我能用keras构建一个单类cnn吗？
是的，您可以使用Keras构建一个单类CNN（卷积神经网络）模型。
Keras是一个高级神经网络API，它可以在后端使用不同的深度学习框架（如TensorFlow、Theano、CNTK）进行计算。它提供了简单易用的接口，使得构建和训练神经网络变得更加方便。
CNN是一种常用的深度学习模型，特别适用于图像识别和计算机视觉任务。它通过卷积层、池化层和全连接层等组件来提取图像特征并进行分类。
要构建一个单类CNN模型，您需要定义模型的结构和参数。通常，一个CNN模型由多个卷积层和池化层交替堆叠而成，最后连接全连接层进行分类。您可以使用Keras提供的Conv2D、MaxPooling2D和Dense等层来构建模型。
以下是一个简单的单类CNN模型的代码示例：
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
# 定义模型
model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)))
model.add(MaxPooling2D((2, 2)))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D((2, 2)))
model.add(Conv2D(128, (3, 3), activation='relu'))
model.add(MaxPooling2D((2, 2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
# 编译模型
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
# 训练模型
model.fit(train_images, train_labels, epochs=10, batch_size=32)
# 使用模型进行预测
predictions = model.predict(test_images)在上述代码中，我们定义了一个包含多个卷积层和池化层的CNN模型。模型的输入是64x64像素的彩色图像，输出是一个二分类结果。我们使用了ReLU激活函数和sigmoid激活函数来增加模型的非线性能力。模型使用adam优化器和二分类交叉熵损失函数进行训练。
对于单类CNN的应用场景，它可以用于图像二分类问题，例如图像中的目标检测、图像识别等任务。
腾讯云提供了多个与深度学习相关的产品和服务，例如腾讯云AI Lab、腾讯云AI智能图像、腾讯云AI智能视频等。您可以通过访问腾讯云官方网站（https://cloud.tencent.com/）了解更多相关产品和服务的详细信息。
请注意，本回答仅供参考，具体的模型设计和参数设置应根据实际情况进行调整。
相关·内容
1回答
我可以在keras中构建一个只有一个类(class - 0)的cnn，这样它就可以预测给定的日期是否属于这个类吗？提前感谢 编辑:感谢你到目前为止的回答和评论。我的数据是来自健康结构的加速度时间序列，但我无法访问损坏的状态加速度信号，因此我只有0类的数据。
浏览 17提问于2020-04-06得票数 0
1回答
让CNN说“我不知道”
、、、、
我目前正在研究一个图像分类问题。为了简化实现，我在Keras中使用了传输学习，并以Resnet50作为基本模型。
我有两个类，但是输入图像可能不属于这两个类。在这种情况下，CNN应该能够作为Unknown输出。
注意:我不能为未知创建一个单独的类，因为它可以来自任何发行版。
我读到，在这种情况下，贝叶斯神经网络会有所帮助。
你能帮助我理解如何通过转移学习来实现贝叶斯CNN吗？任何材料或参考链接都会很有帮助。
谢谢
浏览 0提问于2019-05-04得票数 4
回答已采纳
我希望运行我的训练集，但当我试图让模型运行时，它一直给出错误，它弹出这个错误：“您的输入耗尽了数据；中断了训练。请确保您的数据集或生成器至少可以生成重复批处理(在本例中为12000批)。在构建数据集时，您可能需要使用steps_per_epoch * epochs ()函数。”在此处输入代码#卷积神经网络
# Importing the libraries
import tensorflow as tf
from keras.preprocessing.image import ImageDataGenerator
tf.__version__
# Part 1 - Data Preproc
浏览 0提问于2020-05-20得票数 0
2回答
首先，我的假设可能是错误的：
损失是指每个训练例子离正确答案有多远(然后除以例数--一种平均损失)。
准确性是指有多少训练例子是正确的(如果将最高的输出作为正确的答案，那么如果它是0.7，即损失0.3，那么它仍然输出正确的答案)。这是按百分比计算的。
在我看来，这意味着准确性通常接近100%，而损失将接近0。这不是我所看到的：
10000/10000 [==============================] - 1067s - loss: 0.0408 - acc: 0.9577 - val_loss: 0.0029 - val_acc: 0.9995
Epoch 2/
浏览 0提问于2018-06-18得票数 1
回答已采纳
我正在使用Keras提供的conv1d层为序列数据构建预测模型。我就是这么做的
input_layer = Input(shape=(500,))
layer = Conv1D(128,5,activation="relu")(input_layer)
layer = MaxPooling1D(pool_size=2)(layer)
layer = Flatten()(layer)
layer = Dense(128, activation='relu')(layer)
output_layer = Dense(10, activation='soft
浏览 0提问于2020-05-29得票数 0
2回答
卷积神经网络的交叉验证
、、、、
我正在使用Keras创建一个CNN模型，我将使用K-折叠交叉验证来训练数据集。
数据集包含图像，我正在使用flow_from_directory函数。
您知道如何在Keras中使用K折叠交叉验证来创建CNN模型吗？
浏览 0提问于2018-09-21得票数 3
以下是我的代码可以帮助我 import tensorflow as tf
from keras.preprocessing.image import ImageDataGenerator
import numpy as np
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
training_set = train_datagen.flow_from_direct
浏览 33提问于2020-09-13得票数 1
2回答
我使用以下代码：
from tensorflow.keras.regularizers import l2
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Add, Conv2D, MaxPooling2D, Dropout, Flatten, Dense, BatchNormalization, Activation
from tensorflow.keras import activations
CNN_model = Sequential()
# The First B
浏览 0提问于2021-08-15得票数 0
回答已采纳
当我在顺序API中使用tensorflow keras时，我对不一致的结果感到非常困惑。
我有一个非常简单的模型：
def product_cnn_model():
cnn = keras.applications.VGG16(include_top=False)
for layer in cnn.layers:
layer.trainable = False
model = keras.Sequential([
cnn,
keras.layers.Flatten(),
keras.layers.Dens
浏览 0提问于2019-02-26得票数 0
回答已采纳
2回答
我使用tensorflow-keras构建了一个图像分类模型(CNN)。我有一些新的图像，我需要将它们输入到相同的模型中，以便增加现有模型的准确性。 我尝试使用以下代码。但这会降低准确性。 re_calibrated_model = loaded_model.fit_generator(new_training_set,
steps_per_epoch=int(stp),
epochs=in
浏览 25提问于2020-07-15得票数 0
回答已采纳
1回答
有没有办法使用Keras来找出输入的重要性？我有一个CNN架构，其中输入是一个矩阵(每行包含不同的信息，就好像每行都是一个不同的特征。如果有必要，我可以更改列的行，因为我是构建矩阵的人)。由于每一行都被视为不同的特征，我想知道是否有一种方法可以查看哪些行对CNN更重要，以便执行分类。我知道对于一些机器学习算法，比如树或Boosting算法，你可以检查算法对特征的重要性，所以我想用CNN和Keras做同样的事情。有可能吗？
浏览 27提问于2020-07-19得票数 1
1回答
在组合模型时不遵守批处理尺寸。
、、、、
我有一个Keras模型，我在培训期间将其定义为：
img = keras.Input(shape=[65, 65, 2])
bnorm = keras.layers.BatchNormalization()(img)
...
model = keras.Model(img, outputprob)
不过，在服务期间，我的投入是不同的。因此，我定义了一个输入层(验证to_img形状是否也是(65, 65, 2))，并尝试使用以下方法进行模型组合：
to_img = keras.layers.Lambda(...)(json_input)
model_output
浏览 0提问于2018-11-15得票数 0
回答已采纳
1回答
我正在为一个序列建立和训练一个CNN，并且已经成功地使用了RNN，但是我遇到了CNN的问题。下面是代码，cnn1是第一个(更复杂的模型)，尝试获得一个更简单的模型来适应，并在这两个模型上都出现错误：
这些形状如下：
xtrain (5206, 19, 4)
ytrain (5206, 4)
xvalid (651, 19, 4)
yvalid (651, 4)
xtest (651, 19, 4)
ytest (651, 4)
我尝试了所有我能想到的内核大小和节点的组合，尝试了两种不同的模型构建。
model_cnn1.add(keras.layers.Conv1D(32, (4),
浏览 1提问于2019-05-11得票数 1
1回答
我有两个使用keras构建的模型版本，它们似乎构建得很好，但当涉及到编译和拟合时，我收到了这两个版本的相同错误。我不确定问题出在哪里。
def build_cnn():
model = models.Sequential([
layers.Conv2D(32, (3, 3), input_shape=(32, 32, 3), padding='same', name='conv1'),
layers.MaxPooling2D((2, 2), name='maxpooling1'),
lay
浏览 0提问于2021-04-15得票数 0
2回答
我正在研究一种用于CNN的模糊卷积滤波器。我已经准备好了这个函数-它接受2D输入矩阵和2D内核/权重矩阵。该函数输出卷积特征或激活图。
现在，我想使用Keras来构建CNN的其余部分，它也将具有标准的2D卷积滤波器。
有没有什么方法可以将我的自定义过滤器插入到Keras模型中，这样内核矩阵就会由Keras后端的内置库更新？或者，有没有什么库可以用来在每次迭代中更新内核？
浏览 2提问于2018-08-20得票数 3
1回答
带有Keras的CNN模型精度差
、、、、
我需要建议。当只使用CIFAR10数据集的子集(仅使用10000个数据，每个类使用1000个数据)时，我在用Keras构建CNN模型时得到了非常差的结果(10%的准确率)。怎样才能提高准确度？我试图改变/增加时代，但结果还是一样的。这是我的CNN架构：
cnn = models.Sequential()
cnn.add(layers.Conv2D(25, (3, 3), input_shape=(32, 32, 3)))
cnn.add(layers.MaxPooling2D((2, 2)))
cnn.add(layers.Activation('relu'))
cnn.add
浏览 0提问于2020-10-25得票数 1
回答已采纳
2回答
几周前，我使用带有Theano后端的Keras训练了一个卷积神经网络(CNN)，并将它保存为一个h5文件。
但是今天当我试图打开它时，我从Theano bn.py文件中得到了bn.py层的错误：
ValueError: epsilon必须至少是1e-5，得到9.99999974738e-06
以下是我的问题：
我能用Keras做些什么来解决这个问题吗？
如果第一个问题没有答案，我如何修改h5文件以便手动修改这个值？
浏览 6提问于2017-05-15得票数 1
回答已采纳
1回答
这是一个用于情感分析的keras模型，我需要把它转换成tensorflow，我不能用tensorflow构建嵌入层，并且使用混淆矩阵来评估这个模型。我问tf-学习是否和tensorflow一样
import os
import numpy as np
import pandas as pd
import tensorflow as tf
from tensorflow import set_random_seed
set_random_seed(2)
from nltk.tokenize import word_tokenize
from sklearn.utils im
浏览 0提问于2018-10-02得票数 2
1回答
我应该使用渐缩参数来增强数据吗？
、、、、
我正在使用Keras库来构建CNN模型。我想用数据增强来训练数据。
我应该使用渐缩参数来增强数据吗？
ImageDataGenerator(rescale=1./255)
浏览 0提问于2018-09-18得票数 2
回答已采纳
在Keras 2中，layer_from_config被从keras.utils.layer_utils中删除。有人知道有什么可以替代的吗。
详细描述:我有一个受过训练的CNN模型。我需要把一个图层从那个模型复制到另一个。早些时候，我经常做layer_from_config和set_weights函数。但是它们在Keras2.0中被删除了。需要帮助才能完成此功能。
谢谢
浏览 4提问于2017-03-16得票数 3
回答已采纳
1回答
我正在使用keras来构建一个用于信号分类的cnn模型。在keras中，超参数调整和选择步幅数和数字过滤器的最佳方式是什么？
浏览 1提问于2017-09-06得票数 0
因此，我可以通过子类Keras层和模型来创建我的模型，如下所示：
class CNN(tf.keras.models.Model):
def __init__(self, **kwargs):
super(CNN, self).__init__(**kwargs)
self.l1 = tf.keras.layers.Conv2D(64, (4, 4), padding='same')
self.l2 = tf.keras.layers.Dense(10, activation='softmax')
浏览 1提问于2019-06-15得票数 1
当使用Tensorflow时，在对模型进行拟合之后，在第一个时期它显示未知(1/未知)，但是当只使用keras时，它工作得很好。有什么问题吗?还是我做错了什么？
Tensorflow代码：-
import tensorFlow as tf
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale = 1./255,
shear_range = 0.2,
浏览 0提问于2020-07-23得票数 1
回答已采纳
1回答
我想要构建一个由多个不同模型(决策树、SVC和Keras )组成的VotingClassifier集成。他们都需要不同类型的数据预处理，这就是为什么我为他们每个人做了一个管道。
# Define pipelines
# DTC pipeline
featuriser = Featuriser()
dtc = DecisionTreeClassifier()
dtc_pipe = Pipeline([('featuriser',featuriser),('dtc',dtc)])
# SVC pipeline
scaler = TimeSeriesScalerM
浏览 0提问于2020-01-24得票数 6
回答已采纳
我正在尝试构建一个具有Theano后端的Keras模型，该模型将时间分布式VGG16网络连接到LSTM层，最后连接到一系列密集层。但是，我得到以下错误：
Traceback (most recent call last):
File "osr.py", line 341, in <module>
osr.generate_osr_model()
File "osr.py", line 145, in generate_osr_model
cnn_out = GlobalAveragePooling2D()(cnn_base)
浏览 2提问于2017-03-01得票数 0
回答已采纳
3回答
我做了一个简单的CNN，对狗和猫进行分类，我想让这个CNN检测出不是猫或狗的图像，这肯定是第三个不同的类别。如何实现这个目标？我应该用R-CNN还是别的什么？
附言:我在CNN使用Keras
浏览 1提问于2019-11-14得票数 0
1回答
我有一个包含图像的数据集，其中包含1/2/3/...纸牌。因为我总共有52张不同的卡，所以我有52个类别的->，因此我的输出层有52个神经元。
用CNN训练每个图像一张卡的网络效果很好。一个标签看起来像这样: 0,0，例如...,1,0,0。这是我完成此任务的网络的最后一层：
model.add(layers.Dense(52, activation='softmax'))
optimizer = keras.optimizers.Adam(lr=0.00001)
model.compile(loss='categorical_crossentropy'
浏览 2提问于2020-07-07得票数 0
我有下面的子类Keras模型，我已经训练过了。我希望能够在加载模型上调用B_frame_CNN中的所有方法(例如，get_embedding())。下面的代码工作得很好，在ipython笔记本中运行时可以完成我所需要的工作。
import tensorflow as tf
class B_frame_CNN(tf.keras.Model):
def __init__(self, filter_size, activation, padding):
super().__init__()
self.c1 = tf.keras.layers.Conv2D(3
浏览 8提问于2022-09-10得票数 0
回答已采纳
--我不知道为什么在运行下面的代码时会出现这个错误
CNN.fit(X_train_vector, y_train, epochs=10)
我的CNN代码是：
CNN = tf.keras.models.Sequential()
CNN.add(tf.keras.layers.Conv1D(120, kernel_size=3, padding='valid', activation='relu', input_shape = (21367, 9000)))
CNN.add(tf.keras.layers.MaxPooling1D(2))
CNN.add(tf.
浏览 12提问于2022-05-21得票数 1
回答已采纳
1回答
我正在用Keras和tensorflow后端构建一个CNN模型。我已经训练这个模特6个小时了。现在，我想使用我的模型来预测我的自定义外部图像。在Keras怎么做？谢谢
浏览 4提问于2016-11-02得票数 6
回答已采纳
我正在尝试为一个图像到图像转换应用程序构建一个CNN，模型的输入是图像，输出是置信度图。在训练过程中，没有标记的置信度作为基本事实，但设计了一个损失函数来引导模型到适当的输出。 我在使用keras构建神经网络时遇到了问题，因为model.fit()函数需要训练数据和标记数据(地面实况数据)。 所以我的问题是，有没有办法用keras或tensorflow建立一个无监督的CNN？如果是这样，我应该怎么做才能构建一个？有没有我可以参考的应用程序示例？ 提前感谢！
浏览 17提问于2019-04-15得票数 4
我正试图建立一个CNN，训练一组206张图像，测试一组19张图片，每一节课。
我已经建立了一个由两个卷积层和一个完全连接组成的模型。为了避免过度适应，我在整个连接中增加了辍学。
在第一个时期，损耗从0.02开始，精度为0.88。验证精度为1.00。在其他49个年代中，训练和验证的准确性保持在1.00。
为了检查，我试着用一个正确的图像和一个错误的图像来预测。两次预测都是返回0.0
我做错了什么？
# Tanjavur Painting Detection
# Part 1 Building CNN
# Importing Keras packages
from keras.models im
浏览 2提问于2018-06-22得票数 0
回答已采纳
为了在keras序列模型中构建CNN，我们将 input_shape = 224*224*3 一般用于RGB图像。我应该为灰度图像设置224*224*1吗？我应该怎么处理灰度图像？
浏览 11提问于2019-09-11得票数 0
1回答
我有一个数据，大约14560字向量的维数为400。我在20*20中重塑了每个向量，并且使用了一个频道来应用CNN，所以维数变成了(14560,20,20,1)。当我试图适应CNN模型时，它会抛出一个错误。
代码：
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation, Flatten
from keras.layers.convolutional import Convolution2D, MaxPooling2D
from keras.layers import
浏览 1提问于2018-04-14得票数 3
回答已采纳
2回答
凯拉斯模型不训练。精度总是0.5
、、、、
我的Keras CNN二进制分类模型总是有训练验证精度0.5。我的CNN的第一个问题是图像数量低(总数为980，需要测试180 )，而我无法获得更多的图像来构建这个CNN。
我想知道我能用我的模型做些什么来改变验证的准确性。如果图像编号是问题所在，我可以使用这个集合来训练哪个模型？
classifier=Sequential()
from google.colab import drive
drive.mount('/content/gdrive')
train_set = '/content/gdrive/MyDrive/Extra/ICs/ML/Martinez
浏览 4提问于2022-10-13得票数 -1
1回答
在Andrew的深度学习课程中，我看到了一种在图像上定位单个对象的方法：。据我所知，例如，你可以将一个点绑定到物体的特定部分，以坐标: x，y作为标签y，并训练CNN。
我想训练一个CNN神经网络来定位我的眼睛(而不是鼓掌)。我拍了200张我的照片:60×60像素的灰度。我标出了左眼和右眼，标记眼的每个坐标被归一化为0-1.Y标签是: eye1的x，eye1的y，eye2的x，eye2的y。我使用SGD优化与mse损失和在输出层乙状结肠功能。
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Conv2D(64, (3
浏览 0提问于2019-01-03得票数 3
2回答
我正在看一段视频，看到了下面的代码行：
encoded_frames = tf.keras.layers.TimeDistributed(cnn)(video)
有人能告诉我“(Cnn)(视频)”部分在做什么吗？(video)部件是被调用的匿名函数吗？
谢谢
浏览 0提问于2018-04-11得票数 0
回答已采纳
我有一个多标签问题，通过一些研究，我能够将Label powerset与ML算法结合使用。现在，我想使用带有神经网络的标签powerset，根据official website，我可以使用标签powerset。但是我不能理解如何修改我现有的代码来使用Label Powerset。 我想知道如何在模型的fit函数中传递epoch或batch_size或任何其他参数。 因为我有一个多标签问题，所以我使用了sklearn的MultiLabelBinarizer，所以我的每个目标行看起来像这样，1，0，1，0，0，0，0，0，0，0，0，0。 最后，如果有人能给我解释一下下面一行中的KERAS_PA
浏览 11提问于2019-06-25得票数 0
我有一个关于Keras和其他TF包装的训练性能的问题，比如Tensorpack。
在期间，Keras的作者指出，该包不需要任何性能成本：
Keras提供了一种在TensorFlow中构建和训练模型的更简单、更快捷的方法，而且不需要付出性能代价，因为这些模型仍然由同一个TensorFlow引擎运行。
另一方面，声称它比Keras快2倍，即使有一个很小的CNN：
Tensorpack训练器几乎总是比基于feed_dict的包装器快。即使在CNN的一个很小的例子中，培训的运行速度也比同等的Keras代码快2倍。
所以现在我想知道:谁是对的？两个因素对我的训练是非常重要的。
浏览 3提问于2017-07-31得票数 4
回答已采纳
2回答
我在用CNN做面部表情识别。我使用Keras和Tensorflow作为后端。我的模型保存为h5格式。
我想重新训练我的网络，并微调我的模型与VGG模式。
我怎么能用角角做这件事？
浏览 0提问于2017-05-09得票数 3
回答已采纳
1回答
深度学习多输入CNN
、、、、
我正在尝试创建一个多视图卷积神经网络，它从分别对每个输入应用卷积层和池化层开始。结构应该是这样的。
举个例子，我想要拥有猫的顶视图、底视图、左视图和右视图，分别应用卷积层和池化层，然后在以后合并这些信息。
我在这个项目中主要使用Keras，但是我似乎不能用Keras提供的东西来解决这个问题。有没有办法用Keras做到这一点，如果没有，我该如何创建这个多视图CNN的第一步？
浏览 2提问于2017-06-06得票数 3
回答已采纳
我正在使用一个一维CNN作为我的表格数据集，但当我训练我的自定义模型为二进制分类问题，我得到一个错误。
下面是我的代码：
#splitting the datasets for training and testing process
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size =0.3, random_state=42)
#size for the sets
print('size of
浏览 6提问于2022-01-15得票数 -1
我在Colab上使用kerastuner时遇到了一些问题。这是我的代码： def build_model(hp):
input_ = Input(shape=(20,20,1))
cnn_out1 = Conv2D(filters=16, kernel_size=hp.Int('kernel_size', 3, 7, step=2, default=3) , name='con1',
use_bias=True, activation = tf.nn.relu, kernel_regularizer=keras.
浏览 47提问于2020-10-17得票数 3
我尝试制作一个卷积神经网络，以便对狗和猫进行分类。我在标题中提到了错误。 根据我的搜索，一些人说这个错误属于tensorflow和keras库的不同版本，另一些人说这是一个语法错误。我会在这里留下我的代码，告诉我我在哪里犯了错误。 #IMPORTING LIBRARIES
import tensorflow as tf
import pandas as pd
import keras
from keras.preprocessing.image import ImageDataGenerator
#IMAGE DATA PREPROCESSING
#preprocessing the
浏览 1098提问于2020-12-13得票数 1
Ciao，我和CNN 1d在Keras上工作，但是我在输入形状变量上有很多麻烦。
我有一个时间序列的100个时间步骤和5个功能的布尔标签。我想训练一个CNN 1d，它的长度是10的滑动窗口。这是我写的一个非常简单的代码：
from keras.models import Sequential
from keras.layers import Dense, Conv1D
import numpy as np
N_FEATURES=5
N_TIMESTEPS=10
X = np.random.rand((100, N_FEATURES))
Y = np.random.randint(0,2, s
浏览 0提问于2019-08-19得票数 1
回答已采纳
1回答
我正在用CNN模型建立一个食品识别问题。我的数据由35个标签和224号大小的1017张图像组成，我将列车和有效数据分开，结果是824列和193张有效数据。我为类似于下面代码的类构建结构。然而，经过100多年的测试，我运行的测试数据集的预测分数只有2.85%，而f1_score、精确度和召回指数仅出现在1-2个标签中。我怎样才能提高我的预测分数以及f1_score，精确度，回忆
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_sh
浏览 6提问于2022-09-06得票数 0
1回答
我正在尝试重新创建来自的逻辑。逻辑可以在下面的图表中进行总结：
强调我的问题：
我有一个256x256输入图像。它通过密度网(下面的工作示例)。
同样的图像被分割成4个相等和排他的128x128段。它们也都通过密度和平均值。
工作代码：
from keras.applications.densenet import DenseNet201
from keras.layers import Dense, Flatten, Concatenate
from keras.activations import relu
#main images
in1 = tf.keras.I
浏览 2提问于2021-07-13得票数 1
回答已采纳
我试图使用Keras制作一个CNN，并编写了以下代码：
batch_size = 64
epochs = 20
num_classes = 5
cnn_model = Sequential()
cnn_model.add(Conv2D(32, kernel_size=(3, 3), activation='linear',
input_shape=(380, 380, 1), padding='same'))
cnn_model.add(Activation('relu'))
cnn_model.add
浏览 0提问于2018-02-16得票数 44
回答已采纳
2回答
Keras正在火车和测试集文件夹中找到错误数量的类。我有三节课，但一直说有四节课，谁能帮我一下吗？
在这里，代码：
cnn = Sequential()
cnn.add(Conv2D(32, (3, 3), input_shape = (64, 64, 3), activation = 'relu'))
cnn.add(Dropout(0.5))
cnn.add(MaxPooling2D(pool_size = (2, 2)))
cnn.add(Conv2D(32, (3, 3), activation = 'relu'))
cnn.add(Dropout
浏览 2提问于2018-11-02得票数 4
回答已采纳
1回答
我在凯拉斯为CNN做了一个模型。我想保存这个模型，并将这个经过训练的模型用于转移学习，作为一个预先训练的模型。我不明白怎样才是正确的方法来保存这个模型，以便将它用于转移学习。同样，如何在Keras中加载经过预先训练的模型，以便在加载之前的模型后添加一些层。
，这是我构建的模型
model_cnn = Sequential() # initilaizing the Sequential nature for CNN model
# Adding the embedding layer which will take in maximum of 450 words as input an
浏览 2提问于2021-06-30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
