2回答
我有一个由235个元素组成的x_train数组，每个元素是一个由125行和125列组成的numpy数组。我需要这个数组的形状为(235,125,125)，以便输入到我的卷积神经网络模型(类似于我们需要输入MNIST数字数组(6000,28,28)时的情况，其中我们有60000个样本，每个样本都是28x28数组)
谁能告
浏览 20提问于2020-02-16得票数 1
回答已采纳
seq2seq的任务是从视频数据中识别句子(也称为目视语音识别/唇读)。
该模型由卷积层和lstm层组成。然而，卷积层的输出是[batch_size, height, width, channel_size]；型的，而最小层的输入必须是[batch_size, n_steps, dimension].型的。然后，我将其重塑为[batch
浏览 2提问于2019-08-07得票数 0
1回答
图像和掩码是numpy数组(634，1，64，64)
conv2d_19 (Conv2D) (None，5，64，64如果我将sample_weig
浏览 2提问于2017-05-15得票数 2
1回答
我设计了一个使用2d卷积层和最大池化层的神经网络，输入形状为输入，一个热编码序列作为2d阵列。然后在输入模型之前对其进行重塑。100, 21 * 1000), dtype=np.float32 )x_data = tf.reshape( data, [-1, 1, 1000, 21] )
然而，我使用了相同的数据集，使用了1D卷积层，通过更改模型和输入<
浏览 3提问于2020-07-11得票数 0
1回答
我正在尝试建立一个卷积递归网络，它采用32000 x 1原始音频时间序列的固定输入大小。它只是一个长度为32000的数值数组。例如，如果我们的批量大小为1，我的维度将是 torch.size([1,32000,1]) 1个音频时间序列，长度为32000，1通道 我必须把它重塑成 torch.size([1,1,32000])这样它就可以被送入卷积层 当它被送入<e
浏览 47提问于2019-09-14得票数 2
1回答
我想用TensorFlow在一个具有28x28形状的图像的数据集上训练一个CNN模型，这些图像已经被展平为长度为784的向量。我想在Tensorflow中使用Conv2D层，但由于我的输入已经扁平化，我不知道最好的方法是什么。
是否有一种层执行与扁平化相反的功能？我应该写一个带有子类化API和numpy重塑的自定义模型吗？或者，是否可以使用一维阵
浏览 0提问于2020-06-13得票数 0
全部在Tensorflow中y = tf.placeholder(tf.float32, [None, n_classes])
但是我从最后一层得到的展平输出只有我应该重塑<
浏览 3提问于2017-06-18得票数 0
1回答
我试图重塑一个卷积层的大小的一个卡夫莫德尔(这是一个后续问题的)。尽管有关于的教程，但它只展示了如何将权重参数从一个caffemodel复制到另一个相同大小的caffemodel。相反，我需要在卷积滤波器中添加一个新的信道(全部为0)，使其大小从当前的(64x3x3x3)更改为(64x4x3x3).。
假设卷积层称为'
浏览 4提问于2016-10-06得票数 3
回答已采纳
1回答
Keras权值节约
、、、、
我正在使用预先培训过的Keras模型MobileNets。我试图在文本文件中保存其中一个层的权重。权重矩阵的维数如下： print(layerr.shape)
我搞不懂哪一个是3对应的通道，哪一个对应于高度和宽度。我知道32对应于过滤器的数量。
如果你能帮我把它们保存成一个线性矩阵，那就太好了！
浏览 1提问于2018-12-02得票数 0
回答已采纳
0回答
目前，我有一个神经网络，它可以卷积和汇集图像。然而，就在我创建密集连接层之前，我想添加一些信息。目前，我使用tf.reshape(image, [width * length * channels])将图像重塑为扁平张量，但我想知道如何将两个tf.float32值附加到张量的末尾？
浏览 4提问于2016-07-08得票数 0
回答已采纳
我有77列，有4个类标签(已经由get_dummies进行了一个热编码)。x_test = X_test.reshape(-1, 1, 77)y_test = y_test.reshape(-1, 1, 4)
model = Sequential()
model.add(Convolution1D(64, kernel_size=77, padding="same", activation="rel
浏览 0提问于2021-06-18得票数 0
回答已采纳
假设我提取了一些特征，它是10x10的数据(可能是图像或倒谱)。通常我会把它输入到我的2DConv中，然后我就可以上路了。我的问题是，如果我必须将其转换为100个输入的1D，除了明显的部分，我的过滤器不会检测周围的邻居，而只检测前一个和下一个来检测模式，这可能会导致更差的性能。如果我必须这样做，我会只是重塑，使用重塑图层还是使用排列层？
谢谢
浏览 30提问于2021-03-25得票数 0
我有9个特性，一个输出变量(也就是要预测的)，没有"TimeDistributed“命令，窗口大小为5的代码工作得很好。模型输入形状: feature_tensor.shape=(1649，5，9)模型输出形状: y_train.shape= (1649，)
#Build themodelq.fit(feature_tensor, y_train ,batch_size=1, epochs=epoch_count)
错误声明是: ValueError: conv1d<e
浏览 5提问于2021-05-10得票数 1
我需要从alexnet架构的fc7中提取功能。但我只有灰度图像。我怎样才能修改alexnet来达到同样的效果？
浏览 2提问于2016-05-26得票数 0
2回答
我正在尝试实现一个类似于完全卷积网络的东西，其中最后一个卷积层使用滤波器大小为1x1的滤波器，并输出一个'score‘张量。分数张量有形状批次、高度、宽度、num_classes。我的问题是，tensorflow中的哪个函数可以独立于其他像素对每个像素应用softmax操作。tf.nn.softmax操作似乎不是为了这个目的。
如果没有这样的操作，我想我必须自己写一个。更新:如果我必须实现自己，我认为我可能需要将输入
浏览 0提问于2016-04-26得票数 9
1回答
关于CNN中两个卷积层之间的互连，我有一个问题。例如，假设我有这样的体系结构：conv1: 3x3过滤器，不。过滤器: 16在conv1后，假设图像维数不降低，则输出为16x28x28。所以我们有16个特征地图。在下一层中，每个特征映射连接到下一层意味着，如果我们将每个特征映射(28x28)看作一个神经元，那么每个神经元将连接到所有32个滤波器，即总计(3x3x16)x32参数。这两层
浏览 0提问于2017-03-05得票数 2
回答已采纳
1回答
我正试图用不同大小的图像来为2D CNN提供信息。为了这个目的(因为我不想重塑我的图像)，我尝试执行一个2D填充。
“检查模型输入时出错:要传递给模型的Numpy数组</em
浏览 0提问于2018-04-25得票数 1
我想使用tensorflow创建一个类似于Conv2D的神经网络层。下面是我想要实现的东西。一层就像卷积层一样使用内核，但输出大于输入。我设法通过将tensorflow张量转换为numpy数组来实现以下代码，但我仍然不知道如何将4D输出数组合并为2D数组。
浏览 14提问于2019-05-01得票数 0
回答已采纳
1回答
我想在tensorflow中使用我自己的卷积函数。我用numpy实现了这一点。如何将代码转换为Tensorflow格式(计算图形中的动态输入)。目前，我的函数以一个2d numpy数组作为输入，并生成一个三维numpy数组(高度、宽度和输出通道)。如何迭代所有输入映像？
浏览 4提问于2017-03-29得票数 4
云服务器
ICP备案
实时音视频
对象存储
云直播
腾讯云开发者
