腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
1D
CNN
是否
需要
填充
以
保持
输入
长度
?
python
、
tensorflow
、
keras
、
neural-network
、
conv-neural-network
一个跨度=1和1的一维
CNN
滤波器不应该有等于
输入
长度
的输出
长度
,而不
需要
填充
吗?我认为是这样的,但创建了一个具有这些规范的Keras模型,当
输入
形状为(17910,1)时,该模型的输出形状为(17902,1)。我想知道为什么维数降低了,因为步长是1,它是一维卷积。
浏览 16
提问于2019-04-16
得票数 1
回答已采纳
1
回答
CNN
-LSTM结构: post vs pre padding?
tensorflow
、
keras
、
lstm
、
padding
、
conv-neural-network
在这样的结构中:
CNN
-> LSTM -> Dense前
填充
和后
填充
之间的选择
是否
会影响性能?我读了 只要
输入
层是
CNN
,pre vs post就不会影响性能,这是真的吗?
浏览 10
提问于2020-04-30
得票数 0
2
回答
利用fft和等长输出在Matlab中实现两个向量的线性卷积和互相关
matlab
、
numerical-methods
、
convolution
、
cross-correlation
我正在实现一个算法,其中我
需要
使用快速傅立叶变换来计算两个一维向量a和b之间的线性卷积和互相关。如果a的
长度
为m,b的
长度
为n,则产生的卷积的总
长度
将为m + n - 1。但是,该算法要求卷积的输出与
输入
的
长度
相同。由于m = n,
输入
向量具有相同的
长度
。ifft(fft(a).*conj(fft(b)))) 输出的
长
浏览 2
提问于2012-09-05
得票数 1
回答已采纳
1
回答
深度学习网络中短句的最佳实践
deep-learning
、
word-embeddings
在深度学习网络(
CNN
或RNN)中,我们可以使用单词嵌入(如FastText、Glove等)来表示
输入
文本。我的问题是:📷 有时我有几个
长度
大于150的句子,其余句子的平均
长度
是48。这里,我在一些在线实现中注意到,它们用" pad“字
填充
短句,
以
增加它们的大小,
以
达到最大句子的
长度
(图片中的红色空格),其中这个衬垫字充满了一个随机值。
浏览 0
提问于2018-11-04
得票数 0
1
回答
在文本分类中添加额外的维度
tensorflow
、
neural-network
、
recurrent-neural-network
、
text-classification
、
tensor
model.add(LSTM(256, dropout=0.2, recurrent_dropout=0.2))model.add(Dense(1))( 1)我应该把
输入
压平还是尽量缩小尺寸?我能用什么层次来做那份工作? (
浏览 1
提问于2019-01-24
得票数 0
回答已采纳
1
回答
Keras:对
输入
数据进行零
填充
。如何处理目标数据?
keras
、
zero-padding
对于一种情况,我想使用每个会话作为
输入
样本。因此,我
需要
对
输入
数据进行零
填充
,
以
实现相同的
长度
/维度。我该如何处理目标数据?或者我只是让目标
保持
原样?编辑:有关数据的更多信息
浏览 1
提问于2018-05-15
得票数 0
0
回答
文本分类中
CNN
模型的可变
输入
大小?
tensorflow
、
nlp
、
convolution
、
text-classification
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,输出将是相同的大小。在这种情况下,为什么我要将所有短句
填充
到固定大小?,而使用基于当前训练句子
长度
的None value吗?此外,我想知道
是否
浏览 4
提问于2017-11-28
得票数 3
1
回答
Tensorflow -
保持
稀疏的稀疏嵌入查找
python
、
tensorflow
、
conv-neural-network
、
text-classification
我正在用
CNN
实现一个文本分类器,类似于使用Tensorflow的。Tensorflow提供了tf.nn.embedding_lookup_sparse,它允许您
以
稀疏张量的形式提供单词ID。这是很好的,特别是对于启用可变
长度
序列。但是,该函数在查找后
需要
一个“组合”步骤,例如“平均”或“和”。这迫使它回到致密张量空间。我不想做任何组合。我想把我的向量
保持
在稀疏表示中,这样以后我就可以做其他的卷积了。这在TF中有可能吗? 编辑:我想避免在嵌入查找之前
填充
输入
。
浏览 2
提问于2018-11-07
得票数 2
2
回答
如何处理
CNN
使用的音频频谱图的动态
输入
大小?
signal-processing
、
speech-recognition
、
conv-neural-network
、
spectrogram
很多文章都在使用
CNN
来提取音频特征。
输入
数据是具有时间和频率两个维度的语谱图。在我的数据集中,音频
长度
从1秒到8秒。
填充
或剪切总是对结果影响太大。 所以我想知道更多关于这个方法的信息。
浏览 1
提问于2016-05-05
得票数 10
3
回答
字符级别
CNN
-
1D
或2D
neural-network
、
deep-learning
、
nlp
、
conv-neural-network
、
pytorch
我想在毕道尔实现一个角色级别的
CNN
。我的
输入
有4维度: 这两种方法中的一种比另一种有特殊的优势吗?
浏览 0
提问于2019-03-26
得票数 1
回答已采纳
1
回答
CNN
-这是Toeplitz矩阵吗?
machine-learning
、
deep-learning
、
convolutional-neural-network
然而,没有提到对角线常数,这是这类矩阵的一个关键特征.根据维基百科(上面的链接)和其他几个来源: Toeplitz矩阵或对角线常数矩阵,
以
Otto Toeplitz的名字命名,是一个矩阵,其中每个从左到右下降的对角线都是常数回到上面的图像,这
是否
意味着,例如,aw == cx == gy?当所有元素都不同时,如何确保这一点?
浏览 0
提问于2018-11-01
得票数 1
回答已采纳
2
回答
关于如何在Keras建立
CNN
1D
的正确和明确的解释
python
、
tensorflow
、
keras
、
deep-learning
、
conv-neural-network
再见, Y_tensor = np.random.randint(0,2,len(X)
浏览 0
提问于2019-08-19
得票数 4
1
回答
使用tf.while_loop (TensorFlow)从图中积累输出
python
、
tensorflow
、
deep-learning
、
recurrent-neural-network
长话短说,我有一个RNN,是堆叠在一个
CNN
之上。
CNN
是单独创建和训练的。为了澄清问题,让我们假设
CNN
以
批大小H、W、C占位符的形式
输入
(H =高度、W=宽度、C=通道数)。现在,当在RNN上叠加时,组合网络的整体
输入
将具有形状:批大小、时间序列、H、W、C,即小批中的每个样本都由TIME_SEQUENCE多个图像组成。此外,时间序列在
长度
上是可变的。时间序列的值对应于最大可能的时间序列
长度
,对于
长度
较小的样本,剩余的值被
浏览 0
提问于2018-07-13
得票数 0
回答已采纳
2
回答
Word2Vec与
CNN
连线
cnn
、
word2vec
、
doc2vec
我试图使用Word2Vec嵌入的
CNN
(卷积神经网络)对文档进行分类。然而,为了做到这一点,它要求我将所有文本修剪到相同的
长度
。我发现有Doc2Vec,它可以解决这个问题,但我不明白它如何可以与
CNN
结合使用。
浏览 0
提问于2020-05-05
得票数 0
1
回答
CNN
1D只学习二分类问题中的一个类(Keras)
tensorflow
、
keras
、
conv-neural-network
我的
输入
是图,其中图的每个节点都由一个嵌入向量表示,
输入
是这样的: [[-1.548624, 2.6481668, 0.21574, -0.324527 ........] [.....] ...[..
浏览 31
提问于2021-03-24
得票数 0
2
回答
深度学习图书馆中NLP的动态批处理和
填充
批
nlp
、
pytorch
、
huggingface
、
dynamic-batching
、
pad-truncate
这是我们训练NLP的现代深度学习模型的常用方法,例如,在Huggingface库中,
输入
no有一个固定的
长度
。指记号/音音单位。https://huggingface.co/docs/transformers/pad_截断 在下面的例子中,我们有5个不同
长度
的句子,它们都被
填充
到最大
长度
设置为1024。我问题的第一部分是关于GPU内存的使用和pad,当我们训练带有
填充
输入
的批数据的模型时,
填充
浏览 0
提问于2023-04-07
得票数 2
3
回答
字符串格式- Python
python
、
string
、
python-2.7
、
printing
我有两个字符串,它的
长度
可以根据
输入
变化。我想格式化它们,将它们对齐到中间,然后用' '
填充
其余的空间。每个字符串
以
^^开头和结尾。Case1:String2 = Short^^ Longer String ^^String1 = Equal String1
需要
输出: ^^
浏览 3
提问于2013-07-05
得票数 1
回答已采纳
2
回答
卷积神经网络中的零
填充
deep-learning
、
cnn
、
q-learning
我们使用卷积神经网络,因为它通过设计学习在空间位置上泛化的特征,所以当使用conv操作时,它减少了图像大小,并且我们希望在下面的层中有更多的简单性,但是当进行零
填充
时,图像恢复到原来的大小,那么这样做有什么好处呢另外,
CNN
可以很好地对图像进行分类;那么如何在游戏中使用它来检测最佳下一步,我的意思是它是如何从图像本身决定动作的Q值的,尽管理解图像并没有给出下一步的任何指示?
浏览 0
提问于2021-05-07
得票数 0
1
回答
它是如何在Keras中的input_shape变量中工作的?
python
、
tensorflow
、
keras
、
conv-neural-network
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。N_TIMESTEPS=10Y = np.random.randint(0,2, size=100) #
CNN
或者,您
是否
可以解释一下Keras中input
浏览 0
提问于2019-08-19
得票数 1
回答已采纳
1
回答
用
CNN
调整CV2大小
python
、
tensorflow
、
keras
、
neural-network
、
conv-neural-network
稍后,我将图片
输入
CNN
算法以对图像进行分类。(我的理解是,当
输入
CNN
时,图片必须有相同的大小)。如何将低分辨率转换为较高分辨率,如何将较高分辨率转换为较低分辨率?这是一个很好的做法,在
CNN
使用这种方法吗?或者,最好是将零移到图像的末尾,
以
获得所需的分辨率?我见过许多研究人员在试图检测恶意软件文件时,用零
填充
文件的末尾,使所有文件都有一个共同的维度。这
是否
意味着
填充
比调整大小更精确?
浏览 1
提问于2020-04-25
得票数 0
回答已采纳
点击加载更多
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
卷积神经网络如何处理一维时间序列数据?
深度学习入门之PyTorch学习笔记#2
Python开发中如何判定IP地址合法性实例源码
卷积神经网络实战MNIST
GitHub超3万星:Transformer 3发布,BERT被一分为二
热门
标签
更多标签
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
活动推荐
运营活动
广告
关闭
领券