我在Keras中使用卷积神经网络(CNN)进行语义分割(图像像素的多类分类)。
特别是,我正在将此应用于农作物(植被)的航空图像。在Keras中,我成功地开发了一个工作流,用于为一个特定的数据集划分/分类不同的作物(让我们将这个数据集称为rural area #1)。我可以应用在rural area #1上训练的Keras权重来初始化另一个dataset rural area #2
我有一个正在运行的模型,构建时使用: model = tf.keras.Model(inputs=input_layers, outputs=outputs) 如果我试图向输出中添加一个简单的常量,我会得到一条错误消息这个想法是在服务时间内将常量作为输出。包含错误的完整网络示例: import tensorflow as tf
import tensorflow.keras as keras
我正在使用keras构建推荐模型。因为项目集相当大,所以我想计算Hits @ N metric作为精确性的度量。也就是说,如果观察到的项目在预测的前N中,它就算作相关的建议。但是当我试图将它移植到keras的自定义丢失函数时,我的张量出现了问题。具体来说,对张量的枚举是不同的。当我研究语法以找到类似的东西时,我开始质疑整个方法。这是草率和缓慢,反映了我的一般蟒蛇熟悉。更新:
我可以得到一个<