我有一个图像数据集，每个图像都是dimensions= (2048,1536) .In ImageDataGenerator从目录中获取数据，我使用了相同的目标大小，即(2048,1536)，但在制作顺序模型第一层时，我应该使用什么输入形状？？它是否与(2048,15
浏览 11提问于2019-08-18得票数 2
1回答
到目前为止，我一直在对熊猫的数字数据集进行神经网络的练习，但现在我需要创建一个模型，将图像作为输入并输出该图像的二值掩码。
我把我的训练数据作为形状的数字数组(602,2048,2048，1)。602个尺寸为2048x2048的</
浏览 1提问于2018-07-06得票数 0
回答已采纳
1回答
我可以使用没有gpu支持的角的卷积层吗？当我在Colab上使用运行时为None时，我会收到错误。我的代码如下所示：model.add(layers.Conv1D(1,5, name='conv1', padding="same", activation='relu',data_format="channels_first", in
浏览 2提问于2020-02-29得票数 2
回答已采纳
1回答
有多个例子如何构建Tensorflow模型来从图像中识别猫和狗。现在假设我有与每张图片相关联的音频，并训练单独的网络来通过声音识别猫和狗。我想将这两个网络的预测反馈到另一个层中，以组合结果并提高最终预测成功率。 我的模型应该是什么样子的？
浏览 11提问于2019-02-17得票数 0
我设法创建了一个具有灵活输入/输出形状大小的CoreML 2.0模型：但是，我不知道如何在我的Xcode项目中设置大小。如果设置输入像素缓冲区大小2048x2048，则输出像素缓冲区仍为1536x1536。如果将其设置为768x768，则结果像素缓冲区仍为1536x<em
浏览 4提问于2018-11-01得票数 9
回答已采纳
在 tensorflow教程之后，在构建模型部分下，给出了keras.Sequential()的第一层参数vocab_size=10000。什么意思？在查看了文档之后，我发现，序列模型需要知道输入张量(输入层的张量)的形状，而input_shape属性定义了它。但是input_shape应该是(30，50，50，3) (对于30，50x50 RGB图像)。本教程<
浏览 0提问于2018-07-16得票数 0
回答已采纳
Keras文档包括Conv1D部分中的这个部分。当使用该层作为模型中的第一层时，提供一个input_shape参数(整数元组或无元组，例如( 10,128)用于128个维向量的10个向量序列，或(None，128个)用于128个维向量的可变长度序列。我想知道为什么需要这样做，为什么不需要在模型的</em
浏览 0提问于2018-08-21得票数 0
回答已采纳
我正在尝试使用使用cityScapes模型的图像识别算法- bash-4.2$ python predict.py cityscapes sunny_1336601.pngprediction.ravel()].reshape(image_size)我尝试将图像重塑为<em
浏览 3提问于2017-06-22得票数 0
我正在测试一些著名的计算机视觉模型: UNet，FC-DenseNet103，我用224x224随机裁剪的补丁来训练它们，并在验证集上做同样的事情。现在，当我在一些视频上运行推理时，我直接向它传递帧(1280x640)，它就可以工作了。它在不同的图像大小上运行相同的操作，并且不会给出错误。它实际上提供了一个很好的输出，但输出的质量取决于图像大小.
浏览 0提问于2021-01-28得票数 1
我试图使用MNIST数据集精确地在神经网络上复制。当我将它复制粘贴到Python编辑器中时，我会得到以下异常：model.add(Convolution2D(32, 1, 3, 3, border_mode='same', input_sheme=(1,28,28)))
但我想我做错了。
浏览 3提问于2016-06-14得票数 0
回答已采纳
6回答
我不知道这是否属于StackOverflow或其他SE站点，但这里有。这让我很困惑，因为我的印象是dpi只表示一英寸的输出中有多少像素，因此只有在打印时才重要。iPad的</
浏览 4提问于2012-08-09得票数 17
回答已采纳
我想在Keras中使用InceptionV3传输学习的瓶颈。我使用了一些关于从创建、加载和使用瓶颈的技巧
ValueError:检查输入时出错:期望input_3具有形状(无，3)，但具有形状的数组(248，8，
浏览 0提问于2017-09-19得票数 5
回答已采纳
1回答
神经网络隐层与卷积隐层直觉
、、、、
是否必须将特征#与隐藏层#1中的神经元匹配，以便模型能够同时看到所有特性？否则就不知道整个情况了吗？但它一次只看到一半的特征！
相反，如果我有一个由64个神经元组成的卷积2D层。我的训练形状是：(100，28,28,1) (灰阶猫和狗的图片)，每个64个神经元会看到不同的28x28矢量吗？你为什么要这样做，因为这层中的每个神经元都有相同的
浏览 3提问于2020-10-02得票数 2
回答已采纳
我正在尝试做一个模型，使用ResNet50将图像分类为6个类别，我想在使用它们训练ResNet50模型之前降低图像的维度。为此，我开始使用keras中的模型创建一个ResNet50模型： ResNet = ResNet50(
include_top= None, weights='imagenet', input_tensor之前添加了
浏览 51提问于2020-12-02得票数 0
回答已采纳
1回答
我对TensorflowInferenceInterface有一些问题。在tensorflow模型加载后，我需要输出节点的形状尺寸。在Tensorboard仪表板中，由于动态图像输入，正确地表示了以下形状：？、2048。我已经为推理过程执行了以下指令：
TensorFlowInferenceInterface inferenceInterface = new T
浏览 1提问于2018-05-11得票数 0
我有一个项目，有一个背景图像，将不会显示在IE中，除非你在之间放置一个空格)和不重复。当你把那个空间放进去，它确实显示出来了，但却被扭曲了。这个背景图像工作在火狐和Chrome。
浏览 9提问于2013-09-09得票数 1
回答已采纳
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：
当使用该层作为模型中的第一层时，为可变长度序列
浏览 1提问于2019-08-25得票数 3
1回答
我想要图形可视化标记边与张量尺寸，边缘厚度，以反映总张量大小。与用编写的基本相同
当序列化的GraphDef包含张量形状时，图形可视化器用张量尺寸标记边缘，边缘厚度反映张量的总尺寸。要在GraphDef中包含张量形状，在序列化图形时将实际的图形对象(如sess.graph中的</em
浏览 0提问于2018-10-08得票数 0
回答已采纳
1回答
我的模型就是这个2层的LSTM：model.add(Embedding(output_dim=64, input_dim=17))
Exception：在使用TensorFlow时，应该显式定义序列的时间步骤数。-如果您的第一层是嵌入层，请确保传递给它"input_length“参数。否则，确保第一层</
浏览 2提问于2016-03-18得票数 1
回答已采纳
警告:tensorflow:没有传递给第一层的input_shape的顺序模型不能重新加载它们的优化器状态。因此，您的模型是从刚初始化的优化器开始的。在试图加载保存的模型时，我遇到了来自tensorflow的警告import tensorflow as tf
mnist = t
浏览 3提问于2019-05-13得票数 3
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
