ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis.Got inputs shapes: `[(None, 36, 36, 128), (None, 37, 37, 128)]` def conv2d_block(input_tensor, n_filters在u6 = concatenate(u6，c4)时出现异常 我使用的是python 3.
浏览 40提问于2021-09-06得票数 1
回答已采纳
我尝试使用tensorflow使用以下代码来连接各层，但得到了一个意外的错误。我是tensorflow的新手x1= layers.Conv2D(16 ,(3,3), activation='relu')(inp): A `Concatenate` layer requires inputs with matching shapes except for the concat axis.Got inputs shapes: [(N
浏览 0提问于2019-08-18得票数 3
2回答
调整张量以与其他层连接
、、、、
我正在遵循下面的体系结构现在，我需要连接其他层次。我试图将层Conv_10与Deconv_1连接起来，但在张量大小方面出现了错误。所以我需要将Conv_10层从(3,44,44)转换为(3,34,34)。我该怎么做？这个网络的当前实现可以在这里获得：
实际错误: ValueError：Concatenate层需要具有匹配形状的<em
浏览 0提问于2020-04-13得票数 1
回答已采纳
1回答
如何将形状为None，128的张量为1,128的张量连接起来。这里，第一个张量是一些未知长度的数据，第二个张量是不依赖于数据大小的固定张量。最后的输出应该是shapeNone，328。这是神经网络连接的一部分。我试过了在这里，a.shape = (N
浏览 0提问于2021-11-13得票数 0
回答已采纳
1回答
我有两个相同大小的输入，然后应用向量大小128的字嵌入，然后对其进行整形，使两个输入形状都为(none,1,128)，另一个输入具有维度(none,1,18)，我想将这三个输入连接起来，然后将合并的输出提供给LSTM层。但是，由于尺寸与此错误不同，我无法连接输入：
Concatenate层<e
浏览 6提问于2020-05-31得票数 3
回答已采纳
我的想法是在将数据传递给LSTM之前，将嵌入层与另一个输入形状连接起来。MAX_SEQUENCE_LENGTH)(main_input)
auxiliary_input = Input(shape=(5,), name='aux_input')
x = concatenate:除了连接轴之外，连接层需要</em
浏览 16提问于2019-02-26得票数 0
回答已采纳
我试着从知更号训练Unet神经网络，我提交到图像512x512的输入，但我得到了这个错误： File "unet.pysite-packages\keras\engine\training_utils.py", line 138, in standardize_input_data ValueErrorpadding = 'same', kernel_initiali
浏览 14提问于2019-07-14得票数 0
1回答
如何获得张量形状的python
、、、、
, 512)一个Concatenate层需要输入与匹配的形状，除了凹轴。获得输入形状：(无，32，32,512)，(无，256,256，64)
如何获得这些形状，以便在我的resnet中使用Cropp2D。
浏览 4提问于2020-04-21得票数 0
我的网络由LSTM和密集部件组成，由另一个密集部分连接在一起的，I不能连接(1，8)，(None，32)的输入。Reshape和Flatten不起作用。:级联层需要具有匹配形状的输入，但连接轴除外。)
x = keras.layers.concatenate([lstm_out, dense
浏览 0提问于2018-11-22得票数 1
回答已采纳
1回答
我使用了带有512x512x1输入形状的unet模型，但我有一个问题。我得到了一个ValueError :维数必须相等。我知道输入形状出了问题。我需要解决这个problem.maybe模型丢失的问题型号：fromkeras.layers import Dense, Dropout,
浏览 1提问于2021-06-13得票数 0
回答已采纳
1回答
我的目标是连接两层不同尺寸以及不同数目的过滤器。至于级联操作，两个层的尺寸应该是相同的。建议使用哪种操作来设置尺寸？BatchNormalization(axis=-1, momentum=0.99, epsilon=0.001, trainable=True) (x2)我得到的错误消息是：
ValueError：Concatenate层需要</em
浏览 1提问于2020-11-23得票数 0
回答已采纳
1回答
我在Keras中有一个模型，其中我想让神经网络显式地查看几个特性的总和。我试着这样做：d_input = keras.layers.concatenate(哪里 return K.reshape(K.sum(x), [1])
ValueError：Concate
浏览 0提问于2018-06-08得票数 0
回答已采纳
containing three objects: lossaccuracy'])
浏览 0提问于2018-11-16得票数 4
1回答
我对我的模型有两个输入，它们都是张量(一个是输入层，另一个是嵌入层)。我使用的是concatenate，它用于张量，而不是Concatenate，用于层。我以前已经这样做了，没有问题，但我目前使用的是不同的数据集，其中输入有一个不同的形状。')
挤压背后的理由是因为它是形状的(?我怀
浏览 2提问于2020-01-13得票数 0
回答已采纳
我正在尝试对来自UNet中间层的图像进行预处理。在尝试连接时，我得到了以下错误。我尝试重塑张量，但它不能从(1,352,640，64)转换为(None，352,640，64)。即使是layers None值也不能更改。如何解决这个问题？我需要将1改为None，或者反之亦然，这样两个形状都是相似的。ValueError: A Concatenate layer requires inputs with matching shapes e
浏览 26提问于2020-01-12得票数 0
为了使单个通道图像和一维张量之间的角点级联操作成为可能，我需要重塑我的一维张量的长度，以匹配两个图像维数，并将所有额外的神经元与零匹配。我该怎么做？示例代码以显示一个等价的问题：Val
浏览 4提问于2017-07-27得票数 1
回答已采纳
1回答
丢弃整个输入层
、、
假设我有两个输入(每个输入都有许多特性)，我想将它们输入到一个Dropout层中。我希望每一次迭代都去掉一个完整的输入，以及它的所有相关特性，并保留其他输入的全部。在连接输入之后，我认为我需要为Dropout使用noise_shape参数，但是连接的层的形状并不能让我做到这一点。对于形
浏览 21提问于2019-09-11得票数 0
回答已采纳
1回答
我目前正在尝试修改mobilenetv2，以便它检测图像中的某些对象，并返回标记所述对象位置的热图。因此，热图必须具有与输入图像完全相同的分辨率。第一个对应层之间的第一个连接工作得很好，但是第二个层失败了，因为它们的输出形状不匹配。正如我所预期的那样，第一个Conv2dTranspose将分辨率提高了2。然而，第二种情况并非如此。它具有输
浏览 0提问于2019-07-14得票数 1
回答已采纳
我正在尝试将4个不同的层连接成一个层，以输入到我的模型的下一个部分。我使用的是Keras函数API，代码如下所示。()([lc, l1_conv_net, l2_conv_net, l3_conv_net])
出现此错误时，表示我的输入形状不同。然而，我也打印了输入形状，它似乎是相同的，除了沿着concat轴(
浏览 3提问于2018-07-31得票数 1
我只是尝试从我在互联网上找到的代码中建立一个UNet，并希望它适应我正在进行的一次又一次的工作。在尝试将.fit UNet与培训数据连接时，我收到了以下错误：
InvalidArgumentError: required broadcastable shapes at loc(unknown)dir_dat()函数应用os.path.join()获取到相应的完整路径。这三个文件夹中的每个文件夹都有标记为整数的每个类的子目录。在每个文
浏览 8提问于2021-05-16得票数 9
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
