1回答
我正在遵循this的论文来创建一个超分辨率的CNN。本文将训练图像拆分成更小的子图像进行训练。为了做同样的事情，我使用子图像大小为96x96。我的模型是这样的： model = tf.keras.Sequential()
model.add(Conv2D(d, 5, input_shape=(96convolution layers
model.add(Conv2DTranspose(1, 9, strides=
浏览 19提问于2021-07-06得票数 0
如何将olivetti数据集图像的大小从64x64调整为32x32？
浏览 0提问于2020-05-16得票数 0
回答已采纳
我刚开始深入学习，我用下面的代码创建了一个用于预测植物病害的模型 def __init__(self): self.cnn_model = nn.Sequential( nn.ReLU(),(x)model = CNN</
浏览 6提问于2021-10-30得票数 3
1回答
LSTM输入混乱
、、、、
我试着理解LSTM输入已经有一段时间了，我想我理解了，但是我一直对如何实现它们感到困惑。在指定LSTM时，可以指定单元格数和输入形状(我对输入形状有问题)。单元格数指定了多少个单元格应该查看给定的数据，而不影响所需的输入形状。输入形状(当状态)按批处理大小、批处理中的时间步骤和时间步骤中的</em
浏览 8提问于2020-12-29得票数 0
回答已采纳
1回答
我制作了一个cnn，并从第三个卷积层提取了特征，因此形状是(600,12,12,128) 600 =训练图像12x12128 =单个图像 现在我想把它们作为输入传递给另一个cnn2，但是我希望输入的形状是如何改变形状？
浏览 17提问于2020-12-22得票数 1
我正在修改一段旧代码，将注意力层添加到模型中。但我无法弄清楚如何用正确的输入大小来堆叠这些层。rnn = LSTM(256, return_sequences=True, input_shape=(200,189))model = TimeDistributed(cnn, optimizer='adam', metrics=['accuracy'])
model.summ
浏览 2提问于2021-04-18得票数 1
回答已采纳
我是新来的ML和CNN特别是，我是跟随一个视频教程，已经遵循和实践的教训。现在，为了更多地练习我所学到的东西。我让自己陷入了这个错误。我的数据集由带注释的癌症图像组成。keras.layers import Dense, Conv2D, MaxPool2D, Flatten, Dropout, MaxPooling2D
当我用x_train.shape打印出x_train.shape的形状时，我得到了这个x_train shape : (80, 64
浏览 3提问于2020-11-26得票数 0
2回答
我正在尝试建立一个使用cnn的图像分类器。我的图片是(256,256)像素大小。如果我通过将输入形状设置为(64,64)或(128,128)来训练cnn会发生什么，因为(256,256)将需要大量时间来处理？
浏览 11提问于2019-04-19得票数 0
如何组合numpy 3d阵列形状(326，25，16)和一维阵列形状(326，)。阵列形状(326，25，16)是CNN的输入，阵列形状(326，)是标签。
浏览 0提问于2017-12-02得票数 0
--我不知道为什么在运行下面的代码时会出现这个错误我的CNN代码是：CNN.add(tf.keras.layers.Dense(1, activation='softmax'))(2
浏览 12提问于2022-05-21得票数 1
回答已采纳
1回答
我试着教自己建立一个CNN，它需要一个以上的图像作为输入。当我孤立地运行我的生成器时，它工作得很好，并产生适当形状的输出。它生成一个包含两个条目的元组，第一个条目具有形状(4, 100, 100, 1)，第二个条目具有形状(4, )。阅读关于多输入Keras的文章给我的印象是，这是一个4输入CNN的生成器的正确格式，用于识别这4
浏览 1提问于2017-06-06得票数 3
回答已采纳
1回答
我正在建立一个预测地理空间-时间数据集的模型。def define_model_cnn_lstm(features, lats, lons,，该模型将采用具有形状的数据(特征、lats、lons、时间)，因此，例如，如果我
浏览 0提问于2018-09-28得票数 4
回答已采纳
我有以下的想法来实施：输入有100个时间步骤，每个步骤都有一个64维特征向量CNN层包含64个过滤器，每个过滤器有16个水龙头。然后，最大池层将提取每个卷积输出的单个最大值，从而在每个时间步骤中总共提取64个特征。
然后，将层的输出输入有64个神经元的层。重复次数与输入的</em
浏览 1提问于2018-04-17得票数 2
3回答
我使用一维CNN输入1*512大小的随机分段时间序列数据，输出将输入分为10类。在接受CNN训练后，我将the应用于我在测试数据中输入的预测。通常，tsne结果的输出形状是球形的(例如，应用于MNIST数据集)。但现在我在自己的数据集中应用t。无论我如何及早调整困惑，学习速度或最大迭代次数。它会给我长形状输出的结果，就像下面的图一样。长形
浏览 0提问于2018-07-08得票数 10
我试图从复制模型(图片取自本文：) (但区别很小:在每个时间步骤生成一个单词，而不是在末尾生成一个单词)，其中第一步的输入是嵌入的CNN功能。LSTM应该支持可变的输入长度，为了做到这一点，我用零填充了所有的序列，以便它们都有maxlen时间步骤。,25,1], [] and with computed input tensors: input[2] = <1>
我不知道为什么它说第二个数组的形状是?，25，1，因为我在连接之前打印它<em
浏览 1提问于2018-05-10得票数 2
回答已采纳
我正在建立一个一维卷积神经网络(CNN)。我从许多来源了解到，如果增加更多的层，CNN的性能就会提高。但是，在每个池层，输出形状比输入小50% (因为我使用的池大小为2)。这意味着我不能添加更多的层，一旦我的输出有形状1。
是否有办法克服这个“减少形状问题”，还是仅仅是增加输入形状的问题？
浏览 1提问于2018-07-09得票数 0
回答已采纳
1回答
所以我得到了一个带有形状的EEG数据集(数据点，19)，每一行的形状(1,19)代表1秒的EEG。
我读到了许多关于脑电分类的研究，这些研究采用了多种深度学习方法，而一维CNN就是其中之一。我的问题是，对于我的数据集，1D-CNN的输入必须有多行数据，例如(50,19)，这样它就可以过滤输入矩阵。但是我想逐行预测新数据((1x19)形状)，1D-
浏览 0提问于2020-06-22得票数 0
回答已采纳
1回答
这是我想做的。我有一个单独的形状数据( 20 , 20 ,20)，其中20个形状张量(1,20,20)将被用作20个单独CNN的输入。这是我到目前为止的密码。)前向函数中input_list的形状是torch.Size(100、20、20、20)，其中100是批大小。然而，有一个问题是
concat_fusion = cat([cnn(x) f
浏览 0提问于2021-04-25得票数 0
回答已采纳
最近，我尝试使用tensorflow来实现基于文章cnn+ctc的网络。这是我的问题:我想在tensorflow库中使用tf.nn.ctc_loss函数，但是它生成输入形状为：？，1024，3的ValueError:维度必
浏览 1提问于2017-06-26得票数 1
1回答
我正在尝试用标准普尔500数据集来训练CNN和LSTM网络。这是我的列车数据集的形状：model.add(TimeDistributed(Conv1D(filters=64,kernel_size=1, activation='relu'), input_shape=(None,16)))
在代码中显示的
浏览 0提问于2020-08-20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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
