我正在实现一个链分类器，它将lstm模型作为多类问题的二进制分类器链。由于一个二值分类器的输出作为特征输入到下一个二值分类器中，因此我们不能将输入形状固定在模型的输入层。我的代码如下： def create_model(): embedding_size=128Classifi
浏览 32提问于2020-06-22得票数 0
回答已采纳
1回答
我试图将模型移植到Keras。
但是，在将Conv2D层的输出连接到LSTM层时，我被卡住了。来自CNN层的输出将具有( batch_size，512，1，width_dash)的形状，其中第一个依赖于batch_size，最后一个依赖于输入的输入宽度(该模型可以接受可变宽度输入)。例如:一个形状为2，1，32
浏览 0提问于2018-01-20得票数 6
回答已采纳
我有以下代码片段： sortedFiles = sorted(files, key=lambda x:int(x.split('.')[0])) img = cv2.imread(root + '/' + file)
浏览 1提问于2019-08-20得票数 1
3回答
Keras序列模型的可变输入形状
、、、、
具体来说，第一个维度需要是可变的。阅读上的Keras，我看到您可以在input_shape元组中使用None条目，其中None表示可能需要任何正整数。integer is required
我不是积极的，但我不认为当模型包含平面()层时，可以指定可变的输入形状。我读过Flatten()需要知道输入形状，因此可变的输入</
浏览 3提问于2017-07-19得票数 4
通过附加操作和未定义的形状将Keras Upsampling2d操作转换为此操作。但是，Tensorflow在没有此操作的情况下以正确的形状进行转换。
这会导致未定义的整体模型输出形状，并导致设备上的错误。怎么解决这个问题呢？
浏览 2提问于2021-04-07得票数 0
回答已采纳
2回答
在我读到的许多关于卷积神经网络(CNN)的研究论文中，我看到人们从图像中随机裁剪一个正方形区域(例如224x224)，然后随机水平翻转它。为什么要进行随机裁剪和翻转？另外，为什么人们总是裁剪一个正方形的区域。Can不能在矩形区域上工作吗？
浏览 0提问于2015-09-29得票数 17
回答已采纳
假设我的数据有25个特征。在Keras中，我可以很容易地为每个输入要素实现一个Embedding层，并将它们合并在一起以馈送到后面的层。但是，要素输入的形状通常为我可以通过使用以下命令将特性拆分为自己的特性
X = tf.split(
浏览 3提问于2016-12-04得票数 2
1回答
我在本教程中阅读了LSTM自动编码器：，并粘贴了下面相应的keras实现：from keras.modelsTrue)(decoded)
encoder = Model(inputs, encoded)
在这个实现中，他们将输入固定为<em
浏览 4提问于2017-09-29得票数 5
回答已采纳
我是Keras的初学者，只需写一个玩具例子。它报告一个TypeError。代码和错误如下：inputs = keras.Input(shape=(3, ))
label = keras.layers.RNN(cell)(inputs)
model = keras.models.Model(inputs=inputs, outp
浏览 2提问于2018-11-27得票数 12
回答已采纳
我的输入状态为shape = (84,84,4)所以我想把这个传递给一些TimeDistributed层，时间步长为我的下一层是这样的：
conv1 = TimeDistributed(Convolution2D(16, 8, 8, subsample=(4, 4), border_mode='valid',activation='relu&#x
浏览 2提问于2016-10-20得票数 3
输出形状中的(None，100)是什么意思？这(“None”)是样本号还是隐藏维度？
浏览 0提问于2017-11-12得票数 35
回答已采纳
v=z1PGJ9quPV8&t=28s这里是一个癌症检测的小项目，它已经提供了数据集和colab代码，但我在执行时遇到了问题 model.fit(x_train, y_train, epochs=1000) 它显示: ValueError:层"sequential“的输入0与层不兼容:预期的shape=(无，455，30)，发现的shape=(无，30) 我看了评论，有些人也有同样的问题
浏览 29提问于2021-11-22得票数 1
回答已采纳
我有一组长度可变的序列，我想构建一个模型，根据过去的许多令牌来预测下一个令牌。我知道填充，但是，有没有办法不预先指定窗口长度？我还读到了关于使用batch_size = 1的文章。在这种情况下，train_X和train_Y应该是什么？如果我只使用一个很长序列的最后一个令牌作为目标，就像我丢弃了其中的所有子序列(即从0->1，0->2……)。0->N-1)。在输入
浏览 0提问于2018-05-25得票数 2
我想在pytorch中制作一个CNN模型，可以输入不同大小的图像。我正在尝试使用2d卷积层，它采用4D输入形状(pytorch的Conv2d期望它的2D输入实际上有4维)。然而，我不确定如何设置输入层，以便将所有可变大小的图像调整为固定数量的特征映射，以传递到剩余的<
浏览 1提问于2021-01-22得票数 0
1回答
我有一系列的处理音频文件，我使用作为输入到CNN使用Keras。Keras一维卷积层支持可变序列长度吗？Keras文档使这一点变得不清楚。在文档的顶部，它提到您可以使用(None，128)来处理128维向量的可变长度序列。但是在底部，它声明输入形状必须是给出
浏览 6提问于2017-11-30得票数 6
回答已采纳
我的问题是：和keras.layers.RNN(cell)真的像文档中所说的一样吗？它特别指出：
但是，在可变序列长度的情况下，我不知道API是如何等效的！在原始TF
浏览 3提问于2019-03-04得票数 17
回答已采纳
1回答
我使用Tensorflow的时间很短。这是我的问题:我加载AlexNet权重来对其进行微调，所以我给出了大小为50的批量。transfer-learning)keep_var = tf.placeholder(tf.float32)
pred = Model.alexnet(x, keep_var)
我可以进行训练，它工作得很好，但是最后，我只想给出一个图像，但是x占位符和y占位符是为50个图像定义的，所以它会引发错误。Placehol
浏览 0提问于2017-03-05得票数 0
1回答
我试图将数据增强作为一个层添加到模型中，但我认为这是一个形状问题。我也尝试在增广层中指定输入形状。当我从模型中取出data_augmentation层时，它运行得很好。preprocessing.RandomFlip('horizontal', input_shape=(224, 224, 3))
data_augmentation_layer = keras.Sequentialpreprocessing.RandomContrast(0.2)
浏览 8提问于2022-03-13得票数 2
回答已采纳
我想尝试使用一些预先训练的CNN模型与Keras库(例如，异常，ResNet50等)进行特征提取。我试图找出我的数据集的输入维数是否需要匹配用于训练原始CNN的图像的维数。例如，我是否应该使用对210x210 RGB图像进行预培训的网络模型，这是否意味着如果我想使用它进行特征提取，网络只会处理相同维数的图像(即(210,210，3))吗？还是在这方面有一定的灵活性
浏览 7提问于2017-09-01得票数 3
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
