2回答
如何获得概率层的形状？
、、、
我是一个具有TensorFlow概率层的建筑模型。5,) dtype=int32 inferred_value=[None, 3, 128, 128, 128] (created by layer 'tf.compat.v1.shape_15') 如何获取[None, 3, 128, 128, 128]的实际值？我尝试了output_shape.get_shape()，但这给出了张量形状[5]。重现错误的代码： import tensorflow
浏览 35提问于2021-08-19得票数 2
回答已采纳
1回答
密集层如何改变来自LSTM层的输出？从前一层的50个形状的输出中，我如何从用于预测的密集层获得大小为1的输出？model = Sequential()model.add(Dense(1, activation="softmax")) 密集层是否采用
浏览 16提问于2019-09-01得票数 1
回答已采纳
1回答
最近我遇到了一篇关于使用反卷积网络进行语义分割的论文：用于语义分割的学习反褶积网络。📷非池层的输出是一个扩大的，但稀疏的激活映射。反褶积层将通过使用多个学习滤波器的卷积类运算解池获得的稀疏激活紧密化。然而，与将滤波器窗口内的<
浏览 0提问于2015-11-24得票数 5
回答已采纳
2回答
我训练了一个模型来对7种不同类型的图片进行分类。我的模型只能做一个特定的预测(在我的例子中是numpy.ndarray)，但是我感兴趣的是一个更像概率的预测(例如90%的class1和80%的class2 ...etc)。我现在应该修改的代码部分在哪里？如何使用列车模型得到正确的概率值？predicted_value, " is : ",
m
浏览 10提问于2022-05-03得票数 -1
回答已采纳
1回答
我有一个关于Softmax层的重量形状的问题。
假设我们的词汇量是10000个单词，我们的嵌入层将降到300个维度。因此，输入是长度为10000的一个热向量，嵌入层有300个神经元.这意味着，从输入层到嵌入层的权重矩阵的形状为10000*300(词汇中的单词数*嵌入层中的神经元)。根据本教程(
浏览 2提问于2019-12-03得票数 1
回答已采纳
1回答
我正在尝试使用tensorflow概率层来创建多变量正态分布的混合。当我使用IndependentNormal层时，它工作得很好，但是当我使用MultivariateNormalTriL层时，我遇到了event_shape的问题。我将这些层与MixtureSameFamily层组合在一起。，但将它们与MixtureSameFamily组合会产生不同的事件形状。所以我的问题是:为什么它们会导致不同<e
浏览 67提问于2019-10-15得票数 0
1回答
我编写了一个定制的TensorFlow模型。然而，当我将单个张量传递给它时，它会将该张量的每个元素视为单个输入，从而给出一个批处理输出。tf.Tensor( [0.2581525 ]tf.Tensor(
[[0.31234854 0.3224
浏览 2提问于2020-06-12得票数 0
回答已采纳
我正在尝试编写一个模型，从128项提案中提取出10个感兴趣的区域，并将它们输入一个密集的层：# scorestf.keras.layers.Flatten()(x)当我将其包装在一个keras中并试图编译它时，由于tf.image.non_max_suppression返回形状为这使得扁平x[indices]的(非批处理)大小未知，因此密集<e
浏览 7提问于2022-02-03得票数 0
我正在尝试为Quora问题对数据集构建一个模型，其中输出是二进制的1或0，但我得到了这个错误。我知道我的模型的输出形状与输入形状不同，但我不知道如何修复它。
浏览 307提问于2021-11-21得票数 0
1回答
这个想法来自论文“超越炒作:深度神经网络优于使用ChEMBL生物活性基准集的既定方法”，其中作者描述了一个具有3个隐藏层(4000,2000,1000)和一个输出层的MT-NN，其节点数量与任务数量相同在论文中，作者在输出层使用了一个自定义的softmax函数，它给出了每个节点/任务的独立概率，而不是产生一个和为1的概率向量o。这对我来说很奇怪，因为我了解到softmax函数的概率
浏览 28提问于2019-05-28得票数 2
1回答
我正在研究这个笔记本电脑-- --我们使用一个嵌入层，LSTM和最后的密集层w/ softmax来生成音乐。然而，对于我们如何计算损失，我有点困惑；据我理解，在这个笔记本中(在compute_loss()中)，在任何给定的批次中，我们将预期的标签(即注释本身)与逻辑(即从密集层预测)进行比较。然而，这些预测不应该是概率分布吗？我们什么时候才能真正选择我们预测的标签呢？对我的问题做更多的澄
浏览 7提问于2020-05-14得票数 2
回答已采纳
2回答
割炬语义分割损失函数
、、、
我的图像有形状(256, 256, 3)，我的标签有形状(256, 256)。标签中的每个像素都有一个类值(0-4)。DataLoader中设置的批处理大小为32。因此，我的输入批次的形状是[32, 3, 256, 256]，相应目标的形状是[32, 256, 256]。我相信这是正确的。
我试着用nn.BCEWithLogitsLoss()。，对我的情况，这是正确的</e
浏览 0提问于2021-05-08得票数 2
回答已采纳
1回答
我试图从最后一层是softmax层的网络中获得softmax概率，当我使用model.predict()时，我得到的是类而不是概率。谁能告诉我如何获得概率。
浏览 1提问于2017-09-18得票数 0
在处理与问答(MRC)相关的问题时，我实现了两种不同的架构，它们独立地给出了两个张量(令牌上的概率分布)。这两个张量都是维度(batch_size,512)。我希望获得表单(batch_size,512)的最终输出。如何使用可训练权重组合两个张量，然后根据最终预测训练模型？然后，这些被传递到线性层nn.Linear(768,1)以输出形状张量(batch_size,512,1)。除此之外，我还有另一个建立在BERT编码之上的<
浏览 5提问于2020-06-21得票数 0
1回答
在Keras中使用word嵌入时，我在理解如何获得正确的输出时遇到了问题。我的设置如下：
LSTM层的输出被输入到具有softmax激活函数的(sequence_length)输出神经元的密集
浏览 5提问于2017-10-05得票数 1
1回答
双向LSTM中的聚合层
、、、
我在tflearn的多对一设置(情感分析任务)中使用双向LSTM。我想了解tflearn是如何从前向和后向LSTM层聚合表示，然后将其发送到softmax层以获得概率输出？例如，在下图中，连接层和聚合层通常是如何实现的？有没有关于这方面的文档？
谢谢!
浏览 10提问于2017-07-21得票数 0
回答已采纳
1回答
深度学习模型的预测
、、、、
我已经建立了一个从0到9的数字分类模型。我的数据集是tf.keras.datasets.mnist。我使用softmax作为输出层的激活函数。输出层由10个神经元组成。每个代表从0到9的数字。但即使我把输出层神经元的数目改为20个，预测也是准确的。看起来，即使我只需要预测10位数，输出层中也可以有10个以上的神经元。为什么这么说？Q2：
而且，预测是一个正确的列表列表。每
浏览 0提问于2020-04-05得票数 0
在用于图像二进制分类的CNN中，输出的形状应该是(图像数量，1)还是(图像数量，2)？具体来说，这里有两种CNN的最后一层：或在第一种情况下，对于每个图像，有2个输出值(属于组1的概率和
浏览 4提问于2018-06-12得票数 17
回答已采纳
1回答
我在试着理解model = tf.keras.Sequential([ data_augmentation, layers.MaxPooling2D(),])我看到
浏览 2提问于2020-09-01得票数 2
回答已采纳
我们可以使用predict_classes()函数在Keras中使用序列分类模型来预测新数据实例的类。如何预测使用functional开发的模型的类？例如，我有一个模型(基于函数API )，在最后一层激活了sigmoid，以获得多标签分类中的概率。当我应用model.predict()时，我得到了一系列的概率，即使损失是binary_crossentropy。
我知道我可以手动进行这个分类，例如采用以下方法。mode
浏览 0提问于2020-04-29得票数 3
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
