CNN层应该在Bi-LSTM之前还是之后？

CNN层应该在Bi-LSTM之前。

CNN层应该在Bi-LSTM之前还是之后？

、、

model.add(Flatten())model.add(Dense(n_steps_out)) 然后我尝试了以下方法，将所有CNN层放在Bi-LSTM层之前(但不起作用)： model = Sequential() model.add(Conv1D(64, 3, activation='relu', input_shape=(n_steps_in我的另一个问题是，有没有一种方法来

浏览 86提问于2020-07-16得票数 0

回答已采纳

1回答

如何在Bi-LSTM层之前添加CNN层？

、、、、

我想在but层之前添加一个带有最大池的CNN层，用于情感分类任务，但是我得到了一个错误。这是我正在使用的代码。

浏览 2提问于2020-07-08得票数 0

回答已采纳

1回答

创建一个定制的tensorflow层以分离特性

、、

为了解决我在这里发布的问题： (时间分布式tensorflow层的输入数据格式)，我想了另一个想法:与其将两个输入传递给一个CNN模型，不如在设计CNN模型之前，我使用熊猫或numpy将两个输入合并到一个输入中，然后将其传递给CNN模型，然后在输入层之后和卷积层之前添加一个自定义层，将它们简化为！

浏览 4提问于2021-07-04得票数 0

1回答

批次规范是否适用于神经网络，而不是CNN？

、

但它是否也被用于非CNN。在NN中。在只有完全连接层的网络中？在连接层之后有一个巴氏杆菌有用吗？或者，这个批处理规

浏览 1提问于2018-04-25得票数 0

1回答

对接层是在文件层还是块层？

、

我正在考虑使用Docker映像作为在加载了补丁之后对MySQL数据库进行快照的方式，以便在每次验收测试之前快速恢复快照。为了达到足够快的速度，层文件系统应该在块级运行，而不是文件级:如果每个(可能足够大的)数据库文件都必须在写入之前被复制，这将是一个相当大的瓶颈。码头层是在文件层，还是块层？这取决于存储驱动程序吗？

浏览 0提问于2023-01-16得票数 3

1回答

存储特征的最佳数据格式？

、

我正在使用CNN网络来提取特征，在最终的全连接层之前，我从层中提取特征。它们的维度为4096，数据大小约为100万。我想将这些功能存储在服务器上以备将来使用。但是我不确定我应该选择使用哪种数据格式。还是别的什么？

浏览 0提问于2016-10-06得票数 0

1回答

CNN的训练过程(Python )

、、、、

考虑一下CNN的以下架构，()model.add(Conv2D(32, kernel_size=(3, 3),model.add(Dropout(0.5))我的问题基本上是关于CNN当你训练模型时，平坦层的输出在各时期是否发生变化？如果平面层的输出发生变化，这

浏览 0提问于2018-08-18得票数 1

回答已采纳

1回答

我是NNs的新手，我有一个关于CNN中卷积层的问题。在CNN中，卷积层被称为执行特征提取或作为特征提取器工作。第一卷积层学习提取低层次特征，这意味着第一层将将原始图像转换为多个原始图像副本(取决于所使用的过滤器的数量)，其中只包含低级特征，而忽略了原始图像中的任何其他特征，对吗？下一层如何提取其他高层次特征，即如果第一层已经忽略了人脸？为什么我们没有几个单独的层，每个层都对某些特性进行了特定的提取，并且一旦提取了所

浏览 0提问于2021-01-08得票数 1

回答已采纳

2回答

在卷积层中，修改步幅和填充以获得期望的输出是标准做法吗？

、、

我正在尝试实现在一种用于投资组合管理的层次深Q网络框架中描述的CNN (见截图)。本文将CNN的第一层描述为内核为1x3，采用形状(2,10,4)的价格张量，输出了32幅大小为2x5的特征图。实际报价如下：第一层和第二层:如图1所示，ﬁrst CNN层收到价格张量，尽管尺寸(2，10，4)。这一层的ﬁlter为1×3，我们在这里使用的激活函数是deﬁned in (Klambauer等人，2017年)。在这一层中，我们得到了32个特

浏览 0提问于2022-12-16得票数 0

1回答

可以在Keras中的CNN之前添加双向LSTM吗？

、、、、

然后将该矩阵输入到CNN分类器中，并对数据进行训练。这一切都非常简单明了。为了得到s1和s2中每个向量的隐藏状态，需要使用双向LSTM，然后用成对余弦相似度来比较这些隐藏状态，就像之前比较s1和s2的向量一样。现在的问题是如何在Keras中做到这一点。还是必须直接求助于tensorflow才能对biLSTM的输出进行必要的计算？

浏览 1提问于2018-10-11得票数 0

2回答

.cloned()应该在.filter()之前还是之后

、

在cloned()之后使用filter()似乎要有效一些。因为这样，我就不必将迭代器的所有元素从&T转换为T，而只需要将已过滤的元素转换为T。在我的例子中，这是一半的元素。然而，我似乎看到cloned()应用于filter()之前。下面是一个例子：我认为，也许.cloned()之前必须用于不实现Copy特性的类型，但情况似乎并非如此：。在cloned()之前使用filter()有什么好处吗？这更像是个文体问题吗？如果是的话，是否有更好的风格？

浏览 0提问于2016-02-12得票数 4

回答已采纳

1回答

特征提取的结果是一种特征表示吗？

、、、

如果在图像上使用特征提取方法，那么我是得到一个特征表示还是在特征表示背后有不同的含义？据我所知，当我在图像上使用CNN时，卷积层会执行特征提取。那么，我还可以说在每一层之后都有一个新的特性表示吗？

浏览 0提问于2020-11-07得票数 0

回答已采纳

2回答

Keras ValueError:形状(None，1)和(None，48，48，96)不兼容

、、、、

X = np.array(X, dtype='float32')print(len(X)) model.add(Dense(CLASSNAME_SIZE, activation='softmax')) model = cnn_model

浏览 35提问于2020-12-11得票数 0

回答已采纳

2回答

未标记船舶图像的聚类

、、、、

但是，我目前拥有的数据集没有标签，所以我可以将它提供给一个cnn.So，我想将这个数据集集群到2个标签(或2个目录)中，no_ship.I尝试运行k方法，但是结果是dissapointing.Is，还有其他更实用的方法来实现这一点

浏览 0提问于2020-04-09得票数 1

2回答

为什么我的val_loss会波动并具有巨大的值，而val_categorical_accuracy在所有时期都或多或少是恒定的？

、、、、

我采用了AlexNet架构，对图像进行了预处理，增强了图像，使用了LeakyReLU激活功能，利用了辍学，并尝试调整了学习率。然而，这些试验并没有改善我的模型的val_loss和val_categorical_accuracy。我该怎么办？嵌入的是我的模型拟合和可视化的历史=

浏览 0提问于2020-06-23得票数 0

1回答

将Caffe CNN转换为Extractor

、、

我必须使用CNN模型从图像中提取特征。我用的是一个受过训练的模特叫Caffenet。在Caffe上，在通过CNN模型运行图像后，很容易提取特征。在转换模型之后，我无法访问模型内各层的输出。我只得到最后的输出，在本例中是分类，它们不是我所需要的。为了直接从"conv5“层(最终的卷积层)获得模型的输出特性，我在deploy.prototxt文件中删除了"conv5”层之后的所有层，因此"conv5“有效地成为了最终的输出<

浏览 0提问于2018-03-20得票数 1

回答已采纳

1回答

如何添加lambda层以从不同的轴减去不同的值

、、、

我有两个CNN级联，在第一个CNN之后，我想在给第二个CNN之前对输出做一些后处理。我试图用下面的函数在中间添加一个lambda层： x=x*255.0 x[..., 1] -

浏览 0提问于2018-06-23得票数 0

1回答

为什么我的验证损失在上升，而我的验证准确性也在上升？

、

场景:我一直在为cifar10数据集训练CNN。我使用的是tensorflow，还有一个CNN，它有12个conv层和1个密集层，在softmax稠密层之前。我正在使用数据增强以及批处理规范化。在几百个历次之后，我对验证集的准确率最高达到92.73 %。验证损失略有上升，因为我训练更多。当验证损失增加时，验证的准确性也会上升。

浏览 0提问于2020-01-23得票数 3

回答已采纳

1回答