1回答
我想保存自定义VGG16模型的可训练权重。我知道: custom_vgg_model.save_weights(fname) =>保存了VGG16的所有权重，甚至是不可训练的权重。我如何才能只保存可训练的重量？
浏览 1提问于2021-02-22得票数 0
考虑两个问题 model=Model(input,x)#returned -0.02069422, -0.00631414, -0.03294226], dtype=float32)> 然而，如果试图从一层到另一层分配权重, 0., 0., 0., 0., 0.,
0., 0.
浏览 15提问于2021-04-13得票数 0
回答已采纳
2回答
我正在使用Kears和tensorflow，我有一个有3个输出的模型，我只想从中训练2个。calculate_loss2(y_true, y_pred)
return 0.0*K.mean(y_pred)
我试着用上面的代码来做，但我不确定它能做我想做的事情有谁能告诉我如何实现这一点，或者让我放心，代码实际上做到了我想要的？
浏览 13提问于2017-03-14得票数 8
回答已采纳
我有一个Keras序列模型，由一些稠密的层组成。我将整个模型的可训练性设置为False。但是我看到各个层仍然将它们的可训练属性设置为True。是否需要将层的可训练属性单独设置为False？那么，在整个模型中将可训练属性设置为False的意义是什么？
浏览 1提问于2019-06-19得票数 3
1回答
我有两个Keras模型，我们称它们为model1和model2。这两个模型都是一个简单的感知器。下面是设置model1的代码；model2是相同的。model1 = keras.Sequential([ keras.layers.Dropoutmodel1和model2的
浏览 2提问于2019-03-05得票数 1
回答已采纳
我在CNN上工作，目的是从一组心脏MRI图像中预测两种不同的容积(收缩和舒张)。 model.compile(optimizer=adam, loss=root_mean_squared_error)然后，我用两个不同的模型来预测两个不同的体积samples_per_epoch=N_train,validation_data=generator_validate_dia, nb_
浏览 0提问于2017-05-08得票数 4
回答已采纳
假设我们有两个模型，model1和model2。假设前10个层对于model1和model2是相同的。然后用一些数据集在Keras中训练model1。将模型保存在"model1.h5“中。然后，您会意识到model1的权重对于开始您的培训模型2很有用。我想这样做：# then set weights
浏览 1提问于2018-09-22得票数 0
回答已采纳
2回答
我在Matlab中训练了一个三层(输入、隐藏和输出)前馈神经网络.经过训练，我想用一个输入测试向量来模拟训练后的网络，得到神经元的响应--隐层(而不是最终输出层)。我该怎么做呢？另外，在训练神经网络之后，是否有可能“切断”最终输出层，并将当前隐藏层作为新的输出层(以备将来使用)？
额外信息:我正在构建一个。
浏览 2提问于2012-03-03得票数 3
如何在Keras模型的基础上添加一个Conv2D层？我的输入形状为(299,299, 15 )，为了使用预先训练的权重(imagenet)，输入通道必须为3，因此我的想法是添加一个conv2d层，将通道从15更改为3。Input(shape=(299, 299, 15))
x = Conv2D(3, kernel_size=(8,8), strides=(2,2), activation='relu')(image
浏览 2提问于2021-03-21得票数 1
回答已采纳
1回答
我做了一个实验，但我不明白为什么我会得到这样的结果：import tensorflow as tfmodel2 = keras.Model(inputs=input_, outputs=hidden2)
令我惊讶的是，如果我现在称之为model2.weights，这些重量与以前安装的model1.layers[
浏览 2提问于2020-03-04得票数 0
2回答
如何只训练新的权重？
、、、
考虑一个由10个单元组成的(密集)层。现在我想向这一层添加另一个(单个)单元。但是，我如何确保前10个权重未经过训练，而只有新的权重得到训练？
浏览 0提问于2018-06-07得票数 0
1回答
我有一个经过训练的模型，我想将一些内核设置为零。通常，我们通过使用kernels = tf.trainable_variables()获得这些内核权重，然后运行会话来查找这些权重的值。虽然它也给了我们偏差和完全连接层的权重，但我对卷积核特别感兴趣。例如，如果我在第一层中有96个内核，并且我想将Kernel# 04，25，26，48，90设置为零，这样它就不能参与处理。它是如何做到<
浏览 1提问于2019-08-09得票数 2
我就是这样用预先训练好的嵌入来初始化嵌入层的： input_length初始化嵌入层时，我会得到以下错误：非常感谢
编辑：，我非
浏览 2提问于2018-11-21得票数 12
回答已采纳
然而，在加载模型或加载权重的情况下，fit()如何知道它所提供的权重实际上是有用的，不应该丢弃，然后分配随机值来代替这些权重。，在第一次划线过程中，权重是逐层初始化，还是在第一次划线之前，对所有层都进行初始化。(我想说的是，如果模型中有5层稠密层，那么初始化是否一次表示一层，即第一稠密层被初始化，然后该层发生前
浏览 6提问于2020-12-25得票数 1
回答已采纳
1回答
我所做的是首先使用大数据集来训练模型，并保存权重。然后，我用我的数据集通过冻结层来训练模型。但我看到了一些过分合适的地方。所以我试着改变模型的下降率，加载权重，因为数字是变化的，而退出是变化的。直接我的问题是，是否有可能改变模型的辍学，同时加载重量？
..。重新定义退出，其他的在
浏览 0提问于2018-09-06得票数 1
回答已采纳
1回答
假设在PyTorch中，我有model1和model2，它们具有相同的架构。他们在相同的数据上接受了进一步的培训，或者有一种模型是早期版本的，但它在技术上与这个问题无关。现在，我想将model的权重设置为model1和model2权重的平均值。我如何在PyTorch中做到这一点？
浏览 0提问于2018-02-01得票数 12
回答已采纳
1回答
我从建立和训练一个简单的模型开始。然后，我构建了一个稍微复杂一些的模型，它包含所有原始模型，但是有更多的层。我想把训练好的权重从第一个模型移到新模型中。我该怎么做？第一个模型嵌套在第二个模型中。= Model(inp, out1)
model1.compile(optimizer = tf.keras.optimizers.SGD
浏览 5提问于2020-10-14得票数 1
回答已采纳
1回答
嗨，我有一个预先训练好的网络model1，如下所示：Total params: 1,980,358Non-trainable params: 0
我从预先
浏览 14提问于2020-05-13得票数 0
2回答
假设参数(例如激活函数)在训练产品和opencv之间是兼容的。
如何将经过训练的权重导入到opencv MLP中？也许训练产品对每一层使用权重的MxN矩阵，其中M是输入层，M是输出(因此W(i，j)将是输入节点i和输出节点j之间的权重)。也许偏差存储在一个单独的N元素向量中。原始格式的细节并不重要，因为只要我知道权重的含义以及它
浏览 0提问于2015-04-26得票数 0
2回答
我正在建立一个自动编码器和训练模型，所以目标输出是相同的输入。model = Sequential()model.add
浏览 0提问于2018-12-10得票数 2
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
