在执行卷积/池化之后，我想在做出最终预测之前添加另一条信息，例如心率。所以不是头像-->卷积/池化-->全连接层-->年龄为此，我创建了一个函数，如下所示：
def Add_to_FinalLayers[X_train,HeartRate_train], y=Y_train, epochs=30, batch_siz
浏览 0提问于2017-12-07得票数 0
在我的TensorFlow模型中，我有一些数据，在它进入几个完全连接的层之前，我将它们输入到CNN堆栈中。我已经用Keras的Sequential模型实现了这一点。然而，我现在有一些不应该进入CNN的数据，而是直接进入第一个完全连接的层，因为这些数据包含一些值和标签，这些值和标签是输入数据的一
浏览 9提问于2019-10-10得票数 1
2回答
我在Keras中使用预先构建的ResNet (TensorFlow 2)，其方式如下：x = Dropout(0.5)(x)cnn_model= Model(inputs=base_model.inp
浏览 7提问于2021-01-18得票数 1
回答已采纳
1回答
我们知道像faster-rcnn和mask-rcnn这样的对象检测框架有一个roi pooling layer或roi align layer。但是为什么ssd和yolo框架没有这样的层呢？
浏览 0提问于2019-04-09得票数 2
回答已采纳
1回答
对形状不相容的张量的重新调用
、、、、
我试图在这里通过下面的代码创建一个CNN +回归模型：cnn_modelinput_shape=cnn_model.output_shape), cnn_model,
浏览 1提问于2020-01-16得票数 3
回答已采纳
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，eye
浏览 0提问于2019-01-03得票数 3
3回答
我是机器学习和Keras的新手。我用Keras制作了一个神经网络，用于回归，如下所示：model.add(Dense(57, input_dim=44, kernel_initializeractivation='relu'))model.add(Dense(1, activation='linear'))
我的数据预处理后
浏览 0提问于2018-08-27得票数 2
回答已采纳
1回答
我正在建立一个卷积神经网络，它将包含一定数量的卷积和池层。问题是，我想在特征提取步骤(convolution+pooling)之后添加一些额外的输入。这个额外的输入将被添加到扁平的特征映射(完全连接层的第一层)。我想问是否有任何文档来实现这一点，在tensorflow或(如果我幸运的话)在keras。提前谢谢你，祝你今天愉快。
浏览 0提问于2019-04-16得票数 2
回答已采纳
我有500张病人医学扫描的Dicom图像。这是三维扫描，shape = 300 x 300 x 3。我从中提取了正面和侧面的观点。所以，对于每一个病人，我有2张300 x 300形状的图像。为了建立分类器，应该将这两个视图叠加起来，并训练CNN {300 x 300 x 2 x 500} ->多通道输入，
还是应该将每个视图作为一个新数据传递给整个{300 x 300 x 1000} ->
浏览 0提问于2020-06-08得票数 0
问题在于训练CNN的数据集包含0到1000之间数字的(n，n)形状矩阵的输入。输出应该表示相同的(n，n)形状矩阵，其0值与1到1000之间的其他值相匹配。(这个函数非常复杂，在一个外部专用程序中计算)整个数据集包含3000个输入和输出，每个输入和输出都具有(10,10)个形状。
由于这个问题与图像处理神经网络相似，我决定使用CNN。相对于新输入的性能时，没有任何改善。(我将<em
浏览 2提问于2019-11-09得票数 1
回答已采纳
1回答
示例：我可以为给定的参数生成图像来训练神经网络，并希望利用它从实际的图像中提取参数。
我查过CNN了。我能和他们一起执行这个任务吗？我是否需要特殊的学习算法来提取多个参数而不是分类？是否有专门为此类任务设计的NNs？
浏览 0提问于2016-06-13得票数 8
回答已采纳
1回答
我目前正在开发一个系统，该系统可以对两个句子是否具有相同的内容进行分类。为此，我使用了预训练的词向量，因此有一个包含句子一的词向量的数组(s1)和一个包含句子二的词向量的数组(s2)。为了对它们是否相似进行分类，我通过将s1中的所有向量与s2中的向量进行成对比较来创建一个矩阵。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
浏览 1提问于2018-10-11得票数 0
我试图使用带有Tensorflow后端的Keras构建一个可变长度序列分类模型，该模型基于Marcin的PS3示例：ValueError: The shape of the input我试着在Inception层上放置一个输入形状，但是错误仍然存在。我该怎么纠正呢？复制：import kerasfrom keras
浏览 1提问于2018-07-22得票数 3
回答已采纳
1回答
减少cnn的培训时间
、、、、
我正在努力改进下面的cnn架构。我用cnn进行图像分类。有人能建议对下面的体系结构进行任何改变，以减少培训时间而不会失去太多的准确性吗？建筑注释：其次是最大池层为2,2
其次，是另一个卷积层，其大小与第一层相同，以便保存从前一层通过的数据。在前2层之后是包含32个过滤器的<
浏览 1提问于2017-10-11得票数 2
1回答
我可以在展平CNN后添加数据吗？
、、、、
我正在与CNN合作，我的教授希望我尝试包含一些相关的信息，但这些信息在图像本身中是不可用的。到目前为止，数据是一个一维数组。他认为，在扁平层之后和密集层之前添加它应该是可能的，但我们两个人都还没有足够的知识。LeakyReLU(alpha=args.dense_act))model.add(Dense(1))
显然，我们可能是错的，所以任何帮助都是非常
浏览 4提问于2020-06-12得票数 1
2回答
因此，对于我正在制作的应用程序，我使用的是tf.keras.models.Sequential。我知道机器学习有线性和多元线性回归模型。在序列的中，该模型是一层线性叠加。这等于多元线性回归吗？我能找到的线性层叠层的唯一解释是关于堆栈溢出的问题。X_train: ", x_train) print("Y_
浏览 2提问于2019-05-06得票数 1
回答已采纳
1回答
我已经看到了几种不同的卷积神经网络(CNN)的架构。我搞不懂哪一种是标准，以及如何决定使用什么。我并不为所使用的层数或所涉及的参数数目感到困惑，而是对网络的组件感到困惑。假设：
CL，SL，CL，SL，CM，Softmax架构2(我们最终真的需要NN吗？)CL，SL，CL，SL，NN，S
浏览 2提问于2014-10-17得票数 3
假设我加载启动，并且需要在分类之前提取最后的描述符。因此，给出这样一个简单的代码： include_top='False',pooling='avg')如何在预测最后一层时提取？
浏览 1提问于2018-02-24得票数 5
回答已采纳
1回答
我正在使用Keras库用卷积神经网络(CNN)解决一个回归问题。我已经做了很多例子，但是没有理解一维卷积输入形状的概念。
我想给出分段的传感器值作为一维卷积层的输入，但问题是分段的长度是可变的。这是我的</
浏览 4提问于2018-02-19得票数 2
云服务器
ICP备案
云直播
腾讯会议
对象存储
腾讯云开发者
