ValueError:使用keras时，图层权重形状(3，3，3，64)与提供的权重形状(64，3，3，3)不兼容

文章/答案/技术大牛

发布

1回答

python-3.x、keras、conv-neural-network、vgg-net

我有在中描述的相同错误K.set_image_dim_ordering('tf')Traceback (most recent call last):AttributeError: module 'keras.backend' has no attribute 'set_image_dim_ordering'

浏览 80提问于2019-11-21得票数 0

1回答

ValueError:层权重形状(3，3，3，64)与提供的权重形状(64，3，3，3)不兼容

python、keras

f.close()错误:文件"C:\Python\lib\site-packages\keras\engine\topology.py"，行1217，在set_weights中'provided weight shape‘+ str(w.shape)) ValueError:层权重形状(3，3，3，64)与提供的<

浏览 9提问于2018-01-16得票数 5

1回答

如何指定在Keras模型中使用的权重(在R中)？

r、keras

我试图手动设置一个网络的权重与一个输入节点(加上一个偏置节点)和两个节点在隐藏层。我该怎么做？起始代码： weights = wts

浏览 2提问于2017-09-29得票数 2

1回答

keras "image_dim_ordering“配置不工作

python、tensorflow、neural-network、keras、theano

我修改了~/.keras/keras.json文件，行"image_dim_ordering": "th"不工作，但行"backend": "theano"配置正常。backend.image_dim_ordering('th')时，在权重加载方面出现了一个新的问题。我相信重量是使用西亚诺后端，并以“这”的顺序。ValueEr

浏览 4提问于2017-05-09得票数 2

回答已采纳

1回答

在ResNet网络上添加层时图的断开

keras、neural-network、resnet

我试图改变ResNet50网络的输入形状。我需要超过3个渠道的输入。当您指定输入形状而不加载imagenet权重时，ResNet应用程序可以工作，但我希望使用imagenet的权重来避免长时间的培训阶段。我知道imagenet的权重是用于三个通道的输入形状，但从理论上讲，通过削减网络的头并添加一个新的输入层，这

浏览 1提问于2019-02-07得票数 0

回答已采纳

1回答

在扩展分类头后，是否有可能调整经过训练的权重的形状？

tensorflow、machine-learning、tensorflow.js、image-classification

我有一个基于mobilenetV2的图像分类tensorflow模型，但是有我自己的分类头。我已经训练过了，到目前为止效果还不错。是否也可以保留分类头的权重，并为每一个

浏览 2提问于2022-04-25得票数 0

1回答

简单单层神经网络

python、tensorflow、machine-learning、keras、neural-network

我正在写一个非常简单的网络：import matplotlib.pyplot as pltmodel.add(tf.keras.layers.Dense(units = 1, activation = tf.keras.activations.relu, input_shape = (3, ))) model.compile(optimizer = tf.keras.optimizers.RMSpro

浏览 0提问于2020-04-12得票数 2

回答已采纳

1回答

层权重形状(%1，% 1)与为keras模型提供的权重形状(%1，)不兼容

python、keras

我使用Keras训练了一个模型，但忘记了保存模型。这个模型是一个项目的一部分，其中开发了许多其他模型，但现在我无法继续进行该项目。幸运的是，我保存了初始和最终的训练权重。现在，我正在尝试创建一个具有相同最终权重的模型来获得预测结果。我正在编译keras模型，并使用函数model.set_weights将丢失模型的最终训练权重设置为新模型。下面是代码。listOfNumpyArrays model.l

浏览 19提问于2020-07-21得票数 1

回答已采纳

1回答

连接Keras自定义层中形状(无，m)的多个LSTM输出

python、keras、lstm、keras-layer、loss-function

我正在尝试使用Keras自定义层模板创建自定义丢失函数。我无法进行类似于以下文章中提到的计算(第4页，等式5)： def __init__(self, **kwargs): 1629 except errors.In

浏览 0提问于2019-07-24得票数 0

回答已采纳

3回答

ValueError:必须完全定义新变量(local1 1/权重)的形状，而不是(?，1000)

python、tensorflow

我是新来的丹索尔·弗洛。褶积后，我的图层的形状是shape=(5, 5, 5, 5), dtype=float32，但当我应用反褶积时，得到的形状像shape=(?对于反褶积，我使用了这个函数。我已经试过了，但效果不太好

浏览 2提问于2018-10-29得票数 1

回答已采纳

3回答

Keras加载预先训练过的重量。形状失配

python、keras、transfer-learning

我有一些困难，加载预先训练的重量与凯拉斯。假设我有一个keras模型model，并且我的权重存储在my_weights.h5。我试着按以下方式加载我的体重：但这给了我以下错误：for layer in model_

浏览 0提问于2019-04-18得票数 2

1回答

caffe和tensorflow / keras之间的无与伦比的重量形状

python、tensorflow、keras、caffe

我正试图将caffe模型转换为keras，我已经成功地使用了，甚至。我的输出是.npy文件和.pb文件。对于.pb文件，我没有太多的运气，所以我坚持使用包含权重和偏差的.npy文件。loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])然后，我尝试使用以下代码

浏览 3提问于2022-02-09得票数 2

回答已采纳

1回答

具有不同输入大小的Keras共享图层

python、tensorflow、machine-learning、keras、deep-learning

根据Keras中的shared layers documentation，可以创建一个共享层，并使用不同的输入形状实例化它。这是我尝试过的，但由于输入形状不匹配，它似乎出错了。我是不是遗漏了什么？tf.keras.backend.clear_session()i1 = Input(shape=(10,)) i2 = Input(shape=(200,))d3 = dense(i2) 以下是堆栈跟

浏览 19提问于2019-01-03得票数 2

回答已采纳

2回答

如何建立一个只有一个输入，时间为0的LSTM网络来生成序列？

python、keras

我用形状的X (batch_size，50)和形状的Y (batch_size，10(序列长度)，10(输出向量))设置了一个训练集。LSTM单元的Keras文档说，3D输入是必需的，但是序列2序列模型确实可以做到这一点。有没有其他通用的方法来解决这个问题呢？model.add(LSTM(50, input_shape=(50,))) model.add(TimeDistributed(Dense(10, activation='softma

浏览 2提问于2019-04-21得票数 2

1回答

Keras --我应该如何指定培训数据的input_shape？(数据为灰度图像)

tensorflow、keras、neural-network、deep-learning、conv-neural-network

我在Keras中使用Conv2d对灰度图像进行分类。每个图像存储为一个240*300矩阵(即列表[ A_1, A_2,..., A_240 ]，而每个A_k是长度为300的列表)。我应该如何指定我的ConvNet第一层的ConvNet？ ValueError: conv2d层的输入0与图层不兼容:预期的ndim=4，found ndim=3。收到的完整<e

浏览 1提问于2019-05-25得票数 0

回答已采纳

1回答

如何更改加载模型的可训练层

python、keras、conv-neural-network

我建立并训练了一个基于vgg16网络的网络。在最初的网络中，我冻结了vgg16的所有层，只训练了最后4个层，这是我在vgg16末尾添加的。现在，我想通过改变可训练层来加载和重新训练这个模型，以使用我自己的权重，而不是ImageNet权重。最初，我试图通过使用以下代码更改vgg16的可训练层和模型权重来构建相同的模型。layer, layer.trainable)

浏览 1提问于2019-01-05得票数 0

回答已采纳

1回答

ValueError: sequential_1层的输入0与图层不兼容:期望的ndim=3，找到的ndim=2。收到的完整形状：(无，93)

python、tensorflow、keras、lstm

我的X_train和y_train形状(893, 93)(893,)def getModelreturn modelmodel = getModel() loss='mean_squared_error', vali

浏览 6提问于2021-06-09得票数 0

回答已采纳

1回答

自定义损失函数中的Keras动态样本权重计算

python、tensorflow、keras、deep-learning

我正在keras中实现一种类型的分割网络(使用tf后端)，其中我希望对每个图像的损失进行加权。权重将与目标图像具有相同的形状-即每个像素在损失中将具有不同的权重。如果labels是一个numpy数组，我可以执行以下操作：这将为我提供一个形状(?问题是我不能在我的自定义损失函数中执行

浏览 3提问于2020-02-26得票数 2

3回答

不提供输入形状的Keras序列

python、tensorflow、keras

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

浏览 0提问于2019-09-10得票数 13

回答已采纳

1回答

转移学习，添加Keras* LSTM层，(热狗，而不是使用二进制交叉熵的热狗)*

python、deep-learning、keras、lstm

训练特征，形状(1032，5，5,122880)，进入LSTM层。这将产生"ValueError: Input 0与图层lstm_16不兼容:预期的ndim=3，找到的ndim=2“5x5x122880是训练样本的瓶颈特征model.add(Dense(

浏览 21提问于2018-03-05得票数 1

回答已采纳

点击加载更多