我有一个不同形状的数组列表，即 list = [array([1,2,3]), dtype=int16), array([1,2,3,4,5,6,7,8,9]), dtype=int16)] 我想在第一层是conv1的cnn中使用这些数据作为输入。我应该如何转换数据
浏览 18提问于2021-05-07得票数 0
我在一个时间序列中有多个特征，并希望在下一个时间步骤中预测相同特性的值。我已经训练了一台LSTM，它运转良好，但训练需要一些时间。所以现在我的问题是:使用CNN而不是LSTM是否合理，即使它是一个时间序列？当你永远不应该转到CNN上的时候，有什么指示吗？
浏览 0提问于2020-07-20得票数 7
回答已采纳
1回答
我是NNs的新手，我有一个关于CNN中卷积层的问题。在CNN中，卷积层被称为执行特征提取或作为特征提取器工作。第一卷积层学习提取低层次特征，这意味着第一层将将原始图像转换为多个原始图像副本(取决于所使用的过滤器的数量)，其中只包含低级特征，而忽略了原始图像中的任何其他特征，对吗？下一层如何提取其他高层次特征，即如果第一层已经忽略了人脸？
为什么我们没有几个单独的层，每个层都对某些特性进行了特定<em
浏览 0提问于2021-01-08得票数 1
回答已采纳
self.conv1(inp) print(out)我的最小、平均和最大的inp是：inp tensor(9.0060e-05) tensor(0.1357) tensor(2.4454)
对于我的输出，我有：out1 tensor(4.8751, grad_fn=<MinBackward1>) tensor(21.8416, grad_fn=&l
浏览 4提问于2020-03-20得票数 1
回答已采纳
我有一个包含321个样本和43个特征的熊猫数据帧X_train。此外，y_train中有18个不同的类。 ? 我想在我的数据上训练一个CNN，但我在给熊猫数据帧的输入形状上遇到了麻烦。这是我遇到麻烦的第一层。model.add(Dropout(0.1)) 所有的教程都使用了图像，它们只是传入了高度、宽度和通道作为input_shape的参数。
浏览 8提问于2020-10-27得票数 0
我想把光谱图--对应于发出的数字--提供给一个以Conv1D作为第一层的模型。然后，我使用一个RNN层来分类哪个词是说出来的。这些光谱图有不同的序列/时间长度，但特征数相同。在Keras的Conv1D文档中：
所以看起来它能处理它。不需要填充&
浏览 1提问于2019-08-25得票数 3
[64, cnn.add(tf.keras.layers.MaxPool2D(pool_size = 2, strides = 2))
cnn.fitvalidatian_data = test_s
浏览 26提问于2020-06-10得票数 0
回答已采纳
3回答
我想我在某个地方读到，随着层数的增加，卷积神经网络不会像标准的乙状结肠神经网络那样遭受消失梯度问题的困扰。但我一直找不到“为什么”。
它是否真的没有问题，还是我错了，它取决于激活功能？我一直在使用校正线性单元，所以我从未测试过卷积神经网络中的Sigmoid单元
浏览 10提问于2015-03-09得票数 8
回答已采纳
目前我正在尝试熟悉Tensorflow库，我有一个非常基本的问题困扰着我。x = tf.reshape(x, shape=[-1, 28, 28, 1])
conv1 = tf.layers.conv2d(x, 32, 5, activation你能给我一个提示，如何使我的网络运行在任何输入批次大小时
浏览 3提问于2017-09-13得票数 0
回答已采纳
据 on tf.keras.layers.Conv2D说，
Q2:如果没有，什么时候需要它，为什么
浏览 0提问于2018-11-06得票数 0
1回答
我正在研究如何使用Autoeconder来检测时间序列中的异常。特别是，我正在遵循Keras网站中发布的指南，但我不明白他们为什么要创建，以及如何使其适应我的数据集。在他们的指南中，他们加载数据集并创建一个序列：def create_sequencescreate_sequences(df_training_value.values)
print
浏览 0提问于2021-03-22得票数 0
回答已采纳
1回答
如何将深度学习用于回归和分类任务？
我想根据一定的采样频率来处理振幅数据的序列(时间序列)，但它们的长度</e
浏览 4提问于2022-06-09得票数 0
回答已采纳
1回答
Pytorch卷积层返回Nan
、、、、
因此，我使用卷积层作为神经网络的第一层，用于深度强化学习，以从我构建的模拟中获得空间特征。模拟提供了不同的地图，这些地图具有不同的长度和高度。如果我理解卷积网络，这应该无关紧要，因为信道大小保持不变。在卷积网络和完全连接的层之间，有一个空间金字塔池层，因此不同的图像大小并不重要。此外，空间数据也相当稀疏。通常，在第一卷积层吐出所有Nans之前，它
浏览 12提问于2018-08-09得票数 0
1回答
我刚开始学习，我有一些关于如何设置它的代码的问题。我也读过其他有类似问题的帖子，但这些都帮不了我解决问题。# Input
inputs = Input(shape =(200, 1), name
浏览 1提问于2019-08-05得票数 2
回答已采纳
在我的问题不明确的情况下，我说的是在图像训练的卷积神经网络(CNN)的每一层中检测到的模式。以下面的图片为例(由洪拉克李)。我想我理解这个概念:随着复杂性的增加，不同的层开始对不同的特性进行编码。第一层代码用于边缘，中间层代码用于简单特征(例如鼻子、眼睛)，后一层代码用于整个人脸。然而，我没有看到图片中
浏览 0提问于2016-12-10得票数 5
回答已采纳
或长篇显式版本：
数据集由指定大小的矩阵组成，填充0's，其中包含指定大小的子矩阵，填充1s，子矩阵是可选<
浏览 0提问于2018-04-15得票数 2
回答已采纳
我有一个TensorFlow数据集，其中包含近15000幅彩色图像，分辨率为168*84，每幅图像都有一个标签。这就是为什么我需要将它作为参数传递给我在其中构建的这个函数： # Convolutional Layer #1
浏览 2提问于2018-05-19得票数 6
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
