我有一个327帧的序列，尺寸为480行，640列，灰度。X_train.shape)给出：(327480640，1) 我有以下模型： N = 2 #number of frames to distributemodel.add(TimeDistributed(Convolution2D(32, activation='relu'), input_shape = (N, 480,640,1)))
... print (model.output_shape)给出实际上，我有以下错误
浏览 22提问于2020-04-16得票数 0
我已经通过了，但仍然无法理解TimeDistributed作为Keras模型中的一个层究竟做了什么？
我不明白TimeDistributed和TimeDistributedDense之间的区别？有人能用一个精确的例子来解释这两种类型的层包装器所做的事情吗？
浏览 4提问于2017-02-22得票数 14
回答已采纳
我在Keras中有以下模型，TimeDistributed(Flatten())(x)不起作用，它给出了与输出相同的形状。我在Windows 10上使用最新版本的Keras和Tensorflow后端和Python 3.5.3。我是不是做错了什么？有没有其他的解决方案？')(x)
x = Convolution2D(32, 3, 3, activation='relu
浏览 28提问于2017-06-02得票数 1
1回答
from keras.layers import Convolution2Dfrom keras.layers.wrappers(TimeDistributed( Convolution2D(16, (3, 3), strides=(2,2), activation='relu', ) ))
model.add(TimeDistributed我不太了解K
浏览 1提问于2017-09-28得票数 0
回答已采纳
1回答
在keras 1.2.2中，我创建了一个具有以下维度的数据集：
我希望LSTM能够在每一批上工作，然后取该批的LSTM输出的平均值。from keras.layers import Lambda, <em
浏览 3提问于2017-03-02得票数 3
回答已采纳
我试图建立一个用于两类图像分类的CNN混合模型，但在拟合该模型时，我遇到了一个RecursionError: maximum recursion depth exceeded while callingimport Convolution2Dfrom keras.layers import Flattenfrom keras.layers impor
浏览 12提问于2022-11-04得票数 0
我使用带有Tensorflow的Keras作为后端，下面是我的代码：import osfrom keras.layers.convolutional import Convolution2D,Deconvolution2D
model.ad
浏览 0提问于2017-03-10得票数 3
回答已采纳
我的输入状态为shape = (84,84,4)所以我想把这个传递给一些TimeDistributed层，时间步长为我的下一层是这样的：
conv1 = TimeDistributed(Convolution2D(16, 8, 8, subsample=(4, 4), border_mode='valid',activation=
浏览 2提问于2016-10-20得票数 3
我在多个网站上搜索，但我找不到我的问题的解决方案。下面是我的代码：from keras.layers import Convolution2Dfrom keras.layers import TimeDistributed
from keras.layers import LST
浏览 8提问于2018-06-25得票数 0
3回答
在keras 1.2.2中，我创建了一个具有以下维度的数据集：y_train: (2000,1)
这是我的
浏览 2提问于2017-02-26得票数 5
回答已采纳
1回答
我是Keras和Tensorflow的新手，我正在尝试使用LSTM来训练我拥有的一些雷达脉冲数据集。在编译过程中，我已经让它工作了，但是当模型开始训练时，我无法让它工作。我不知道在哪里放置整形和使用的维度，因为错误给出的数字，我不知道他们从哪里来。)y_train = y_train.reshape(1,1000)
model.add(Convolution2D(32, 3, 3, activat
浏览 0提问于2018-06-13得票数 0
回答已采纳
我有一个样本数据，一个页面803天的页面访问。我已经从均值、中位数等数据中提取了特征，数据的最终形状是(803，25)。我选择了640辆火车和160辆测试车。我正在尝试使用Keras的CNN+LSTM模型。但是我在model.fit方法中得到了一个错误。 我已经尝试了排列层和改变输入形状，但仍然不能解决它。(Convolution2D(filters = 32, kernel_size = (3, 3), strides=1, padding='SAME', inpu
浏览 10提问于2019-05-26得票数 0
利用这些数据，我想创建一个CNN-LSTM二进制分类器.我相信我已经找到了我的问题的解决方案，但我想在这里张贴它，以确保我正确地理解了我遇到的错误，并作出了适当的修正。我的意图是让卷积层在时间(938-长度)维上应用滤波器，并将卷积层中这些滤波器的每一步的输出作为时间序列中的样本输入LSTM层。包装器的Tensorflow文档的阅读，以及我所收到的错误，我不相信我
浏览 5提问于2021-06-04得票数 0
根据我的理解，2D卷积将N个滤波器应用于输入图像，生成N个新的“图像”(=特征映射)。如果忽略步幅/次采样，经N通道二维卷积后，32x32图像成为Nx32x32张量：inputs = Input(shape=(1, 32, 32,))
浏览 1提问于2017-03-30得票数 2
回答已采纳
1回答
我想在keras中创建卷积神经网络模型，首先我已经导入了所有必要的库，如下所示 from tensorflow.keras.layers import Flattenfrom tensorflow.keras.layers import MaxPooling2D 比起我尝试过的模型 model =Sequential()
model.addFound: <tensorflow.python.<em
浏览 29提问于2020-07-24得票数 0
回答已采纳
我很难解释一对多(例如，对单个图像的分类)和多对多(例如图像序列分类)序列标记的Keras编码差异。我经常看到两种不同的密码：model=Sequential()
model.add(TimeDistributed(MaxPooling2D((2
浏览 0提问于2018-01-08得票数 14
我的神经网络堆栈如下所示： model = Sequential()
model.add(TimeDistributedactivation=&#x
浏览 29提问于2021-04-22得票数 1
1回答
低损耗和非常非常低的精度
、、、、
我正在训练一个深度学习模型，得到的准确率很低，但损失也很低，这两者是相反的关系。这种非常低的准确性的原因是什么?我如何才能阻止它？该模型应检测视频场景中的异常事件模型架构
下面是我的代码：
model.add(TimeDistributed(Convolution2D(512, 11, 11 ,activation=&#x
浏览 6提问于2017-06-27得票数 3
我正在处理一个关键字观察器，它处理音频输入并根据类似于下面所示的语音命令列表返回音频类：。我不想只处理1秒的音频作为输入，我希望能够处理多帧音频，比如说10 as步长的5个时间步骤，并将它们输入机器学习模型。我的问题：我如何有效地更
浏览 5提问于2021-04-22得票数 1
回答已采纳
但我无法弄清楚如何用正确的输入大小来堆叠这些层。rnn = LSTM(256, return_sequences=True, input_shape=(200,189))model = TimeDistributedcategorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summ
浏览 2提问于2021-04-18得票数 1
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
