1回答
, 1, 1], explicit_paddings=[], padding="VALID", strides=[1, 2, 2, 1], use_cudnn_on_gpu=true‘的1减去2导致的负尺寸尺寸, 1, 1], explicit_paddings=[], padding="VALID", strides=[1, 2, 2, 1], use_cudnn_on_gpu=true’的1减去2导致的负维度大小
浏览 26提问于2021-10-31得票数 0
我建立了一个卷积神经网络，它训练的数据最初表示在极地空间(测量是一个角度和距离的函数)。我的管道首先将坐标转换为笛卡尔网格，然后重新投影图像。然而，这会导致数据维数(即输入图像的像素大小)显著增加，并且需要插值步骤，这是我希望避免的。
我是否可以使用适当的方法(用keras/tensorflow实现)来对原始极性数据执行(2D)卷积？
浏览 0提问于2018-08-15得票数 5
1回答
当对一维阵列进行一维卷积时，我会收到一个误差，表明我的第二维还不够大。inputs_, axis=1)我希望将内核大小增加到、1、1、3、45、1、3、45、1、3、45、1，3，45的“卷积/卷积2D”(op：'Conv2D')，从1减去3引起的负<
浏览 1提问于2018-03-31得票数 0
回答已采纳
下面是我的代码： import tensorflow as tffrom scipy import signal
img2 = np.array([
浏览 20提问于2020-07-23得票数 0
回答已采纳
1回答
最后一个是1×1卷积，用于映射与输入信道数相同的信道数。因此，输入和输出有相同的通道数。它可以嵌入到不同类型的卷积神经网络中。
我想，我们决定在下一层的通道数和内核将被随机初始化。这些核形状是由我们决定的，它们是1x1或3x3等，所以，作者说1x1卷积来映射与输入one.When相同的通道数是什么意思，即使它的2x2卷积核不改变通道数。
浏览 0提问于2019-03-20得票数 0
1回答
利用神经网络API(NNAPI)、Android实现了一个基于编解码结构的神经网络.第一个解码器的输入维为-> 1x624，最后一个解码器的输出维为1X160084。它需要26秒才能完成。每个解码器都有卷积和转置卷积。
在解码器中，执行时间要慢得多。但两者的数据大小大致
浏览 0提问于2022-09-13得票数 1
1回答
Tensorflow卷积
、、、、
我试图对可变维数的图像执行卷积(conv2d)。我有一个一维数组形式的图像，我想对它们进行卷积，但我对形状有很多麻烦。
浏览 4提问于2017-10-03得票数 2
回答已采纳
在AlexNet中，第一层的过滤器大小为5*5*48，第二层的过滤器大小为3*3*128。
谢谢
浏览 1提问于2018-05-04得票数 0
我必须开发一个视频事件检测工具，在票务中，counter.The工具必须为那些在没有点票的情况下通过门的人拍照。我有一套视频，人们拿着这些数据在gate.So上乱搞，我怎么能实现一个视频事件检测工具?我对视频分析还不熟悉。我不知道在哪里可以start.Where，我能找到一些关于有监督的视频事件检测的教程吗？
浏览 0提问于2016-08-27得票数 1
回答已采纳
3回答
我有一个一维输入信号。我想计算自相关作为神经网络的一部分，以便在网络中进一步使用。我需要对输入本身进行卷积。在keras自定义层/ tensorflow中执行卷积。
浏览 7提问于2017-10-18得票数 2
回答已采纳
1回答
重用神经网络
、、、
我对神经网络非常陌生，但对于我的一个项目来说，它们似乎很合适。最终，该应用程序应该可以在Android手机上运行。我的想法是使用TenserFlow，但我不确定它是否合适。集合的大小不是固定的，但在大多数情况下小于10。我对整个集合的输出只是一个二进制分类(通过/失败)。我的训练数据中没有CNN输出的值，只有聚合后的输出。在面向梯度的框架中，这通常是可能的吗
浏览 10提问于2016-08-17得票数 1
回答已采纳
2回答
我有一个大小为(140000,22)维的数据帧。 我必须创建等维数的二维数组，才能将其传递到卷积神经网络中。 您能指导一下如何在这个数据帧上进行转换吗？
浏览 53提问于2019-02-06得票数 6
1回答
转置卷积(反褶积)算法
、、、、
利用tensorflow构造卷积神经网络。给定形状的张量(none，16，16，4,192)，我想执行一个转置卷积，从而得到形状(none，32，32，7,192)。滤波器的大小为2,2,4,192,192，步长为2,2,1,1,1，会产生我想要的输出形状吗？
浏览 3提问于2017-10-13得票数 1
回答已采纳
1回答
我对卷积神经网络很陌生，我正在学习三维卷积。我所能理解的是，二维卷积给出了X-Y维中低层特征之间的关系，而三维卷积有助于检测低层特征以及它们在所有三维中的关系。如果一个数字，比如说5，是用不同的颜色写的严格意义上的2D CNN会表现不佳(因为它们属于z维中的不同频道)？
此外，是否有实用的神经网络，采用三维卷积？
浏览 0提问于2019-07-25得票数 0
回答已采纳
我在看这篇论文：具有大小为d，m的矩阵输入的I和尺寸d，s的加权矩阵W我的理解是，这和简单的一维卷积之间的唯一区别是，输入矩阵的每一行都有自己的一组权值来进行卷积。在Tensorflow中能实现这样的卷积</e
浏览 2提问于2017-02-20得票数 0
回答已采纳
我正在训练一个关于文本的卷积神经网络(在字符级别上)，我想做最大的池。tf.nn.max_pool需要4级张量，但是在tensorflow (批处理、宽度、深度)中，一维凸集是3级，所以当我将conv1d的输出传递给最大池函数时，这是一个错误：总的来说，我对tensorflow和深度学习框架很陌生，我希望在这里提供关于最佳实践的建议，因为我可以想象有多种解决方案。如何在一维情况下执行最大池操
浏览 2提问于2016-10-04得票数 7
回答已采纳
1回答
我训练了一个卷积神经网络，用tensorflow将图像分为两类。我现在想知道如何使用来自神经网络的权重，并在未标记的随机图像上进行测试。tensorflow中是否有这样的函数，还是我现在应该自己运行卷积？
浏览 0提问于2017-04-05得票数 0
回答已采纳
我正在使用tensorflow训练两个使用两个不同数据集的相同神经网络实例。网络本身非常简单，有一个输入和输出层和6个隐藏层(每个层是一个20 meuron，然后是一个非线性激活函数)。我对tensorflow非常陌生，还没有找到一种方法来做到这一点。有人能告诉我API或者某种方式来做这种混合网络吗？
浏览 0提问于2017-02-19得票数 5
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
