1回答
序列模型的上采样层错误
、、、、
我试图理解keras中的Upsampling2D层是如何工作的，所以我创建了一个单层Sequential模型。(2, 2) , input_shape = (100,100,1)))解释器报告以下错误expected up_sampling2d_7_input to have 4 dimensions, but got array with shape (100, 100, 1)
我只是尝试使
浏览 2提问于2018-01-04得票数 1
回答已采纳
1回答
它需要在自定义模型结构中重采样音频信号。这种重采样任务不是一种可以从模型中发展出来的预处理/后处理操作。换句话说，这种重采样是模型内部设计的一部分。然后，还需要为这样一个层定义梯度操作。对于重采样操作，它将使用tensorflow I/O：
操作工作非常完美，可以很容易地用作前/后处理单元；然而，它的实现--一个自定义层嵌入到模型中
浏览 2提问于2022-03-29得票数 0
1回答
我希望修改现有的模型实现，以便在中添加一个额外的上采样层。看来，Sagemaker指的是，我希望修改，添加一个比初始输入层分辨率更高的最后一个上采样层，以提高输出图像的分辨率(即，对原始图像进行统计缩小)。
()
浏览 11提问于2022-06-29得票数 0
我想使用Keras的layer Conv2Dtranspose和Conv3Dtranspose来做反卷积(同时进行上采样和卷积)。我可以构建和编译我的模型，但上采样部分似乎不起作用，即使我修改了参数dilate_rate。或者我误解了这一层是如何工作的？
浏览 11提问于2018-02-10得票数 1
回答已采纳
2回答
最近，我一直在尝试重新实现DiffCSE，如果我像set_seed(30)那样设置种子，我的印象是模型具有相同的初始化权重，因此在训练时取得了相同的结果。有很多由Huggingface提供的模型。当谈到伯特，他们有BertModel，BertForPretraining，BertForMaskedLM，等等。据我所知，每个BERT模型之间唯一的区别
浏览 3提问于2022-08-17得票数 2
1回答
我有一个预训练的VGG16网络，我使用迁移学习为PASCAL VOC 2012数据集修改了网络。现在，我想从改进的VGG16网络中获得每一层的输出，并在每一层上应用卷积，然后将它们向上采样到相同的大小并将它们相加。这是为了识别图像中的重要区域。我已经获取了每一层的输出 output = [layer.output for layer in model.layers] 现在我想要这样的</em
浏览 16提问于2019-09-12得票数 0
回答已采纳
对于修改后的U-Net体系结构的输入维度，我有一两个问题。为了节省您的时间，并更好地理解/再现我的结果，我将张贴代码和输出维度。如果我这么做 display(model.summary()) 在->1模型= MultiResUnetinput_shapes = nest.map_structure(lambda x: x.get_shape()，输入)-> 696
浏览 0提问于2020-02-04得票数 2
回答已采纳
据我所知，使用gensim的word2vec板条箱只有3层。我想知道我们是否可以定制word2vec NN并创建超过3层的word2vec NN来使用tensorflow进行实验？
浏览 0提问于2019-08-22得票数 1
回答已采纳
2回答
这是Seq2Seq模型的问题吗？
、、、、
我很难找到一个教程/示例，其中包括使用seq2seq模型进行顺序输入，而不是文本/翻译。我有一个多变量数据集，其中n个输入变量由序列组成，另一个输出序列与任何输入变量无关(例如，使用每周风速和湿度来预测温度)。我已经将特性和标签转换为具有固定时间步骤和n维的批处理，但是我不知道应该使用哪种模型。理想情况下，输出应该是一个单一的序列(例如，年温度)，但是哪一种模式可以实现这一点？这是LSTM能够实现的，还是seq2seq模型<
浏览 0提问于2018-08-19得票数 4
撇开这一点，我现在的问题是，当我有一个句子输入时，我的输出现在看起来是这样的：
我发现了一些东西，说这可能是由于糟糕的词嵌入。为此，我检查了拉伸板和确定足够的PCA显示了非常密集的聚点。看到我抓起了Facebook公开的预先训练过<e
浏览 3提问于2017-10-25得票数 10
回答已采纳
我想从零开始在CIFAR-100上训练MobileNetV2，我得到了下面的结果，在那里，它在一段时间后就停止了学习。这是我的密码。我希望看到至少60%-70%的验证准确性，我想知道我是否必须在imagenet上对其进行预培训，还是因为CIFAR100只是32x32x3？由于一些限制，我使用了带有tensorflow 1.12.0的Keras2.2.4。
浏览 3提问于2019-10-23得票数 0
回答已采纳
我正在尝试用LSTM作为第一个隐藏层和Keras库(tensorflow后端)来构建一个神经网络。我很难理解如何重塑我的数据，并使用batch_input_size参数将其提供给有状态的LSTM。我的输入是一个100秒的时间序列采样在10千赫。基本上，我有100*10000种不同的时间值。我有3个不同的可观测值被采样，所以特征的数目是3个。我希望我的模型<
浏览 0提问于2018-12-07得票数 0
1回答
是否可以在分割模型体系结构(如AvgPool、SegNet等)中实现MaxPool层，而不是MaxPool层？这对模型的性能会有什么影响呢？甚至，它是否需要对解码器或编码器的结构进行任何改变，如过采样方法(ConvTranspose或UpSampling)或其他什么？
浏览 8提问于2022-08-27得票数 0
我正试着为时间序列做CNN 1D。第一个问题:当尝试使用1,1的输入形状时，我会得到一个错误：第2期我的数据有两个不同的数组(1d)：第一个数组是包含时间序列的输入数据，第二个数组包含一个股票的封闭值的输出
浏览 0提问于2019-07-30得票数 1
回答已采纳
该错误发生在预测层的一个输出(与SSD非常相似)和损失之间：[{node_fpn_/add}}][{节点丢失/add_50}}]
目前，tensorflow的版本为1.13，keras为2.2.4。我检查了模型本身的所有内容(形状与预期的一样)，正在为批处理生成的图像(每个图像都与预期的一样)，更改损失计算(目前使用Adam，但也尝试了SGD，这是完全相同的问题)。，先前的预测<
浏览 0提问于2019-06-04得票数 2
回答已采纳
1回答
假设一个模型是在一维时间序列的多个数据集上训练的。这些数据集是以不同的抽样率收集的。我计划使用卷积神经网络来处理这些时间序列进行分类。我的问题是，在这种情况下，我能对数据或模型本身做些什么来让它“知道”采样频率吗？我只是天真地试着把他们训练在一起，我得到了一个很好的结果。是否有现有的工程？我试着在谷歌上搜索，但到目前为止没有发现任何值得注意的地方
浏览 0提问于2021-01-23得票数 2
如何将tf.nn.sparse_softmax_cross_entropy_with_logits转换为使用采样的softmax而不是常规的softmax？我有一个序列序列模型与一个大的目标词汇表(500 K字)，它触发OOM错误。
softmax函数的输入类似于：[batch, max_time_steps, 512]
浏览 0提问于2017-10-09得票数 2
2回答
我正在尝试使用LSTM对时间序列数据进行多类分类。有37个可能的类。我想使用一个只有LSTM和激活层的Keras模型来对输入数据进行分类。下
浏览 31提问于2019-08-23得票数 1
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
