1回答
我在CNN工作，我有不同大小和纵横比的图像，在预处理步骤中调整大小和中心裁剪图像可能会丢失一些有价值的信息(特别是从边缘-右，左，上和下)。我认为，更好的方法是应用自适应最大池化(给定目标输出尺寸)，以便在将图像传递到最终层之前调整图像大小。在keras中，我可以添加一个简单的最大池<
浏览 7提问于2018-10-23得票数 2
我正在使用keras和tensorflow后端研究神经网络。通常它是用卷积层和最大池层构建的，比如在vgg16中就是这样。对于我的神经网络，我想将最大池化层更改为最小池化层，但在池化时，该层应该忽略零。 例如： [0，16，72，0] 2x2池层应该池<em
浏览 26提问于2019-04-23得票数 2
回答已采纳
我有一个多维时间序列数据集，它具有以下形状(n_samples，512，9)，其中512是时间步长，9是通道。在第一个具有64个内核的1DCNN层之后，我的输出形状是(n_samples，512，64)。现在我想让我的输入到下一层，这是一个LSTM的形状(n_samples，384，64)。如果我有一个Maxpool层，它从<e
浏览 11提问于2018-08-09得票数 1
我想在我的CNN中添加一个全局时间池层，它有三个不同的池化函数:均值、最大值和L2范数。Keras有均值和最大池化函数，但我还没能为L2找到一个。我如何自己实现这一点？
浏览 5提问于2017-05-02得票数 4
2回答
keras lib中的现有函数包括最大池化、平均池化等。model = Sequential()model.add(Conv2D(32, (3, 3)))
model.add(Activation('
浏览 2提问于2017-06-29得票数 2
1回答
在R中运行CNN对一维数据的错误
、、、、
我试图运行1维CNN在R使用keras软件包。我正在尝试创建具有以下规范的一维卷积神经网络(CNN)体系结构library(keras)
浏览 8提问于2020-10-12得票数 2
回答已采纳
使用Google Colab，我试图使用Kerastuner的Randomsearch来找到最适合我的用例的CNN。函数来声明我的模型： from tensorflow.keras import datasets, layers, models
cnn =max_value = 128, step = 16), activation=hp.Choice(['relu', 'tanh', 'sigm
浏览 113提问于2020-04-28得票数 2
有没有人在CNTK中实现了K-Max池化？这是一个最大池化层，它不是从一定数量的单元中选择顶部的一个，而是从前一层的所有单元中选择k个最大的输出。
浏览 14提问于2017-01-12得票数 0
我目前正在创建一个没有可训练参数的自定义keras层
这一层的输入是形状(批次大小、序列长度、特征)。这基本上与1D全局最大池化层的输入相同。我试图用这个自定义图层做的是，在不降低维度的情况下执行1D全局最大池化。(只想将每个特征的非最大值
浏览 2提问于2019-12-08得票数 0
我经常被告知，2x2的Max池比前一层的接收字段的大小加倍。如果是这样的话，我想了解这种情况是如何发生的。
我已经检查了这文章和这篇一。然而，我无法理解Max池对接收字段的影响。
浏览 0提问于2019-03-07得票数 4
1回答
我的目标是有4个最大的池层。它们都采用相同的形状输入(N，256)。第一层进行全局最大池，并提供1输出。具有N/2池大小和N/2步长的第二层提供了2个输出。第三输出为4输出，第四输出为8输出。这是我的密码。(N
浏览 3提问于2017-10-03得票数 1
回答已采纳
例如，在转换任务中，模型只包含卷积层和池层，输入图像，输出特征图(丢失MSE，试图生成与标签中特征映射完全匹配的特征映射)。向前传递可以获取任意图像大小，并输出大小= w/(n )_最大值_联营*2)，h/(N)_最大值_联营*2)的特性。因此，当批量大小为1时，当我们输入不同的</
浏览 0提问于2019-12-01得票数 1
当我检查SSD300 (我注意到这也适用于SSD512 )时，我注意到在每个卷积组之后，都会有一个最大池来减少特征映射的维度。到目前为止一切顺利，但是在卷积组5之后(准确地说是在conv5_3层之后)，应用的最大池使用步幅1。我无法在固态硬盘的original work上验证这一点，因为它是用咖啡因写的，我也不熟悉那个。这意味着(添加了填充)没有减小特征图的大小。此外，最大
浏览 29提问于2019-06-24得票数 2
1回答
我想在tensorflow中创建一个自定义的min池层。我的意思是，当max池在大小为k的矩阵中取最大值时，我要实现一个层，该层获取大小为k的矩阵中的最小值和最大值，然后根据那里
浏览 6提问于2022-08-28得票数 0
julia语言深度学习框架，这是Knet.jl，的快速入门using Knet, MLDatasets, IterToolsW矩阵和x矩阵的内积是用conv4 (c.w，x)计算的，与c.b的加法是用。+。
我不知道池子在那个矩阵里找什么。这(池(conv4 ...))通过relu激活函数传递。在最后的Conv (w1，
浏览 1提问于2021-02-10得票数 1
2回答
有没有可能在不编译和使用神经网络的情况下使用Keras中的层函数？我想通过传递一个简单的numpy数组并查看输出来了解某些函数的作用--这可能吗？我尝试了以下方法，看看1D最大池化是如何工作的：
import tensorflow as tf
ses
浏览 3提问于2016-10-20得票数 3
1回答
我很确定这是一个小错误，但是我自己对于编写PyTorch代码还是新手，所以我不确定我是否知道它在哪里。作为参考，当我使用model.summary()检查Keras模型版本的维度时，在扁平和添加致密层之前的最终维度(我认为应该发生在self.classifier中，尽管我不太确定)是512x1x1。这是我在PyTorch中的模型： def __init__(self, num_classes=10):
浏览 10提问于2020-06-06得票数 0
回答已采纳
0回答
我基于这个实现了用于文本分类的CNN模型。由于CNN只能处理固定大小的句子，所以我将输入的大小设置为我的数据集中句子的最大长度，并对短句进行零填充。但据我所知，无论输入句子有多长，最大池化策略总是只为每个过滤器映射提取一个值。因此，输入句子的大小并不重要，因为经过卷积/合并后，输出将是相同的<
浏览 4提问于2017-11-28得票数 3
我正在尝试使用keras实现FCN，但当我尝试对特征映射进行上采样时，我遇到了一个问题。上采样后的特征图大小与输入大小不同。我发现这个问题的发生是因为特征图的大小很奇怪，并且在池化图层之后，它的大小被2除。
例如:输入大小(95,95,3)，其中3是通道数，在我应用最大池化后
浏览 22提问于2020-03-06得票数 0
回答已采纳
1回答
基本上，我希望将输入输入到keras模型中的某个中间层，并希望对完整图(包括中间层之前的层)进行反向传播。为了理解这一点，我请您参考文件“用于三维形状识别的多视图卷积神经网络”中提到的图形。从图中可以看到，该特性在视图池层中是最大的，然后将得到的向量传递给网络的其他部分。从论文中，他们进一步利用视图池特性进行了反向传播。
为了
浏览 0提问于2018-02-03得票数 2
云服务器
ICP备案
腾讯会议
云直播
对象存储
腾讯云开发者
