出层时，模型工作正常，为什么？[2])), layers.Dense(8, activation='sigmoid'),
浏览 4提问于2021-01-06得票数 0
2回答
每个内核的定位产生一个像素，从而产生一个小于(min)、等于(mid)或大于(最大)输入图像的2D阵列。KC - 1列池层由窗口的宽度和高度以及水平和垂直步幅大小(在任一方向一次移动的单位数)来定义。Pooling 2x2 with stride 2x2 => Intermediate image 8x8
6.(例
浏览 0提问于2020-06-25得票数 7
我一直在使用PyTorch进行文本分类，我遇到了一个一维卷积的问题。我已经设置了一个维度的嵌入层(x，y，z)，其中:x-表示批量大小y-表示句子的长度(固定填充，因此为40个单词)z-预训练单词嵌入的维度(目前为100) 为了简单起见，让我们假设我放入一个矩阵(1,40,100内核大小为3。基本上，据我所知，它是围绕y轴而不是x轴卷积的，而且它没有捕捉到单词嵌入
浏览 98提问于2019-03-19得票数 2
回答已采纳
1回答
在我的设置中(不要问为什么)，我只需要在训练期间使用CNN任务，但它预测的标签对最终产品没有任何用处。因此，在Keras上，可以在不指定输入序列长度的情况下训练LSTM模型。= Conv1D( filters=5 , kernel_size=10 )( l_embs )
conv2 = Conv1D( fi
浏览 1提问于2018-12-01得票数 1
2回答
我有一个关于CNN的问题。如果我们取一个卷积层，它可以有多个滤波器，对吗？这些过滤器都一样吗？一个单一的图层仅仅是为了检测一个特征吗？我对卷积层的工作有点困惑。
浏览 0提问于2022-05-29得票数 0
，其中X是卷积层中的滤镜数量。但是输入维度会发生什么呢？由于层中的X过滤器应用于整个输入维度，其中一个输出维度不应该是8000 (或更小，取决于填充)，类似于(1,1,8000，X)？如果Conv2D层保留了它们的输入尺寸，为什么Conv1D层不能呢？我是不是漏掉了什么？背景信息：
我正在尝试可视化我的CNN<
浏览 8提问于2017-07-14得票数 7
回答已采纳
1回答
我目前正在尝试复制我在文献()中发现的1D-CNN方法，在该出版物中给出了以下基线模型结构：
出于测试目的，我也希望将该模型用于我的数据。然而，我很难理解关于Conv1D层的Keras文档。, Conv1D
model.add(Conv1D(filters=25, kernel_size=3, activation='relu', input_shape=(12,1
浏览 25提问于2022-09-30得票数 1
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
云直播
腾讯会议活动推荐
腾讯云开发者
