我正在使用tensorflow ，并试图按照tensorflow 重新训练最后一个层。我每个类别有1000张训练图像，只有4类。使用200 k迭代，我可以达到90%的成功分类，这并不坏，但仍然需要一些工作：
这里的问题是，这个预先训练的模型只需要300*300 p图像作为输入。显然，我试图在文档中识别的特性所涉及的字符会造成很多混乱。我会得到更好的结果与家庭制造和更简
浏览 3提问于2017-09-28得票数 2
回答已采纳
1回答
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。：ValueError: Operands could not be broadcast together with shapes (None, None, 32) (None, None, 3) 我的问题是，您如何能够将这些张量添加或合并为正确的形状(无、无、32)。如果这不是正
浏览 23提问于2019-02-21得票数 2
回答已采纳
我刚开始使用keras框架。我读过一些例子，说明如何在keras中用顺序类和图类构造深度学习模型。但是，我看到，独立的，如果我使用顺序或图，假设一个层的每一个隐藏单元都与另一层的所有隐藏单元完全相连，不是吗？如果我想构建一个深度前馈网络，它没有完全连接，例如第二层的第一个隐藏单元没有连接到第三个layer...etc的第二个单元，即使我想在属于非连续层</
浏览 0提问于2018-01-05得票数 2
我刚开始使用keras框架。我读过一些例子，说明如何在keras中用顺序类和图类构造深度学习模型。但是，我看到，独立地使用顺序或图，假设一个层的每个节点都与另一个层的所有节点完全连接，不是吗？我的疑问是，如果我想构建一个没有完全连接的深度前馈网络，例如第二层的第一个节点没有连接到第三个layer...etc的第二个节点，即使我想
浏览 1提问于2018-01-05得票数 1
1回答
我在一个项目中使用Keras。我想知道在卷积层中添加任何类型的正则化组件(如内核、偏差或活动正则化)是否有任何意义，即Keras中的Conv2D。如果是，那么哪种正则化对conv2d层最有用偏向正如所解释的这里，正则化技术是有用的完全连接(密集)层。conv2D有这样的直觉/逻辑吗？
浏览 0提问于2018-11-19得票数 6
回答已采纳
1回答
用相同图像训练自动编码器
、、、
我正在训练自动编码器与2000年相同的图像。我的期望是，如果自动编码器有足够的容量，在一定的训练时间后，损失将接近0，精度将接近1。相反，我看到损失= 0.07和accuracy=0.76的快速收敛。减少卷积层数有一定的改善作用。减少每层籽粒的数量增加了损失。在那之后没有任何改善。我的期望错了吗？或者我的自动编码器架构有什么问题吗？怎样做才能使一个几乎无损的自动编码器？
浏览 4提问于2020-03-23得票数 2
回答已采纳
1回答
最近我学习了ResNet的跳转连接，我发现这种网络结构在训练过程中会有很大的改进，它也适用于卷积网络，如U-net。但是，我不知道如何用LSTM自动编码网络实现类似的结构。我正在使用keras的方法来实现，但是我不断地得到错误。model.add(TimeDistributed(Dense(1)))plot_model(model=model, show_shapes=True)
就像resnet或unet中跳过</e
浏览 14提问于2020-03-20得票数 3
回答已采纳
1回答
原作者采用了预先训练的网络，在全连通层和卷积层之间添加了“超像素池层”。在这一层中，对卷积特征映射进行上采样，并对每个超像素的特征进行平均。我的问题是，为了成功地实现这一点，我需要计算每幅图像的超像素。如何访问批处理过程中由keras/tensorflow使用的数据来执行SLIC过度分割？我考虑过将任
浏览 3提问于2017-06-16得票数 0
回答已采纳
1回答
全卷积网络接受场
、、、、
关于接收场的计算存在许多问题。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<
浏览 0提问于2018-08-06得票数 1
回答已采纳
我设计了卷积神经网络(tf。Keras)，它有几个具有不同核大小的并行卷积单元。然后，这些卷积层的每个输出结果被馈送到并行的另一个卷积单元中。然后将所有输出连接起来。下一步展平完成。之后，我添加了完全连接层，并连接到最终的softmax层进行多类分类。我对它进行了训练，并在验证测试中<
浏览 1提问于2020-07-09得票数 0
1回答
六千万的AlexNet在哪里？
、、、、
根据AlexNet纸的抽象，他们声称有6000万个参数：作为参考，下面是Sec中描述的模型的体系结构。3.5文件：
第一卷积层过滤尺寸为11x11x3的96个核的
浏览 0提问于2020-10-25得票数 3
回答已采纳
3回答
因此，我是计算机视觉的新手，我不知道keras中的层是做什么的。在keras中添加层(dense、Conv2D等)有什么用？他们给它添加了什么？
浏览 1提问于2020-03-04得票数 2
1回答
我目前正在使用一个卷积层来训练一个神经，但似乎在输入和输出方面有一些问题。输入由(x, 2050 )组成，输出为(x, 13 )，因此，如果创建一个由13个元素组成的数组，将为具有2050列的每一行创建一个数组。model.save_weights("Model"+str(i)+"_weights.h5") print "New Model:"我似乎在数据的输入方面有问题我从当前代码<em
浏览 2提问于2017-01-16得票数 1
回答已采纳
我正在尝试对具有多个数字的图像进行分类。说一个带有"123“的图像输出"123”。最多有5位数字。
在我建立了卷积层之后，我被卡住了。我们如何输出5个数字，每个数字有10个类？一些人建议在最终的卷积层之后使用5个独立的完全连接的层。但是我们如何在Keras中为5个独立的FCs编码呢？
浏览 0提问于2016-09-30得票数 0
1回答
如果我将标量值编码为具有该值(或该值的规范化版本)的图像像素，并将其附加到输入图像中的另一层，我将在编码过程中浪费卷积计算周期，以便将这些信息输入网络。另一方面，我可以将它作为另一个神经元发送到图层，在该层中，可以发生凹陷特征映射的平坦化。另一个选项是在输出层之前添加。(但是如何在Keras或tensorflow中实现这样<em
浏览 0提问于2018-03-12得票数 2
我想知道是否通过将activity_regularizer='l1_l2'作为参数传递给Conv2D()来创建模型model.add(Conv2Dhistory = model.fit(X_train, y_train, epochs = 10, validation_data = (X_val, y_val), verbose=0)model.add(Conv2D(filters=16, kern
浏览 7提问于2022-10-06得票数 1
回答已采纳
1回答
在CNN中更新滤波器权重
、、、
我设计了一个有2个卷积层和2个完全连接的层的CNN。我的CNN的架构如下： Input -> [Conv1->ReLU->Pool] -> [Conv2->ReLU->Pool] -> FC1 -> FC2 -> output
28x28 28x2814x14 14x14 7x7 49x1 49x1 10x1 在训练CNN时，我应用了反向传播
浏览 25提问于2019-06-04得票数 0
正如本指南所说的，反卷积层可以转换成等效的卷积层。问题是:因为tensorflow只提供了一个二维版本的解卷层，如果我想为一个
浏览 5提问于2017-05-16得票数 1
1回答
我所做的是把Bing Bang理论的wav文件第一个espiode :-)转换成MFCC，而不是把它作为一个开放源码的神经网络api (MLPClassifier)的输入，作为输出，我为每个说话者定义一个唯一的向量，我取50个随机值进行测试，其他值用于拟合(训练)from sklearn.neur
浏览 2提问于2019-11-25得票数 0
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
