1回答
我想将具有四个通道的(5,5)卷积层的权重初始化为numpy数组。这一层的输入是形状(128,128,1)。
浏览 22提问于2020-04-23得票数 0
1回答
我想计算常量卷积，像模糊或重采样，并希望它永远不会改变，在训练期间。更具体地说，我不想将它用于文档中声明的目的。我想用这样的方式来实现剩余网络:一个分支做正常的可训练卷积，而并行分支做一些常数的事情，比如平均。
浏览 0提问于2017-07-15得票数 7
回答已采纳
1回答
我创建了一个小的keras模型，并使用以下代码获得模型的权重：from keras.layers import Dense, Flatten(Flatten())a=model.get_weights()
现在，我希望使用keras初始化器将权重初始化为
浏览 0提问于2017-11-01得票数 0
回答已采纳
1回答
因此，我在Keras中实现基于SSIM的度量函数时遇到了一些困难。我已经尝试不使用@tf.function装饰器，只得到以下错误消息：
ValueError:没有为任何变量提供梯度：‘卷积0/内核:0’，‘卷积0/偏差:0’，‘卷积1/内核:0’，‘卷积1/偏差:0’，‘卷积2/内核:0’，‘卷积2/偏差:0’，‘卷积3/偏差:0’，‘卷积3/偏差:0’
浏览 3提问于2020-02-22得票数 3
我试图用10个内核(output_dim = (None，14，14，3， 10 ))将角核层的输出整形到所需的输出(None，14，14，30，1)，以便在所有核合并上执行另一个3D卷积。我想保持前10个核在重塑张量中的空间关系/顺序，比如把它们“贴在对方后面”。
由于keras.layers.reshape使用“行-主c-样式”来重新构造张量，所以在这里我会松掉内核的顺序。对于如何将numpy.reshape与numpy
浏览 4提问于2020-03-18得票数 0
这对于正常的卷积层是正确的。 我最近使用可分离的卷积层作为我在EfficientDet model中的一个层。
浏览 90提问于2020-10-14得票数 1
回答已采纳
1回答
我看到，如果我通过应用数字卷积来平滑预测的Y，我就能得到更好的精度。Y = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7]
卷积层的...and kernel
浏览 1提问于2017-12-19得票数 1
回答已采纳
在给定一个输入数组的情况下，我想执行一维卷积。我怎么发动汽车呢？我已经写好了代码，但它不能运行from keras.layers import Conv1Dfrom keras.models import Model
input = np.array(tf.constant([1,2,3,4,5,6,7,8conv_output
浏览 0提问于2018-11-08得票数 0
这一层在没有准备好的情况下有很好的记录，我在弄清楚如何正确使用它时遇到了一些麻烦。input_img = Input(shape=(1, h, w))d = Deconvolution2D(1, 7, 7, (None, 1, 2*h, 2*w))但是当我试图编写d.output_shape时，我得到了图像的原始形状，而不是原来的两倍(这正是我所期望的)。
任
浏览 1提问于2016-08-18得票数 8
回答已采纳
解决尝试import numpy as npx_core = np.array([[1,0,0,1],这意味着输出将是2乘2矩阵，其中的左上角值将等于核矩阵中的左上角值，结果的右上角将等于核矩阵的右上角，等等。( x_core中的特定零和1实现了这一点。)Graph (因为我认为这是较新的等价物)，那么将name="conv1"放在我的层定义中：con
浏览 2提问于2021-12-19得票数 2
回答已采纳
我有一个CNN，我在python中使用tensorflow上的Keras制作了一个CNN，我想在JavaScript中实现它。但是在tf for js 0.15.3中，我找不到为卷积层添加大步和填充的选项。二维卷积层(例如图像上的空间卷积)。
该层创建了一个卷积核，该卷积核与该层的输入相转换，从而产生一个输出的张量。如果激活不是null，那么它也将</e
浏览 0提问于2019-03-02得票数 1
回答已采纳
256,256,3),activation = "relu"))
classifier.add(MaxPooling2D(pool_size = (2,2))) 所以现在我需要找出32个过滤器是用什么值初始化的
浏览 25提问于2019-02-27得票数 0
回答已采纳
1回答
在这问题中，我看到了一个核卷积的例子，其形状大于初始图像的形状：from scipy import signal
所以，我们得到这个：
数组但是，“有效”卷积在这里是如何工作的呢？当我们能从(4x4)中得到(2
浏览 0提问于2019-12-19得票数 1
回答已采纳
我在将Keras模型的卷积内核和最理想的密集权重(但这不是我的优先事项)从theano转换为tensorflow时遇到了真正的问题。我做了一些调查，但我就是搞不定。如果你之前有类似的问题，或者如果some1已经将这些权重转换为tensorflow格式，我将非常感谢你的帮助，如果你决定分享的话。
浏览 2提问于2017-11-19得票数 0
1回答
在notebook convolution-and-relu中提到，卷积是在keras中完成的 layers.Conv2D(filters=64, kernel_size=3, activation但是，我不明白keras Conv2D是如何等同的。 问:对于keras.layers.Conv2D，kernel在哪里给出？filters是如何计算的？
浏览 4提问于2020-11-04得票数 1
正如您在上面的代码中所看到的，我使用了名为filter2D的opencv函数与内核进行输入图像的卷积，结果得到了锐化的图像。dis2 = Conv2D(filters=64, kernel_size=3, strides=2, padding='same')(dis1)
我的问题是，opencv filter2D和Keras(我假设这两种方法在图像与内核之间的<em
浏览 0提问于2019-11-05得票数 2
回答已采纳
Keras层文档指定了卷积层的输入和输出大小：输出形状：(samples, filters, new_rows, new_cols)这个聚合操作符是什么？我找不到关于Keras文档的任何信息。
浏览 3提问于2017-04-09得票数 54
回答已采纳
1回答
我有一个数据集，其中每个数据点由二维的5个视频组成，作为一个形状为(48,128,42,5)的numpy数组。(高度、宽度、帧、视频索引)。我想使用Keras/Tensorflow创建一个用于回归的CNN，但Keras只有多达3维的内置卷积层。有没有在4维数据上执行卷积和最大池化的好方法？或者我需要使用Tensorflow创建自己的层？
浏览 17提问于2020-05-17得票数 1
回答已采纳
1回答
pycuda中的加法(+=)算子
、、、、
我想在pycuda中实现卷积的变体。import pycuda.autoinitimport numpy as np }""")
我不计算wrt邻居当前的位置，相反，我想做相反的事情，将
浏览 3提问于2020-11-18得票数 1
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
