我想在Keras模型中完成等效的tf.depth_to_space。具体而言，Keras模型中的数据形状为HxWx4(即深度为4)，我希望将数据转换为输出大小为HxWx1，映射为将4个输入通道视为2x2块；即，输出位置为2*y+(k//2)，2*x+(k%2)，1outputs = keras.layers.Reshape((H*2,W*2,1), input_shape=(H,W,4))(inputs)
但我认为地图会
浏览 0提问于2019-07-18得票数 1
在来自张量的流程教程页面()的CNN图像分类示例中，model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
我知道图像是32x32，RGB的通道是3，但是Conv2D( 32，(3，3) )代表什么？特别是(3
浏览 177提问于2020-02-10得票数 0
回答已采纳
我的代码有什么问题吗？还有别的办法吗？如何解决？(32,(3,3),activation='relu',input_shape=(32,32,3)))cnn.add这是我添加的代码。(y_test,10)
cnn=Sequential()
cnn.add(Conv2D</e
浏览 67提问于2021-06-16得票数 0
我相信我知道MaxPool2D在做什么(根据pool_size中的最大值缩小图像)，但我不理解维度问题，我希望有人能帮助我看到光明。我把它输入到一个Conv2D层：
Conv2D(filters=32, kernels_size=(3,3), activation='relu', padding='same', input_shape有关于如何设置填充的规则吗？(无论是在conv2d层还是MaxPool2D层<e
浏览 4提问于2022-02-22得票数 2
Conv2D#from tensorflow.keras.layers import backendas k
num_classes = 10下面的编写代码， model.add(Conv2D(32, kernel_size=(3,3), strides=(1,1), activ
浏览 3提问于2020-09-06得票数 1
回答已采纳
这就是我想要运行的代码from sklearn.preprocessing import LabelBinarizerfrom tensorflow.keras.layers import Conv2DModel.add(Conv2D(32</em
浏览 2提问于2022-10-17得票数 -1
回答已采纳
我对python太天真了，这是我的第一次尝试，所以如果我的问题似乎太基本，请容忍我。我想用卷积神经网络对9幅卫星图像进行语义分割。到目前为止，我已经成功地一个一个地导入图像，并将它们转换为灰度。
浏览 2提问于2020-08-05得票数 1
回答已采纳
1回答
基于Convnet的自动编码器不收敛:任何建议 input_img=Input(shape=(32,32,3))
x=Conv2D(8,(3,3),padding='same',
浏览 53提问于2019-03-22得票数 0
我一直在关注一些tensorflow教程，以提高CNN的一些技能。为了给CNN增加层数，我一直这样做：model.add(Conv2D(32, kernel_size=(3, 3),encoder_outpu
浏览 2提问于2020-04-27得票数 0
回答已采纳
1回答
我能够得到精度和损失，但不知道如何得到这种模型的混淆矩阵。另外，如何绘制精确度和损失的图表？import tensorflow as tffrom tensorflow.keras.layers import(64 ,(3,3), input_shape = X.shape[1:]))
model.add(Conv2D(64 ,(3,3), input_sh
浏览 0提问于2020-06-02得票数 0
所以我试着用CNN类型制作一个faceID和Tensorflow，我只给出了我的15张脸的图片(这是一个简单的项目)，我想要它来预测它是我的脸还是不是我的脸，就像真假一样，问题是我不知道我的代码中的错误是什么, Dropout, Flatten, Conv2D, MaxPooling2D, BatchNormalization, Activation
from tensorflow
浏览 2提问于2021-05-19得票数 1
回答已采纳
1回答
将函数模型转换为序列Keras
、、、、
我的目标是使用自动编码器来学习我想要分类的项目的特征，然后使用这些权重来启动CNN。#model.add(Dropout(.1))#testmodel.add(Conv2D(64,(3,3</
浏览 3提问于2020-04-09得票数 1
回答已采纳
import BatchNormalizationfrom keras.layers.convolutionalmodel = Sequential()model.a
浏览 114提问于2021-11-11得票数 1
回答已采纳
1回答
精确度高，预测差
、、、
拓扑：inputs = keras.Input(shape=(512, 512, 3), name="img")x2 = Conv2D(32, kernel_size=(3,3), strides=(1,1), kernel_regularizer=l2(1e-5),padding='same'
浏览 4提问于2021-03-04得票数 0
import tensorflowfrom tensorflow.keras import Model
浏览 2提问于2020-04-17得票数 7
回答已采纳
1回答
(X_train, y_train), (X_test, y_test) = tk.datasets.cifar10.load_data() # tk = tensorflow.keras 列车测试形状为：train - (50000, 32, 32, 3) | test - (10000, 32, 32, 3) 然后，我创建了具有以下层的编码器： encoder = Sequential()
# L1encoder.add(Conv2D(filters=
浏览 37提问于2020-04-29得票数 0
回答已采纳
2回答
首先，我在CNNHyperModel类中为超参数调优建立了构建方法，然后使用了Conv2D、MaxPooling2D、Dropout，然后使用神经网络，我已经导入了这个程序所需的库。#self.num_classes =num_classes
model=keras.Sequential() max_value=0.5,step=0.05))
浏览 3提问于2021-03-26得票数 0
回答已采纳
我正在尝试对形状40,501的谱图进行分类，有15个类别。import numpy as npfrom keras.utils import to_categoricalmodel.add(MaxPooling2D(pool_size=(2, 2)))
model.add(C
浏览 0提问于2020-11-26得票数 0
我正在使用实现一个经过预先训练的Alexnet。我用我自己的培训数据对它进行了再培训，通过这样做，我得到了再培训的AlexNet的一个检查点。
我的方法错了吗？我对tensorflow不是很有经验，我很感谢你的</e
浏览 2提问于2019-12-06得票数 0
1回答
关于卷积神经网络
、、、
我想寻求一些关于神经网络的帮助，我正在做一个学校项目，其中我被要求建立深度假检测神经网络。我不确定为什么要在神经中增加更多的层。我在训练过程中的准确率从第一个时期的0.7跃升到第二到第五个时期的1.0，这是过度拟合和损失值到一个奇怪的数字，希望寻求关于我如何调整神经网络以适应深度假检测的建议。import Sequential
from tensorflow.keras.layers import Dense, Dr
浏览 3提问于2020-06-29得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
