我的Keras卷积模型是否返回任何值？
Keras卷积模型是一个深度学习模型，用于图像处理和模式识别任务。在Keras中，卷积模型的训练和预测过程中，确实会返回一些值。
- 训练过程中，Keras卷积模型会返回损失值（loss），用于衡量模型在每个训练批次上的性能。损失值越小，表示模型的预测结果与真实标签的差异越小。
- 预测过程中，Keras卷积模型会返回预测结果。对于分类任务，预测结果是一个概率分布，表示每个类别的概率。对于回归任务，预测结果是一个连续值。
Keras提供了多种方法来获取这些返回值。例如，可以使用model.fit()方法来训练模型并获取损失值，使用model.predict()方法来进行预测并获取预测结果。
Keras卷积模型的优势在于其简洁易用的API和丰富的功能。它可以快速构建和训练深度学习模型，并且支持多种卷积层、池化层、激活函数等。Keras还提供了一系列的辅助函数和工具，方便进行模型评估、调参和可视化。
Keras卷积模型适用于各种图像处理和模式识别任务，包括图像分类、目标检测、语义分割等。它在计算机视觉领域和自然语言处理领域都有广泛的应用。
腾讯云提供了一系列与深度学习相关的产品和服务，可以帮助用户在云端进行模型训练和推理。其中，腾讯云AI Lab提供了强大的深度学习平台，支持Keras等多种深度学习框架。您可以访问腾讯云AI Lab的官方网站了解更多信息：腾讯云AI Lab
请注意，以上答案仅供参考，具体的返回值和推荐产品可能因实际情况而有所不同。
相关·内容
我读了的论文，在这篇论文的第4.7部分中提到，不需要任何激活就可以实现最佳结果。现在我想使用keras工具箱在视频上使用这个网络，但是keras中的模型使用了'ReLU‘激活函数。keras中的模型是返回最好的模型，还是省略relu层更好？
浏览 11提问于2017-12-31得票数 0
回答已采纳
我已经通过了Keras ，但我仍然无法理解input_shape参数是如何工作的，以及为什么它在传递自定义输入形状时不更改我的DenseNet模型的参数数。举个例子：
import keras
from keras import applications
from keras.layers import Conv3D, MaxPool3D, Flatten, Dense
from keras.layers import Dropout, Input, BatchNormalization
from keras import Model
# define model 1
INPUT_SHAPE
浏览 0提问于2019-02-20得票数 0
1回答
我目前正在尝试复制我在文献()中发现的1D-CNN方法，在该出版物中给出了以下基线模型结构：
。
出于测试目的，我也希望将该模型用于我的数据。然而，我很难理解关于Conv1D层的Keras文档。有人能帮助我理解如何解释图像(即25x1x3是什么意思)并将其转化为Keras模型吗？
我当前的模型代码如下(不确定这些代码是否正确)：
import keras
from keras.models import Sequential
from keras.layers import Dense, Conv1D
model = Sequential()
model.add(Conv1D(filter
浏览 25提问于2022-09-30得票数 1
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？
尝试搜索Google并检查Keras文档，但是没有找到关于这个问题的明确答案！如果在这方面有经验的人提供任何意见，我将不胜感激。
浏览 7提问于2017-09-01得票数 3
回答已采纳
我的意图是知道在卷积过程中使用的核权重，然后对图像进行前向传递以进行分类。这项工作使用Keras很容易，但这是我硕士论文的一个需求，因为这里我只想在FPGA上构建一个CNN模型，用于测试/分类。
而不是使用Keras：
1/我将编写一个简单的代码，其中我将把预处理后的图像作为输入。
2/ i将编写卷积算法，并给出所提取的核信息进行卷积。
3/我将编写扁平化和
4/通过使用密集算法，我要预测的类
我的问题是：
1/ layer.get_weights()？实际提供的信息是什么？它是否给了我们将用于卷积的核权重？
2/如果我想用提取的权重进行分类，我如何接近？
下面是我的模型：(为
浏览 1提问于2018-12-19得票数 0
谁能告诉我在include_top=中定义模型时keras是什么意思？
我在Keras文档中读到了这一行的含义。上面写着include_top:是否将全连接层包含在网络的顶部。
我仍然在寻找这行代码的直观解释。
ResNet50(include_top=True)
谢谢!
浏览 3提问于2017-09-04得票数 20
回答已采纳
1回答
我有一个执行两个任务的Keras LSTM多任务模型。一个是序列标签任务(所以我预测每个令牌一个标签)。另一种是使用堆叠在LSTM隐藏状态上的CNN对整个序列进行全局分类任务。
在我的设置中(不要问为什么)，我只需要在训练期间使用CNN任务，但它预测的标签对最终产品没有任何用处。因此，在Keras上，可以在不指定输入序列长度的情况下训练LSTM模型。如下所示：
l_input = Input(shape=(None,), dtype="int32", name=input_name)
但是，如果我添加堆叠在LSTM隐藏状态上的CNN，我需要为模型设置固定的序列长度。
l_inp
浏览 1提问于2018-12-01得票数 1
有没有办法在没有tf.keras模块帮助的情况下使用Tensorflow来构建对象检测模型？
从Tensorflow文档中，我找不到任何可以在没有Keras的情况下创建模型的示例。
浏览 8提问于2020-05-12得票数 0
回答已采纳
您是否有任何简单的方法来修改Keras中保存的模型的输入图像大小？例如，训练输入图像大小为32x32，但在测试中，我希望输入完整的图像180x180。模型已保存并在测试时加载，如下所示：json_file = open('autoencoder64a.json', 'r') loaded_model_json = json_file.read() json_file.close() loaded_model = model_from_json(loaded_model_json) # load weights into new m
浏览 0提问于2017-04-01得票数 0
我在Keras中建立了一个多输入模型，它采用图像shape=[N, 640, 480, 3]和数值数据shape=[N, 19]，并对12个类进行了预测。下面是定义代码部分的模型：
# # %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
# # MODEL === CNN
# # %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
#
base_model = keras.applications.ResNet50(
weights
浏览 1提问于2020-10-02得票数 1
我创建了以下CNN模型：
model = tf.keras.Sequential([
tf.keras.layers.Conv2D(16, 4, strides=4, input_shape=(12,12,1)),
tf.keras.layers.SeparableConv2D( 1, 3, depth_multiplier=1),
tf.keras.layers.Conv2D(8, 1, activation='relu'),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(2)
浏览 2提问于2022-09-21得票数 0
回答已采纳
我仍然在学习如何使用Keras来适应(如果这个问题可能很愚蠢的话，很抱歉)，正如标题说的那样，有时我在用Keras构建Conv2D或Conv3D模型时发现自己有这些相似的代码：
x = Conv2D(16, 3, activation='relu', padding='same')(input_img)
x = Conv2D(16, (3, 3), activation='relu', padding='same')(input_img)
x = Conv3D(16, (3, 3, 3), activation='relu
浏览 7提问于2020-05-26得票数 1
回答已采纳
1回答
如何在卷积神经网络中用Keras实现蒙特卡罗丢包，以估计YARIN GAL提出的预测不确定度？我用的是R.
我将模型按小批进行拟合，并希望用Monte dropout.Could在Keras documentation.BTW中找不到任何提示来评估小批模型，我用标志training=TRUE训练了我的模型。
谢谢
浏览 0提问于2018-04-25得票数 4
回答已采纳
在预先实现的keras模型(VGG16等)中，我们指定可以改变模型输入的形状，并仍然加载经过预先训练的imagenet权重。
我感到困惑的是，第一层的权重会发生什么呢？如果输入张量有一个不同的形状，那么权值的数量将不同于预先训练的模型，不是吗？
这里是Keras VGG16模型的实现，可供参考。
浏览 0提问于2017-12-04得票数 1
回答已采纳
我正在尝试将一些代码从tensorflow 1.x转换到tensorflow 2.x。到目前为止一切都很顺利，但我被困在了atrous卷积上。与其他层不同，似乎没有一对一的转换。 到目前为止，我一直在将所有东西统一到tf.keras。有一个纯粹的keras实现here和一个tf.nn.atrous_conv2d实现here，但我也不确定是否可以在tf.keras.Model函数here中使用它们。 代码如下： with tf.variable_scope('aconv1d_' + name):
shape = [None, 30, 128]
k
浏览 373提问于2020-10-30得票数 1
回答已采纳
我使用一个非常简单的模型来对224x224 RGB图像进行分类。
作为一个测试，我已经给我的图像贴上了标签(2个标签“绿色”或“红色”，每个标签有2,000张)，基于图像上部一个固定像素的颜色。
我的简单模型实现了非常高的精度和非常低的损失，直到我添加更多的“随机”像素，以降低部分图像。
为什么我的模特搞混了？
该模型很容易处理：
📷
但是，当我在图像的下部增加更多的像素时--它的准确率只有50%，损失也很高：
📷
这些项目有点容易，但我正在研究一个简单的图像结构，我可以控制。
def VerySimpleNet():
model = keras.Sequential([
浏览 0提问于2019-10-25得票数 1
我是原型深入学习分割模型，需要六个通道的输入(两个对齐448x448 RGB图像在不同的照明条件)。我想比较几个预先训练过的模型和我现在的模型的性能，我从零开始训练。我可以在tf.keras.applications中使用预先训练的模型来输入多于3个通道的图像吗？
我尝试先应用卷积将信道维降为3，然后将输出传递给tf.keras.applications.DenseNet121()，但收到以下错误：
import tensorflow as tf
dense_input = tf.keras.layers.Input(shape=(448, 448, 6))
dense_filter = tf
浏览 0提问于2019-05-02得票数 3
回答已采纳
我正在尝试获取resnet50模型的所有卷积层的权重和偏差。我了解到我们可以使用函数layer.get_weights()来获得权重和偏差。这将返回一个列表，该列表包含存储在layer.get_weights()中的层的两个元素权重，以及存储在layer.get_weights()1中的偏差。
import tensorflow as to
import source
from source import models
from source.utils.image import read_image_bgr, preprocess_image, resize_image
from so
浏览 28提问于2020-05-15得票数 0
回答已采纳
2回答
带发生器的复位内核
、、、
为什么我的带有任何batch_sizes的生成器的代码会重置，而我的Ram将被填充
导入一些重要的图书馆
import tensorflow as tf
import pandas as pd
import matplotlib.pyplot as plt
加载和一些分割数据
cifar10_data = tf.keras.datasets.cifar10
(train_images, train_labels), (test_images, test_labels) = cifar10_data.load_data()
CLASS_NAMES= ['airplane',
浏览 5提问于2022-08-30得票数 -1
回答已采纳
据 on tf.keras.layers.Conv2D说，
当使用此层作为模型中的第一层时，提供关键字参数input_shape (整数元组，不包括样本轴)，例如input_shape=(128、128、3)用于data_format="channels_last“中的128x128 RGB图片。
但是实际上，没有input_shape，它确实可以在图形执行和急切执行环境中工作。
在图形执行中，
import tensorflow as tf
from tensorflow.keras.layers import Conv2D, Flatten, Dense
class CN
浏览 0提问于2018-11-06得票数 0
1回答
我想在Keras中使用膨胀卷积。我找到了AtrousConv2D，但是在Keras中找不到它的任何定义，当我使用
acov=AtrousConv2D((3,3))(image)
它会产生这个错误。
init()缺少一个必需的位置参数：'kernel_size‘
我需要膨胀卷积，但我不知道如何使用这一层，或如何我自己产生这一层。
浏览 1提问于2019-02-21得票数 7
回答已采纳
1回答
我在Keras中使用Inception模型和图像网络的预先训练的权重。 问题是，根据Keras文档，此模型的默认输入大小为299x299。虽然我的图像是230 * 350，但我不想调整它们的大小，因为这会扭曲图像。所以我正在尝试找到一种改变输入层大小的方法。 下面是我到目前为止尝试的代码，但我怀疑图像的净权重是否会被保留，因为我认为当我改变输入大小时，体系结构会发生变化。 任何想法.. input = Input(shape=(230, 350, 3), name='image_input')
base_model = InceptionV3(weights='ima
浏览 19提问于2019-01-31得票数 2
回答已采纳
1回答
我试图在我的模型中添加另一层，但我得到了一个错误。它对2层非常有用，但是当添加另一层时，我会得到错误消息。
Negative dimension size caused by subtracting 5 from 4
我的代码：
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(32, kernel_size=(5, 5), input_shape=(28, 28, 1)),
tf.keras.layers.MaxPool2D(),
tf.keras.layers.Conv2D(64, kernel_
浏览 6提问于2022-03-10得票数 0
回答已采纳
2回答
基于卷积神经网络的语言翻译
、、、、
许多语言翻译神经网络的例子：
猫坐在“-> 模型 ->”的垫子上。
使用RNN，特别是LSTM。例如，参见句子语言的神经网络翻译，具有简单的层次结构(如果可能的话)和关于Keras中的序列对序列学习的十分钟介绍。
是否有(不太复杂)只使用CNN而没有RNN/LSTM?
进行语言翻译的尝试？
你会在Keras有一个例子吗？
浏览 0提问于2020-02-28得票数 1
1回答
所以，我正在用keras模型做我的项目，用数据图像做一些训练，也就是说，我可以得到我训练过的图像的输出分类。结果很好。但是，我想在我构建的keras模型上添加一些图像属性。例如，我想使用opencv在keras上添加hsv图像属性，这样它们就可以一起训练。
image_hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
在添加卷积层之后，我想添加这个特性。我想要的是
from keras import layers
input_ = layers.Input(shape = [96, 96, 3])
conv2 = layers.Conv2D(32, (3
浏览 0提问于2018-12-17得票数 1
回答已采纳
1回答
因此，在过去的一周里，我一直在学习一些机器学习，我一直在利用我自己的回归CNN来学习彩色图像128x128的输入和一个评分输出。虽然我的数据集很小，只有400个左右，但我得到了一些过拟合的结果(训练时的mean_absolute_error为0.5，1-10级的测试为0.9 )，模型如下：
model = keras.Sequential([
keras.layers.Conv2D(32, kernel_size=(5, 5), strides=(1, 1), activation='relu', input_shape=(128, 128, 3)),
kera
浏览 1提问于2019-07-30得票数 0
回答已采纳
我是TensorFlow集线器的新手，我正尝试在我的Conv1D网络中使用集线器嵌入层进行文本分类。 在顺序模型中使用集线器嵌入层没有任何问题： hub_layer = hub.KerasLayer("https://tfhub.dev/google/nnlm-en-dim50/2",
input_shape=[], dtype=tf.string, trainable=False)
model = tf.keras.Sequential()
model.add(hub_layer)
model.add(tf.keras.layers.Dense(128))
model.
浏览 32提问于2021-04-13得票数 0
我在做什么
我正在训练和使用卷积神经元网络(CNN)进行图像分类，使用Tensorflow-gpu作为后端的Keras。
我正在使用的
PyCharm社区2018.1.2
Python2.7和3.5 (但不是一次都是)
Ubuntu 16.04
Keras 2.2.0
Tensorflow-GPU 1.8.0作为后端
我想知道的
在许多代码中，我看到人们使用
from keras import backend as K
# Do some code, e.g. train and save model
K.clear_session()
或在使用后删除模型：
浏览 5提问于2018-06-17得票数 58
2回答
辍学层会提高精度吗？
、、、
我知道在CNN模型中增加一个退出层可以提高准确性，因为它减少了过度拟合的影响。然而，我建立了一个CNN模型，有16,32和64个过滤器，大小为3，最大池为2，并注意到在所有情况下，没有辍学层的模型的性能都要好于有辍学层的模型。
from keras.models import Sequential
from keras.layers import Conv2D,Activation,MaxPooling2D,Dense,Flatten,Dropout
import numpy as np
from keras.preprocessing.image import ImageDataGenera
浏览 3提问于2020-03-08得票数 0
回答已采纳
1回答
我有一个数据集，里面有330张照片，里面有枪。与图像一起，我有一个文本文件与每个图像文件相关联，
图像中物体(枪支)的数量。
图像中枪周围的包围盒的坐标。
我需要训练一个模型，它以图像作为输入，并输出4个整数值，这是包围盒(包围盒的顶点)的坐标。
为了训练目标检测模型，应该将图像作为输入而将坐标作为模型的输出吗？是否应该有卷积层来进行特征提取，然后用FC层来学习产生4个输出的特征(边界框的坐标)？这个模型体系结构的概念正确吗？还有其他建议吗？
我完全是在TensorFlow Keras中创建这个模型的，而没有使用任何经过预先训练的东西。
浏览 0提问于2019-06-03得票数 5
回答已采纳
我的工作是命名实体识别(在训练中，每个单词都有一个标签)，标签的数量是6个，我运行模型
from keras.models import Sequential
from keras.layers import Dense, LSTM, InputLayer, Bidirectional, TimeDistributed, Embedding, Activation
from keras.optimizers import Adam
from keras import initializers
model = Sequential()
model.add(InputLayer(input_sh
浏览 0提问于2020-01-03得票数 1
1回答
我对python很陌生，我正在尝试创建一个模型，该模型可以根据电影描述来度量类似的电影，我迄今遵循的步骤如下：
1.使用Word2Vec将每个电影描述转换为100*(电影描述的最大字数)值，这将为每个电影描述生成一个21300值的向量。2.创建一个深卷积式自动编码器，试图压缩每个向量(并希望从中提取意义)。
虽然第一步是成功的，而且我仍然在努力使用自动编码器，但到目前为止，下面是我的代码：
encoder_input = keras.Input(shape=(21300,), name='sum')
encoded= tf.keras.layers.Reshape((150,1
浏览 7提问于2022-05-14得票数 0
回答已采纳
我在做一个二进制位的分类与CNN使用马特罗网在马特隆网。现在，我正试图通过Python上的Keras来实现它。这个网络一点也不复杂，我在Matconvnet上达到了96%的精度。然而，对于Keras，即使我尽力确保每个设置与以前完全相同，我也无法获得相同的结果。或者更糟的是，这个模型根本不起作用。
以下是有关设置的一些详细信息。任何想法或帮助都是非常感谢的！
输入
图像大小为20*20。培训大小为400，测试大小为100，验证大小为132。
- Matconvnet: images stored in 20\*20\*sample\_size method
- Keras: ima
浏览 4提问于2017-07-13得票数 2
我正在尝试从图像中实现模型。 ? 除了步幅/填充符号之外，一切都很清楚。 我不知道如何在Keras中解释/编码示例1/2中的跨度/填充。
浏览 22提问于2021-11-03得票数 0
回答已采纳
我在网上没有找到这个问题的明确答案(如果它存在的话，很抱歉)。我想了解这两个函数(SeparableConv2D和Conv2D)之间的区别，一步一步地处理，例如输入数据集(3,3,3) (作为RGB图像)。
基于运行此脚本：
import numpy as np
from keras.layers import Conv2D, SeparableConv2D
from keras.models import Model
from keras.layers import Input
red = np.array([1]*9).reshape((3,3))
green = np.array(
浏览 1提问于2019-02-15得票数 12
回答已采纳
1回答
我用Keras创建了一个用于图像识别的深度学习模型，并用model.save_weights('weights.h5')保存了模型的权重。另外，我加载了它，并再次使用了权重。 我知道model.save_weights()保存了模型权重。我的问题是模型的权重是多少？是过滤器的权重吗？
浏览 241提问于2018-12-20得票数 2
回答已采纳
我正在尝试对属于10个类的一些图片数据训练一个简单的模型。图像是黑白格式(不是灰度)，我使用image_dataset_from_directory将数据导入到python中，并将其拆分成验证/训练集。我的代码如下： 我的导入 import matplotlib.pyplot as plt
import numpy as np
import os
import PIL
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.m
浏览 23提问于2020-12-10得票数 0
回答已采纳
1回答
最近我在为mnist玩自动编码器，这个问题出现了。“是否有可能建立一个输入形状不同但输出形状固定的模型？”
示例：
定期的解码器输入将是keras.layers.InputLayer(input_shape=(7, 7, 1))，您将在模型中有一些UpSampling层来将(7,7,1)的形状带到(28, 28, 1)。
但是，如果解码器输入具有未指定的形状怎么办？
想象使用输入层keras.layers.InputLayer(input_shape=(None, None, 1))的卷积解码器。译码器的输入形状可能是不同的，但是解码器的输出总是有固定形状的(28, 28, 1)。如何根据接收
浏览 9提问于2022-09-25得票数 0
回答已采纳
这是我的信号
每个样本数据的长度为64。列车数据之和为49572。
length=len(x_train)
model = tf.keras.models.Sequential([
tf.keras.layers.Conv1D(32, 3, activation='relu', input_shape=(length,64)),
tf.keras.layers.MaxPooling1D(3),
tf.keras.layers.Conv1D(64, 3, activation='relu'),
tf.keras.layers.Max
浏览 3提问于2021-10-05得票数 1
回答已采纳
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。
你知道怎么用ConvXDtranspose做上采样部分吗？
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
我正在研究关键词提取，现在我能够创建一些特征，并运行候选短语以及训练机器学习模型使用随机森林进行分类的特征。 出于好奇，我想尝试深度学习，因为我想手动删除特征提取层，我想让它自己找出特征，并通过传递一些文本文档和每个文档的相关关键短语(1/0是否正确)来生成模型。我想知道，是否有任何训练模型接受纯文本而不是浮点值，如果不是，我如何通过将句子和关键短语转换为浮点值并传递给训练模型来实现同样的目标 甚至尝试使用Keras Sequential模型创建模型(给出了示例) model = Sequential()
model.add(Dense(18, input_dim=14, init='
浏览 18提问于2019-05-03得票数 3
1回答
在Keras中强制对称
、、、
我正在寻找一种在Keras中为函数创建神经网络模型的方法，它是对称的，与其输入的交换有关。为了简单起见，让我们假设感兴趣的函数依赖于两个变量x,y，并返回一个标量f=f(x,y)。此外，我们知道f(x,y)=f(y,x)适用于任何x,y。为了确保这种对称性完全由我的Keras神经网络模型再现，选择的方法是什么？
显然，我可以用对称的数据来训练模型，但是我要寻找的是一种将这种对称性“硬编码”到模型中的方法。
我知道，这个问题似乎是很基本的。对不起，如果有一个明显的答案，我忽略了这个问题，并感谢您的帮助提前！
浏览 4提问于2019-07-03得票数 2
回答已采纳
假设我有一个简单的神经网络，它有一个输入层和一个在tensorflow中编程的卷积层：
# Input Layer
input_layer = tf.reshape(features["x"], [-1, 28, 28, 1])
# Convolutional Layer #1
conv1 = tf.layers.conv2d(
inputs=input_layer,
filters=32,
kernel_size=[5, 5],
padding="same",
activation=
浏览 2提问于2017-11-07得票数 15
回答已采纳
2回答
第四层张量如何让卷积消耗？
、、、、
我试图在tensorflow模型中添加预处理层，但无法正确地使用tf.keras.layers.Reshape。
我有一些以前的预处理层，这些图层会给TensorShape([50, 50, 3])形状的tensorflow张量带来一幅numpy图像。
我试图将这些预处理层连接到模型的第一层是一个卷积层，它需要一个四维的输入。当我调用维数Tensorshape([50,50,3])张量上的模型时，有三个维度，我得到了错误：
Input 0 of layer "Conv1" is incompatible with the layer: expected min_ndim=4,
浏览 24提问于2022-09-20得票数 1
1回答
我有一个非常基本的问题，但是我不知道在Keras中二维卷积的概念。如果我能创建一个这样的模型：
model = tf.keras.Sequential([tf.keras.layers.ZeroPadding2D(padding=(3,3), input_shape=(64,64,3)),
tf.keras.layers.Conv2D(filters=1, kernel_size=(7,7))])
为什么输出形状是(None, 64, 64, 1)：
Layer (type) Output Shape
浏览 0提问于2021-09-07得票数 0
回答已采纳
2回答
我见过许多超分辨率网络，它们似乎暗示在输入(x，y，d)上训练网络很好，但随后将任意大小的图像传递到预测模型中，例如在Keras中使用占位符值(None，None,3)指定，并将接受任何大小。
例如，接受24x24x3输入的训练，但接受任意大小的图像来调整大小，演示代码使用124x118x3。
这是个正常的做法吗？当网络输入较大时，是否只需在上面滑动一个窗口，就像它在小尺寸图像上学到的那样，应用相同的权重？
浏览 1提问于2020-01-03得票数 0
回答已采纳
2回答
我很难理解CNN中2个或更多个卷积层(每个卷积层后面是一个池化层)的工作方式。
假设输入是3通道300x300图像。如果第一卷积层具有32个卷积层，并且第二层具有64个卷积层，则第一层创建32个特征图。但是第二层创建了多少个特征图呢？64个卷积中的每个卷积是否都作用于之前生成的32个特征图，从而总共创建32*64 = 2048个特征图？或者发生了其他事情？
与这个问题相关的一个简单代码是：
model = keras.models.Sequential([
keras.layers.Conv2D(32, (3, 3), activation='relu', input_shap
浏览 1提问于2020-08-02得票数 4
我正在用ResNet50模型进行微调，以便使用数据拼凑来进行人脸识别，但观察到模型的精度在提高，但从一开始就没有提高验证的准确性，我没有搞错哪里，请检查我的代码。
我已经尝试过操纵顶层，但这并没有帮助。
import os
os.environ['KERAS_BACKEND'] = 'tensorflow'
from keras.applications import ResNet50
from keras.models import Sequential
from keras.layers import Dense, Flatten, GlobalAverag
浏览 3提问于2018-10-28得票数 4
回答已采纳
1回答
我已经开始探索tensorflow及其建模功能。
我有一些归一化的400x500图像存储为numpy数组。
它们被组织为: 180个训练类别A，20个测试类别A，50个训练类别B，以及11个测试类别。
目前，我使用的是介绍性模型：
model = keras.Sequential([
keras.layers.Flatten(input_shape=(400, 500)),
keras.layers.Dense(12, activation=tf.nn.relu),
keras.layers.Dense(8, activation=tf.nn.sigmoid)
浏览 4提问于2018-08-27得票数 1
你好，我是深度学习和Keras的新手，为了学习深度学习和Keras，我正在做一个项目。我做了个模特。
Model = Sequential()
Model.add(Conv2D(32, (3, 3) , input_shape = (100,64,64,), padding = 'same',
activation='relu'))
Model.add(Conv2D(32, (3, 3), activation='relu', padding='same'))
Model.add(MaxPooling2D(pool_size=(
浏览 1提问于2018-10-09得票数 0
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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
