tensorflow在解码“相同”值wrt核大小和步长时有没有什么通用公式 tf.keras.layers.Conv2D(hiddim_v * 4, kernel_size = 3, stride=
浏览 10提问于2019-02-20得票数 0
我正在Tensorflow 2.0中构建一个基于ZFNet的模型。我使用的是P309图像数据集。图像大小为224x244x3。所以我的问题是，当实现第一层(conv2d)时，过滤器大小=7，步幅为3，填充值为0。我用公式(n+2p-f/S + 1)得到109.5的输出维数。所以，如果我使用上面提到的值，那么第一层中<e
浏览 0提问于2020-12-13得票数 1
回答已采纳
1回答
在稠密层中，人们应该根据一些经验法则来初始化权重。例如，对于RELU，权重应该来自正态分布，并且应该用2/n重新标度，其中n是层的输入数()。
对于卷积层也是如此吗？在卷积层中初始化权重(和偏差)的正确方法是什么？
浏览 2提问于2018-01-07得票数 1
回答已采纳
1回答
[convolutional]filters=256stride=1activation=leaky13 conv 256 1 x 1/ 1 13 x 13 x1024 -> 13 x 13 x 256
但是，既然内核是
浏览 1提问于2020-06-20得票数 1
回答已采纳
2回答
正如问题中所提到的，我注意到有时会有带有填充的池层。
更具体地说，我找到了这个Keras教程，其中有一个包含有填充的MaxPooling层的网络。如果padding=same在卷积层，我们的输出大小(至少高度和宽度，深度可以改变根据滤波器的数目)是相同的输入。我期望MaxPooling层也是如此，但是Keras model.summary() (如本文所示)显示，池层之后的输出大小
浏览 0提问于2020-01-31得票数 3
回答已采纳
我正在专门研究蒲公英公司的张板代码：。return tf.nn.max_pool(act, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding="SAME")例如，在w shape=5x5x64x128中，?x47x36x64输入变为?x47x36x128
浏览 2提问于2017-09-07得票数 1
回答已采纳
我目前正在阅读LeCun等人提出的论文。手写体邮政编码识别。下面是CNN架构的形象图。但我并不真正理解层H1和输入层之间的连接是如何有意义的。如果有12个内核大小为5x5，那么层H1不应该是12x144吗？或者这里是否也发生了抽样下降的情况？
📷
浏览 0提问于2020-01-02得票数 3
回答已采纳
正如我们所知，我们可以通过填充模式计算conv2d的输出tensor的形状，是清晰的，但我对conv2d_transpose非常困惑，它是否填充了输入张量，然后调用conv2d？如何根据填充模式计算输出张量的形状，对于conv2d_transpose是SAME还是VALID
浏览 2提问于2018-01-28得票数 4
我正在尝试实现在一种用于投资组合管理的层次深Q网络框架中描述的CNN (见截图)。本文将CNN的第一层描述为内核为1x3，采用形状(2,10,4)的价格张量，输出了32幅大小为2x5的特征图。实际报价如下：
第一层和第二层:如图1所示，first CNN层收到价格张量，尽管尺寸(2，10，4)。在这一层中，我们得到了32个特征映射，每个特征映射的大小为2×5，这些特征映射被下一个CN
浏览 0提问于2022-12-16得票数 0
tf.nn.max_pool of tensorflow中“同”和“有效”填充物的区别是什么？
在我看来，‘有效’意味着当我们做最大池时，边缘外不会有零填充。根据的说法，在池操作符中不会有填充，即只使用tensorflow的“有效”。但是在tensorflow中最大池的“相同”填充是什么？
浏览 17提问于2016-06-07得票数 421
回答已采纳
1回答
我知道kernel_size相当于过滤器的大小-- 是对的吗？()我对导出特征地图的理解：filter_ct_a, out_shape_a, padding_a = calc_num_filtersformat(filter_ct_a, out_shape_a, padding_a))New Shape: [3, 3, 1]
P
浏览 0提问于2018-12-16得票数 2
回答已采纳
虽然我知道新版本有填充“相同”选项，但出于某些原因，我不想升级它。为了实现同样的填充物，CNN的步幅1和膨胀>1，我把填充如下：根据，我期望输入和输出大小是一样的，但是没有发生！使用后：
内核大
浏览 11提问于2022-07-28得票数 0
2回答
我的解决方案是，输入大小和核大小都为零，最小为2^ m，用FFT变换输入和核，然后按方向乘这两个元素，然后用FFT-逆将结果转换回来。作为关于由此产生的问题的一个例子： 4 5 6 7 0 0 0 012 13 14 150 12 13 14 15 0 0 0 0 0 0 0 0 0 0
浏览 0提问于2015-04-20得票数 3
回答已采纳
1回答
我正在阅读这篇关于Keras卷积自动编码器的教程，我意识到在我的计算中，在这些层之后我得不到维度(8，4，4) -图像的维度应该在第二个卷积层之后下降到3，因为步幅很大。那么它是如何获得这个维度的呢？我也不明白在这种情况下如何执行“相同的”填充，因为他们总是提到“当stride=1相同的填充将保持相同的尺寸时”。我完全明白。但是
浏览 3提问于2020-03-30得票数 0
我已经多次阅读了著名的提炼论文，该论文关注为什么Conv2DTranspose会导致棋盘人工制品。https://distill.pub/2016/deconv-checkerboard/ 然而，我从中了解到，如果内核大小和步长都匹配，应该不会有任何问题。我正在使用带有kernel=(2,2)和strides=(2,2)的Conv2D进行下采样。我正在使用具有完全相同的值的</
浏览 36提问于2020-09-07得票数 1
当卷积使用核大小为4，步长为4，而输入大小仅为10时，在输入边界上进行第三次卷积运算将失败，那么，在边界上添加零的输入是否应隐式地避免此问题？当我用其他实数填充时有什么问题吗？它是否等于自动增加输入大小？
另外，如果我期望得到一个相同大小的输出特征图，通常可以使用3的内核大小和1的pad大小，
浏览 5提问于2016-04-21得票数 0
回答已采纳
设z是复变量，C(z)是它的共轭。在复分析理论中，C(z) w.rt z的导数不存在。但是在tesnsorflow中，我们可以计算出dC(z)/dz，其结果就是1。= np.random.rand(2,2)+1.j*np.random.rand(2,2)Z = sess.run(z,{x:X})[0] [0.57871044+0.61303568j 0.48074263+0.7623235j ]]
结果Z是
浏览 3提问于2017-02-27得票数 5
1回答
这个问题不是关于跨越式卷积相对于最大池的好处。当输入图像的宽度和高度不相同，填充相同的时，如何计算条纹卷积和最大池的维数，这篇文章的目的是作为一个规范源。我的研究:当图像宽度和高度不同时，填充是“相同的”，特别是对于tensorflow，我找不到合适的公式来
浏览 1提问于2019-08-08得票数 2
回答已采纳
1回答
我正在使用keras和tensorflow 1.4。
我想明确地说明哪些神经元连接在两层之间。因此，当第一层中的神经元i连接到第二层的神经元j和其他地方的零时，我就有一个矩阵A。我的第一次尝试是创建一个带有内核的自定义层，它的大小与A具有不可训练的零的大小相同，其中A中有零，
浏览 3提问于2018-05-11得票数 3
回答已采纳
我读过，被接受的答案只提到了平方奇数大小的过滤器(1x1，3x3)，我对tf.nn.conv2d()在使用平方偶数过滤器(例如2x2)时的行为很感兴趣，因为它的任何元素都不能被认为是它的中心。如果是padding='VALID'，那么我假设tf.nn.conv2d()将以与过滤器大小相同的方式跨输入。但是，如果padding='SAME'，tf.nn.conv2d()如何选择将
浏览 4提问于2016-06-29得票数 1
回答已采纳
云服务器
ICP备案
腾讯会议
云直播
对象存储
腾讯云开发者
