tf.keras.layers.Dense(64, activation=tf.nn.relu) x = self.dense(x)
return self.classifier(x) 不幸的是，这对我不起作用在这次失败的尝试之后，我尝试使用tf.keras.Sequential重建模型，并再次指定第一层的input_shape： tf.<e
浏览 31提问于2020-03-31得票数 0
1回答
我在使用用函数API编写的keras RNN进行掩蔽时遇到了一些问题。其想法是用形状(batch_size，timesteps，100)掩盖张量，零填充，并将其输入到SimpleRNN中。现在我有以下几点：mask = mask_layer(input)
rnn = keras.layers.SimpleRNN(
浏览 1提问于2020-01-25得票数 1
回答已采纳
我的模型是：model = keras.models.Sequential()model = keras.models.Sequential()model.add
浏览 1提问于2018-07-16得票数 0
回答已采纳
1回答
model.fit(out,out, batch_size=16, epochs=10) validation_steps=validation_steps) batch_size=batch_size)
File "C:\
浏览 0提问于2018-02-02得票数 2
2回答
我希望下面的模型采用8，1的输入形状，批量大小为16。我一直试图使模型的输出形状与输入相同，但我只能在需要(16、8、1)时才能得到它输出的形状(16、8、1)。有可能这样做吗？谢谢你的帮助。model = tf.keras.models.Sequential([ strides = 1,
activation
浏览 15提问于2022-07-09得票数 0
回答已采纳
在我的Keras模型中，我试图将形状未知的张量(但固定的秩)放置到固定的形状上。张量是string型的，所以我不能使用tf.keras.preprocessing.sequence.pad_sequences或tf.image.pad_to_bounding_box。我想使用tf.pad，但问题是我不知道张量的形状，所以我必须动态地计算填充长度。我怎么能这么做？我目前的方法是这样的，但不起作用：
def pad_to_length(t: tf.Tensor, target_length:
浏览 5提问于2022-01-18得票数 1
我训练了一个输入形状为(224,224，3)的模型，并尝试将其更改为(300,300，3)。例如： resnet50 = tf.keras.models.load_model(path_to_model)
# or
resnet50.inputs[0].set_shape([None, 300, 300, 3]) 不起作用。我看到预留模型允许不同的输入形状<
浏览 67提问于2021-08-05得票数 0
回答已采纳
1回答
我的代码是： keras.layers.LSTM(10), keras.layers.Dense(10, activation=tf.nn.softmax)
model.compile(optimiz
浏览 1提问于2018-08-22得票数 1
回答已采纳
2回答
lists, one for each image in the batch File "C:\Users\payne\Anaconda3\envs\ml-gpu\lib\site-packages\keras\enginestandardize_user_data
浏览 2提问于2018-10-03得票数 1
3回答
我目前有一个类似于这样的keras模型：model.add(keras.layers.Dense(100, activation=tf.nn.relu))model.add(keras.layers.Dense(len(labels), activation=tf.nn.softmax))
模型需要知道它应该期望什么样的输
浏览 0提问于2019-09-10得票数 13
回答已采纳
摘要:根据，Keras model.fit()应该接受tf.dataset作为输入(我使用TF版本1.12.0)。training_set = make_dataset(training_files, batch_size=_BATCH_SIZE)inputs = tf.keras.layers.Input(shape=(100,))mod
浏览 0提问于2019-01-05得票数 2
回答已采纳
2回答
我刚接触tensorflow，在将我的自定义数据提供给keras模型时遇到了麻烦。model = tf.keras.Sequential([
tf.keras.layers.Dense(10, activation=tf.nn.relu, input_shape=(3,
浏览 24提问于2020-05-11得票数 0
回答已采纳
1回答
我假设这会产生一个1ndim的输出： single_feature_model = keras.models.Sequential([<ipython-input-98-22191285d676> in <module>()----> 4 layers.
浏览 523提问于2021-11-11得票数 2
回答已采纳
它在所有输入上都适用于model.predict()和model()，只要它们被重塑为[1,1]形状。
在输入形状/类型方面，向tensorflow模型提供输入的准则是什么？
浏览 2提问于2020-03-25得票数 2
回答已采纳
1回答
输出层的形状总是(1，)
、、、
我正在尝试做一个简单的Keras模型。但是，不管我指定的输出形状是什么，输出层总是形状(1,)，所以由于输出层和目标数据形状不匹配，所以不能训练我的模型。import kerasfrom keras.layers import InputLayer, LSTM, Dense
#when checking target: expected dense_4 to have shape (1,) bu
浏览 6提问于2019-09-23得票数 0
回答已采纳
__init__(name='MyModel') def __call__init__(name='MyModel')
@tf.function(input_signature
浏览 8提问于2019-10-27得票数 1
1回答
输入图层的形状
、、、
在我的Keras模型中，我不知道应该输入什么作为输入层的形状。该模型在具有12288个样本的1080个向量上进行训练。我有以下输入形状：Y_train shape: (6, 1080)Y_test shape(layers_dims[-1],activation=keras.activations.softmax))
model.compile(loss=keras.losses.c
浏览 32提问于2018-08-26得票数 1
回答已采纳
model = keras.models.Sequential([keras.layers.Dense(100, activation = "relu"),
model.compile(loss="mse", optimizer=keras.optimizers.SGD(l
浏览 532提问于2021-03-02得票数 0
我是keras的新手，我正面临这样的错误: ValueError:检查模型目标时出错:期望dense_1具有形状(None，10)，但得到具有形状(10，1)的数组。我的输入数组形状是(10,1010)model = Sequential()
model.add(Dense(10, batch_input_shape=(None, 1010),我尝试了很多组合，但对我来说都不起作用。
浏览 1提问于2016-12-26得票数 3
我训练了一个简单的keras / tensorflow模型，但是当我试图查看模型的层时，我会得到以下错误：
tf.keras.layers.Fl
浏览 0提问于2019-01-25得票数 1
回答已采纳
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
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
