keras Conv2D层本身并没有提供激活函数。我目前正在重新构建YOLOv1模型以进行实践。在YOLOv1模型中，有几个Conv2D层，后面是使用泄漏relu函数的激活。有没有一种方法可以把 from keras.layers import Conv2D, LeakyReLU
...X = Conv2D(filters, kernel_size)(X)
浏览 66提问于2020-09-21得票数 3
回答已采纳
3回答
我一直试图实现，脸书的论文，并被以下两个问题几乎两个星期。如有任何建议，将不胜感激。谢谢。DCGAN文件建议同时使用BN(批归一化)生成器和鉴别器。我把epsilon改成了1e-41e-3，但都失败了。这里还有一个问题。如果我不使用BatchNormalization，它可能是南。够了，我能理解。但是，如果我使用BatchNormalization，它在每一层都会规范化。即使结果变成很大的数字或非常小的数目，它将在每一层的
浏览 12提问于2019-10-14得票数 2
3回答
我正在尝试使用keras序列模型和tensorflow来构建cnn模型，以便将图像分为猫和狗两类。这些图像是从kaggle下载的。我已经将图像存储在csv文件中作为训练和测试数据库。问题是我得到了非常糟糕的准确性结果。这是我的代码的一部分。b
浏览 3提问于2019-06-07得票数 1
我使用的是Keras版本2.3.1和TensorFlow 2.0.0。我在我的网络中的第一个卷积层的实例化中引入了标题错误： model = Sequential([ LeakyReLU(alpha=0.01), Conv2D(1
浏览 13提问于2019-12-29得票数 1
回答已采纳
在我的CNN模型中，我想知道特定层的层数或索引，比如卷积层的索引。model.summary()将告诉模型的细节，而model.layer将告诉模型的层次。例如，我的模型如下：model.add(BatchNormalization())
model.add(Le
浏览 2提问于2018-08-11得票数 3
1回答
我在卡拉斯训练了自己的模特。我之所以获得conv2d层，是因为我想在小图像(mnist: 28x28px)上训练网络，然后对大型图像1920x1080进行推断。===============Trainable params: 670,986这里的目标是创建一个具有输出类维的卷积图像，它表示我的大图像中的滑动窗口，以便进行推理。但是keras不允许<e
浏览 4提问于2020-03-04得票数 0
回答已采纳
如果我有一个keras层L，并且我想在keras模型中堆叠这个层的N个版本(具有不同的权重)，那么最好的方法是什么？请注意，这里的N很大，由一个超参数控制。如果层只有一个输入和一个输出，我可以这样做：for i in range(N):但是，如果我的层实际上接受多个
浏览 5提问于2018-06-26得票数 5
3回答
在YOLO的conv层和稠密层之间应该有一个平坦的层吗？x = Conv2D(filters=1024, k
浏览 0提问于2018-01-28得票数 8
以下是我如何将这些部分连接起来：imgA = Input(shape=config.IMG_SHAPE)model = Model(inputs=[imgA, imgB], outputs=outputs)
因此，我上面所做的网络定义似乎只是网络的一个层，所以，我想要什么
浏览 6提问于2021-04-28得票数 0
2回答
我想用lstm在keras中实现一个卷积递归神经网络。我只是一个机器学习的初学者，所以我很难理解所有的东西。=123 model = Sequential() ,ac
浏览 0提问于2018-07-17得票数 1
回答已采纳
1回答
你如何建立一个CNN自动编码器？
、、、、
我想探索图像方法(我知道我可以使用文本)，所以我决定构建一个CNN自动编码器，将维度压缩到较低的空间，然后运行像DBSCAN这样的聚类算法。
该模型适用于数据集中的大多数图像，因此它为同一类型的文档创建了许多类别，而它们之间的差别很小(只是添加了一个小的徽标，它认为
浏览 2提问于2020-08-11得票数 0
1回答
我想给一个用于GAN的keras模型一个图像和一个列表。鉴别器将得到图像和一些列表都是固定大小的，即128x128x3和384，并且生成器将产生128x128x3的图像，光盘必须标记为假。，这样它也可以与图像一起获取列表：model.add(Conv2D(32, kernel_size=5, strides=2, input_shape=(128,128,3(Lea
浏览 3提问于2018-07-05得票数 1
2回答
为什么我的DCGAN不收敛？
、、、、
我正在MVTec 榛子数据集上训练tf，我发现了一些困难。问题是，在经历了许多时代之后，生成的图像并不能产生一些高质量的图像。关于训练集，它只有391幅图像，它似乎是一个很差的数据集来训练一个GAN，所以我尝试了一些数据增强来收集更多的图像。特别是我使用了RandomTranslation、RandomRotation和RandomZoom tensorflow的层。在1564幅图像(标准化的介于1和1之间)之后，训练速度似乎又快了一点:在100个年代
浏览 0提问于2022-08-16得票数 0
我正在努力开发一个GAN，我已经创造了发电机和鉴别器，现在我正在努力训练它。我正在使用Mnist数据集，但我计划使用更多。问题是，当我训练它时，我得到了一个错误：Input 0 of layer "conv2d_transpose_4" is incompatible with the layer: expected ndimFull shape received: (None, 100)
我真的不知道问题是在网络
浏览 5提问于2022-03-04得票数 1
回答已采纳
1回答
我可以在展平CNN后添加数据吗？
、、、、
我正在与CNN合作，我的教授希望我尝试包含一些相关的信息，但这些信息在图像本身中是不可用的。到目前为止，数据是一个一维数组。他认为，在扁平层之后和密集层之前添加它应该是可能的，但我们两个人都还没有足够的知识。model = Sequential() if i==0:
model.add(Conv2D(featinput_shape=x
浏览 4提问于2020-06-12得票数 1
我正在尝试使用带有U-net的批处理归一化层来完成分割任务。同样的层对于res-net，vgg，xception等都很好用，我很好奇这是不是一个依赖于架构的问题？在训练期间，一切都很好，指标增长损失dpor，但一旦我试图评估模型或预测掩码，它就会生成垃圾。即使在测试和预测过程中，这些层的学习权重似乎也在不断更新。如何在keras中解决这个问题？keras版本= 2.2.2
我试着只在编码器部分使用批
浏览 0提问于2019-05-21得票数 9
2回答
我正在用卷积神经网络进行字符识别。我有9层模型和19990个训练数据和4470个测试数据。但是当我使用带有Tensorflow后端的keras时。我尝试在平整后添加批处理规范化层，使用正则化，添加退出层，使用fit_generator从磁盘批处理中加载数据，这样就可以使用不同的批处理大小来保持ram的空闲(性能较差)，但是没有什么工作。因此，我尝试将网络大小缩小到4层，并向初始<e
浏览 0提问于2018-12-08得票数 0
回答已采纳
因为如果我们不声明activation function，默认的Conv2D层将被设置为linear。这样写是真的吗？model.add(Conv2D(32, kernel_size=(3, 3),model.add(LeakyReLU(alpha=0.01))
我的意思是现在写的行，Conv2D层的激活函数被设置为LeakyRelu或不？此外，我</e
浏览 0提问于2019-06-21得票数 3
回答已采纳
2回答
我对DCGAN进行了研究，并对此有一些疑问。
在伊恩·古德费罗的自然GAN中，判别器模型输出一个标量值，这意味着概率。但DCGAN的甄别器是用CNN架构设计的。我知道CNN的输出是阶级概率的向量。
浏览 0提问于2017-12-19得票数 0
回答已采纳
来自TensorFlow的我觉得，除了在Keras中实现基本的、顺序的模型之外，其他任何东西都是很难实现的。有那么多事情是自动发生的。在TensorFlow中，您总是知道占位符(输入/输出)、形状、结构、.因此，这是非常容易的，例如，设置定制损失。x = LeakyReLU()(x)x = Conv2D(32, (3, 3))(x)
x = LeakyReLU()(x)
浏览 0提问于2019-01-28得票数 5
回答已采纳
云服务器
ICP备案
实时音视频
即时通信 IM
云直播
腾讯云开发者
