我在试着学习Tensorflow的基础知识。所以我想，第一步是尝试做一个简单的线性回归，从有噪声的数据中确定直线的方程。模型中，像这样：import numpy as np;from tensorflow.keras因此，我尝试了以下几点：
将XY值放入单个2D
浏览 7提问于2022-09-10得票数 1
回答已采纳
在Keras的多层Perceptron情况下，input_dim参数在不同的密集函数情况下如何使用？我尝试并看到了以下关于顺序模型的观察：
# Printing Summary of the model with
浏览 2提问于2019-08-04得票数 0
回答已采纳
目前我正在学习深度学习，偶然发现了这些困惑:什么时候使用input_shape和input_dim参数。我的数据形状是(798,9)，它们有8个输入变量和1个输出变量，所以我的问题是，当建立顺序模型时，它们之间有什么区别：model.add(tf.keras.layers.Dense(units=12,input
浏览 87提问于2020-02-20得票数 1
下面是我写的代码：from keras.callbacks import History # Create model - 3 layers.to number of intents to predict output intent with softmaxmodel.add(LSTM(128, input_shape: ValueError:层lstm_21的输入0与层不兼容:期望的ndim=3，找到ndim=2
浏览 0提问于2021-06-08得票数 0
与顺序APIfrom keras.models import Sequentialmodel.add(LSTM(2, input_dim=3))model.summary()快速详细信息：n_para
浏览 2提问于2018-10-11得票数 2
回答已采纳
我正在使用本文中定义的DenseTied Keras自定义层类，完全相同，只需更改我引用Keras的方式，以适应我的导入风格。' not in kwargs and 'input_dim' in kwargs: input_dim</e
浏览 0提问于2019-09-06得票数 6
回答已采纳
我是深度学习的新手，我正尝试使用Google Colab在Keras中创建这个简单的LSTM架构：
input_shape=train_x.shape[1:]ValueError: Input 0 is incompatible with layer lstm_1: expectedoffer_Offer'])
tra
浏览 1提问于2019-04-03得票数 1
1回答
Keras输入尺寸设置
、、、、
我试着用keras训练一个LSTM模型，但我想我在这里出了点问题。我有个错误
model = Sequential()
model.add(LSTM(256, activation="relu", dropout=0.25, recurrent_dropout=0.25, input_shape=(None, 20,metrics=[&
浏览 0提问于2018-01-07得票数 19
回答已采纳
我发现在Keras中使用了input_shape而不是input_dim，特别是在LSTM问题中？我担心的是，input_shape限制了输入中的行数。它不会让范围提供完整的Dataframe作为输入。什么时候应该使用input_shape而不是input_dim？
下面是示例
浏览 0提问于2018-11-01得票数 3
回答已采纳
1回答
我正在建立一个LSTM，作为一份报告，并想总结一下有关它的事情。但是，我已经看到了在Keras中构建LSTM的两种不同的方法，它们为参数的数量产生了两个不同的值。我想了解为什么参数会以这种方式不同。问题正确地说明了为什么这样的代码from keras.la
浏览 11提问于2019-10-09得票数 0
给出下面的PyTorch代码，Keras的等价物是什么？model = Sequential()model.add(Dense(unitsmodel = Sequential()model.add(Dense(unitsmod
浏览 0提问于2017-10-22得票数 10
回答已采纳
1回答
我正在用keras构建我的第一个模型，遇到了一个问题，我想通过构建一个解决Y=a*x+b的1元素模型来解决一个简单的回归问题，我正在使用google，特性和标签数据是： tf.keras.layers.Dense(1)model.compile(loss = tf.keras.losses.mae,
opti
浏览 2提问于2022-07-07得票数 1
我在IRIS数据上比较了Keras神经网络和简单的。我预计Keras-NN会表现得更好，正如所建议的那样。test_y_ohe = one_hot_encode_object_array(test_y)
model.add(Dense(16, input_shape.2f}&
浏览 0提问于2016-04-29得票数 3
我使用Tensorflow 2.4和Keras 2.4.0。我正在创建一个堆叠整体使用3个Keras模型，是为一个三级分类任务训练。我使用的是级联合并，其中一个9元素向量将从三个模型中预测的三个类概率中创建。我定义了一个隐层来解释这个输入给一个元学习者，构成一个包含9个神经元的单个隐藏层和一个输出层，从而做出自己的概率预测。每种型号的结构如下所示：
_________________________
浏览 3提问于2021-08-27得票数 1
回答已采纳
2回答
倍增层应将常量值的张量相乘。我写了下面的代码，这些代码不需要多重层。有谁知道如何调整并使其正常工作吗？):编辑
我想要实现的
浏览 0提问于2018-11-03得票数 0
我正在尝试实现一个有状态的RNN，但是它一直要求我提供“完整的input_shape (包括批处理大小)”。因此，我为input_shape和input_batch_size参数尝试了不同的方法，这两种方法似乎都不起作用。代码： output_dim=80,
input_dim=len(pred_
浏览 0提问于2016-03-12得票数 2
错误消息: TypeError:无法将类型的对象转换为张量。内容：(无，3)。考虑将元素强制转换为受支持的类型。 有没有人能帮我解决这个错误，我想我对这个层的定义和密集层很相似，为什么它不工作？我的图层代码： from keras.layers.core import Layerfrom keras import backendas Kfrom <em
浏览 24提问于2019-07-02得票数 0
回答已采纳
2回答
Keras序列模型输入层
、、、、
在Keras中创建顺序模型时，我知道您在第一层中提供了输入形状。这个输入形状是否构成一个隐式输入层？例如，下面的模型显式地指定了两个密集层，但实际上这是一个由输入形状所隐含的一个输入层、一个隐藏的密度层和32个神经元组成的三个层组成的模型，然后是一个具有10个可能输出的输出层吗？model = Sequential([ Activation('re
浏览 0提问于2017-10-04得票数 19
回答已采纳
3回答
因此，我定义了一个keras模型如下：out = Dense(100, activation='relu', name = 'dense_1')(in_)我所期待的是稠密层将连接到所有输入50 (5*10=50输入)，给出5100的一些参数(100*50+100=5100，权重+偏差)。所以很明显，稠密层只连接到输入的最后一个维度？在另一个维度发生了什么？5,100____
浏览 0提问于2018-12-13得票数 5
当我将第一层输入形状定义为'input_shape‘vs ' input _dim’时，我不明白yhat为什么会有所不同。yhat只应该是(1,1) -一个值。如果我使用一个简单的RNN层作为我的第一层，输入应该是什么形状？from keras.layers import Dense
# define(100,
浏览 0提问于2022-01-05得票数 0
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
