3D卷积自动编码器不匹配输出图层和输入图层

文章/答案/技术大牛

发布

1回答

python、tensorflow、keras、conv-neural-network

我正在尝试创建一个三维卷积神经网络AutoEncoder。我无法将张量的输入维度与输出进行匹配我已经尝试改变图层形状和使用Keras自动编码器。inputs=deconv3, units=3) self.output = tf.reshape(self.output, self.input_shape) ValueError:无法使用输入形状1,36,84,204,3，5和作为部分形状计算的

浏览 6提问于2019-08-31得票数 1

1回答

在带有Caffe的CNN中使用图像作为标签

neural-network、protocol-buffers、caffe、labels

作为输入，我有572x572x3的图像，我的标签是具有基本事实的图像。'/home/alexandra/Documents/my-u-net/my_data.txt' batch_size: 1} include: { phase: TRAIN }}有谁知道如何解决这个问题吗？

浏览 0提问于2016-07-22得票数 0

1回答

如何在卷积自动编码器中选择匹配层大小？

tensorflow、conv-neural-network、tf.keras、autoencoder

在构建卷积自动编码器时，在选择图层大小时，是否有任何建议的最佳实践？例如，如果我正在处理一个28x28x1 MNIST图像，并使用tf.keras创建我的模型，我如何才能将我的Conv2D和MaxPool2D层与Conv2DTranspose和Upsampling2D层相匹配

浏览 11提问于2020-07-21得票数 0

回答已采纳

2回答

自编码网络与全卷积网络的差异

image、autoencoder

自动编码器网络和全卷积网络的主要区别是什么？请帮助我理解这两个网络的架构之间的区别？

浏览 3提问于2017-12-04得票数 0

2回答

Tensorflow中二维卷积神经网络到一维卷积神经网络的转换

tensorflow、conv-neural-network、openvino

通常我会把它输入到我的2DConv中，然后我就可以上路了。我的问题是，如果我必须将其转换为100个输入的1D，除了明显的部分，我的过滤器不会检测周围的邻居，而只检测前一个和下一个来检测模式，这可能会导致更差的性能。如果我必须这样做，我会只是重塑，使用重塑图层还是使用排列层？谢谢

浏览 30提问于2021-03-25得票数 0

1回答

Conv自动编码器层进展

python、tensorflow、keras、conv-neural-network、autoencoder

我要设置一个简单的卷积式自动编码器：输入(InputLayer) (无，64，64，1) 0 输出

浏览 5提问于2020-06-20得票数 1

回答已采纳

1回答

如何在tensorflow中重用自动编码器中的隐藏层来执行分类任务

tensorflow、autoencoder

有人能举例说明如何重用自动编码器的隐藏层用于神经网络的分类任务吗?我想在tensorflow的多层感知器模型中使用自动编码器的两层

浏览 1提问于2017-12-17得票数 0

2回答

检查输入时出错:预期lstm_1_input具有3个维度

python、tensorflow、keras

x_test数据： x_test.shapeOut[16]: 392880 当我启动预测时，它返回一个错误： ValueError:检查输入时出错

浏览 25提问于2020-06-24得票数 0

2回答

卷积层的尺寸在更深的层？

deep-learning、convolution

输入维数为25x64，然后第一个Conv层应用100个卷积，因此输出维数为25x64x100。Max池将其减少到13x32x100。第一个conv层的权重数为7x7x100，第二层的权重数为5x5x150x100，这意味着从前一个Conv中为100个输入层的每个层保存了权重。这也使我认为输出维应该是4D。

浏览 0提问于2020-01-31得票数 1

2回答

深信念网络与卷积神经网络

machine-learning、computer-vision、neural-network、dbn、autoencoder

我是神经网络领域的新手，我想知道深层信念网络和卷积网络之间的区别。另外，是否有一个深卷积网络，它是深信念和卷积神经网络的结合？到目前为止，这是我收集到的。如果我错了，请纠正我。，HL1 =1000个神经元(比如说)，HL2 =100个神经元(比如)和输出层=10个神经元，为了训练输入层和HL1之间的权重( W1 )，我使用了一个AutoEncoder (2500 -1000-然后，我通过第一个隐藏层转发所有图像以获得一组特征，然后使

浏览 8提问于2014-07-03得票数 44

回答已采纳

1回答

如何为形状为(169，3)的样本配置DQN双input_shape？

python、keras、tensorflow2.0、reinforcement-learning、agent

TLDRnext_qs_list = self.target_network(next_states).numpy() ..the输出形状为(64,169，3) batch_size=64我的假设是，输出形状是错误的，应该是(64，3)。我的NN当前配置如下(其中它的call()函数返回错误的形状)--如何构建我的网络以返回正确的形状(3)而不是(169，3)？基本上，环境是OH

浏览 1提问于2020-12-10得票数 0

回答已采纳

1回答

首席执行官：：净重塑

c++、neural-network、deep-learning、caffe、deep-dream

googlenet需要形状224*224*3的输入。在deepdream的ipython笔记本中，它显示了src.reshape(1,3,h,w)。这是否意味着只有输入blob被重塑，或者它通过网络传播？难道网络不也应该重塑吗？如果不是，那么仅仅重塑输入块意味着什么呢？我刚开始深造。所以如果这看起来微不足道的话请原谅我。

浏览 8提问于2017-03-06得票数 1

回答已采纳

1回答

用于清除表面异常值的自动编码器

keras、autoencoder

我一直在查看keras博客中的自动编码器：https://blog.keras.io/building-autoencoders-in-keras.html 我想知道，为了能够给出不同的表面，也就是二维矢量

浏览 0提问于2017-08-09得票数 2

回答已采纳

2回答

如何建立一个只有一个输入，时间为0的LSTM网络来生成序列？

python、keras

我用形状的X (batch_size，50)和形状的Y (batch_size，10(序列长度)，10(输出向量))设置了一个训练集。LSTM单元的Keras文档说，3D输入是必需的，但是序列2序列模型确实可以做到这一点。有没有其他通用的方法来解决这个问题呢？input_shape=(50,)))我收到错误消息："ValueError: Input 0与图层</em

浏览 2提问于2019-04-21得票数 2

2回答

如何在Conv2D层中使用keras指定填充？

python、tensorflow、keras、computer-vision、conv-neural-network

我正在尝试用Keras实现，并在MATLAB中检查了网络设计，如下所示可以看出，第二卷积层具有大小为5×5的256个滤波器、48个通道和2 2 2的填充。它只接受两个填充的值，即valid和same。我无法理解这一点。据我所知，valid意味着零填充。如何使用第二卷积层指定2 2 2填充？

浏览 0提问于2019-04-16得票数 4

回答已采纳

1回答

conv2d -张量器形状

tensorflow、machine-learning、tensorflow.js

我的输出形状是[119, numOptions]。3643ms 34043us/step - loss=0.411 val_loss=0.958 1)输入的第一个尺寸是特征张量形状如何预先确定以下两个输入大小？

浏览 0提问于2019-09-24得票数 1

回答已采纳

1回答

如何在多个预测器上应用tf-idf，我不想连接到单个列中

vectorization、text-classification、training-data、feature-selection、tfidfvectorizer

我有两个预测器-我想使用tf-idf向量化它们中的每一个(我不想连接它们，因为我们需要每个都有单独的词汇表)。我是否应该将tf-idf向量化器应用于每个功能，然后连接这些功能。我将从这里得到两个矩阵(每个预测器一个)，我可以使用numpy函数将它们连接起来并将它们用作特征吗？

浏览 3提问于2021-04-13得票数 0

1回答

CLDNN (tensorflow)的降维

tensorflow、speech-recognition、autoencoder、rbm

据我所知，它是由几个堆叠限制Boltzmann机器(RBM)和工作像一个自动编码器。该层的解码器部分只是为了训练编码器以减小井的尺寸。这意味着您希望将编码器的输出“插入”到下一层的输入中。我可以定义一个损耗函数来训练自动编码器(通过比较解码输出的输入)，还有一个其他的损耗函数来训练整个图。我有办法训练这两个损失函数吗？或者我误解了这里的问题，但我觉得自动编码器的解

浏览 5提问于2016-12-07得票数 0

回答已采纳

2回答

卷积神经网络，第二层如何在第一池层上工作

tensorflow

我正在阅读TensorFlow网站上的材料：如果在第一层应用32 5x5卷积滤波器，0填充，则得到10×32×28*28的数据。那么，如果我们应用第二个卷积层(假设在链接中使用645x5滤波器)，我们是否将这些过滤器应用到每个图像的每个通道并得到10*32* 64 *14*14数据？

浏览 5提问于2017-10-09得票数 5

回答已采纳

1回答

使用keras在单个图层上应用卷积

python、tensorflow、keras、deep-learning、conv-neural-network

现在，我想从改进的VGG16网络中获得每一层的输出，并在每一层上应用卷积，然后将它们向上采样到相同的大小并将它们相加。这是为了识别图像中的重要区域。我已经获取了每一层的输出 output = [layer.output for layer in model.layers] 现在我想要这样的东西 hypercolumns = [] #store this in hypercolumns list 最后，在对所有<e

浏览 16提问于2019-09-12得票数 0

回答已采纳

点击加载更多