1回答
我正在构建一个自动编码器，在那里我需要将图像编码为长度为100的潜在表示。我在我的模型中使用了以下架构。self.conv3_transpose = nn.ConvTranspose2d(in_channels=32,out_channels=3,kernel_size=3,stride=1) 有没有办法将我的Linear层的输出提供给Conv2D或ConvTranspose2D层，这样我就可以重建图像了？如果我删除Linear<
浏览 10提问于2020-04-14得票数 1
回答已采纳
3回答
我正在尝试将模型从PyTorch转换为Keras，并尝试设置Keras模型的权重，但似乎没有设置这些权重。注意:我实际上并不是在用np.ones进行设置，只是举个例子而已。keras_layer = [layer for layer in model.layers if layer.name=='conv2d_1'][0] [ 2.977
浏览 1提问于2017-11-08得票数 31
回答已采纳
在pytorch LSTM、RNN或GRU模型中，有一个名为"“的参数，它控制LSTM中隐藏层的数量。我想知道，既然LSTM中有多个层，为什么参数"hidden_size“只是一个数字，而不是包含多个层中隐藏状态的数量的列表，如10、20、30。我在处理一个回归项目时遇到过，在这个项目中，我将(seq_len，batch，feature)的序列数据提供给LSTM，我想要获得每个时
浏览 6提问于2019-01-07得票数 1
当我注意到tensorflow和pytorch对于2d cnns有不同的大小权重张量时，我正在将tensorflow v1.13编写的旧项目转换到pytorch v1.4.0。v in tf.trainable_variables()}
print(sess.run(vars['cnn_2/kernel:0']).shape) 结果 (3, 3, 1, 32) 这是我的pytorchpytorch模型不起作用，所以我开始一次走一<em
浏览 14提问于2020-04-14得票数 0
我试着把预先训练过的BN重量从一个pytorch模型复制到它的等价Keras模型，但是我总是得到不同的输出。我读过Keras和Pytorch BN文档，我认为区别在于它们计算“平均值”和"var“的方式。
因此，他们平均超过样本。喀拉斯：
轴:整数，应该标准化的轴(通常是特征轴)。例如，在Conv2D层之后使用dat
浏览 0提问于2019-02-12得票数 3
我开始使用pytorch，并使用一些转换来构建以下模型，使用其中一个教程作为参考： torch.nn.Linear(D_in, H)的理解存在根本性错误。可以链接在pytorch中..。在遵循@esBee的建议后，我发现以下内容运行正确。这是因为LSTM期望输入的维度如下：y_pred = lay
浏览 58提问于2018-05-28得票数 3
我试着学习PyTorch，并遇到了一个教程，其中CNN的定义如下， def __init__(self): # Defining a 2D convolution layer # Defining anoth
浏览 1提问于2021-01-31得票数 1
回答已采纳
我用两个线性层对模型进行了精细的调整，代码如下所示。= self.relu(x) x = self.fc2(x)这是我的火车功能输入形状，在图像中打印self.bert后的形状。由于第一个线性层(fc1)没有被执行，之后的形状就没有打印出来。
浏览 22提问于2021-07-14得票数 2
回答已采纳
1回答
我有一个关于如何在Keras中将卷积层和LSTM层结合起来的问题。LSTM的输出为(H，W)张量。
在默认层的</e
浏览 0提问于2017-08-25得票数 1
我想在pytorch中创建一个用于二进制图像分类的完全卷积网络，它可以采用动态输入图像大小，但从概念上讲，我不太理解将最终层从完全连接层更改为卷积层的想法。假设我有一张16x16x1的图像作为CNN的输入。经过几次卷积后，输出为16x16x32。如果使用完全连接的层，我可以通过创建16*16*32权重并将其提供给单个神经元来产生单值输出。我不明白的</em
浏览 25提问于2019-03-09得票数 0
回答已采纳
为了标准化的目的，我想在vgg16网络的基础上创建一个网络，但是在conv2d层之后添加线性层(Gemm)。之后，我想将网络导出为ONNX文件。第一部分似乎是可行的:我使用Pytorch代码来生成vgg16，并按如下方式修改它 import torch.nn as nn
浏览 73提问于2020-12-08得票数 1
我正在尝试实现在一种用于投资组合管理的层次深Q网络框架中描述的CNN (见截图)。本文将CNN的第一层描述为内核为1x3，采用形状(2,10,4)的价格张量，输出了32幅大小为2x5的特征图。这一层的filter为1×3，我们在这里使用的激活函数是defined in (Klambauer等人，2017年)。在这一层中，我们得到了32个特征映射，每个特征映射的大小为2×5，这些特征映射
浏览 0提问于2022-12-16得票数 0
2回答
我正在训练一个古吉拉特语的光学字符识别模型。输入图像是字符图像。我上了20节课。训练图像总数为12000个(每个类600个)，测试图像为3,200个(每个类160个)。我应该如何提高我的准确性和减少损失？下面是我的代码：
classifier.add(Conv2D(32, (3, 3), input_shapepool_size = (2, 2)))
# Adding a
浏览 0提问于2020-09-20得票数 1
请对你的想法添加一个最低限度的评论，以便我可以改进我的查询。谢谢。-)
from tensorflow.keras.layers im
浏览 3提问于2021-03-18得票数 1
回答已采纳
我通过一个维度: Conv2d：3 x 192 x 5 x 5来传递它。我使用的命令是：Conv2d(3, 192, kernel_size=5, stride=1, padding=2)
使用这个公式(这里说明为参考，pg12 )，我应该得到一个带有维度28 x 28 x192 (input - kernel + 1 = 32 - 5 + 1)的输出图像。问题是PyTorch如何实现这个4d张量3 x 192 x 5 x 5以获得28 x 28 x 192的输
浏览 2提问于2020-01-23得票数 1
回答已采纳
1回答
我想要一个输入大小为7，隐藏大小为10，输出大小为2的RNN。因此，对于shape 99x1x7的输入，我希望输出为shape 99x1x2。bias is not None:我猜这是因为Linear接收到了RNN.forward产生的元组
浏览 0提问于2019-08-25得票数 1
=(96,96,1)),
我可以将这个层提供给另一个Conv2D层，而且没有问题。但我试图在这些MaxPool2D层之间放置一个Conv2D层。有关于如何设置填充的规则吗？(无论是在conv2d层还是MaxPool2D层中)，我为MaxPooling2D层设置的填充(相同的还是有效的)似乎都没有关系，我总是会得到尺寸错误。对于我
浏览 4提问于2022-02-22得票数 2
该 of PyTorch似乎为递归神经网络提供了可变输入长度的PackedSequence。然而，我发现要正确使用它有点困难。利用pad_packed_sequence恢复由pack_padded_sequence提供的神经网络层的输出，得到T x B x N张量outputs，其中T是最大时间步长，B是批处理，N是隐藏大小。我发现，对于批处理中的短序列，随后的输出都是零。
这是我的问题。对于单个输出</em
浏览 5提问于2017-09-24得票数 18
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
