使用Keras的SKlearn变换矢量器:期望dense_input_1具有形状
Keras是一个开源的深度学习框架，它提供了高级的API，使得构建和训练神经网络变得更加简单和高效。SKlearn是一个机器学习库，提供了一系列常用的机器学习算法和工具。
在使用Keras的SKlearn变换矢量器时，期望dense_input_1具有形状是指输入数据的维度和形状。dense_input_1通常是指一个密集连接层（Dense Layer）的输入。
在深度学习中，输入数据通常是一个二维张量，形状为(batch_size, input_dim)，其中batch_size表示每个训练批次的样本数量，input_dim表示每个样本的特征维度。
对于期望dense_input_1具有形状的问题，我们需要根据具体的情况来确定输入数据的形状。一般来说，可以通过以下几个步骤来确定输入数据的形状：
- 确定样本数量：根据实际情况确定每个训练批次的样本数量，例如100个样本。
- 确定特征维度：根据实际情况确定每个样本的特征维度，例如每个样本有10个特征。
- 确定输入数据的形状：根据上述信息，确定输入数据的形状为(100, 10)，其中100表示样本数量，10表示特征维度。
根据上述步骤确定了输入数据的形状后，可以将其作为dense_input_1的期望形状。
在Keras中，可以使用Input函数来定义输入层，例如：
from keras.layers import Input
input_shape = (100, 10) # 输入数据的形状
dense_input_1 = Input(shape=input_shape)关于Keras和SKlearn的更多信息，可以参考以下链接：
- Keras官方网站：https://keras.io/
- SKlearn官方网站：https://scikit-learn.org/
腾讯云相关产品和产品介绍链接地址暂无法提供，建议查阅腾讯云官方文档或咨询腾讯云客服获取更详细的信息。
相关·内容
我已经创建了下面的ANN，有2个完全连接的层和一个递归。然而，在运行它时，我得到了错误：Exception: Input 0 is incompatible with layer lstm_11: expected ndim=3, found ndim=2，为什么会发生这种情况？
from keras.models import Sequential
from keras.layers import Dense
from sklearn.cross_validation import train_test_split
import numpy
from sklearn.preprocessin
浏览 0提问于2016-10-10得票数 2
我已经向Keras模型传递了一个自定义的丢失函数，在计算rmse分数之前，我正在尝试inverse_transform我的标签。
我用标准定标器转换了形状(n,1)的标签，其中n表示标签中的记录数。
我的代码
# standardization
lab_scaler2 = StandardScaler().fit(label2)
scaled_lab2 = lab_scaler2.transform(label2)
# custom loss function
from keras import backend as k
def root_mean_squared_error(y_true,
浏览 1提问于2021-09-17得票数 0
回答已采纳
该模型的训练和测试数据的形状为(行，3000)。我喜欢用这个模型来预测形状为(1，5)的A。我如何重塑变量A，以便模型将其用于返回预测？这是一个文本分类模型，因此数据被矢量化。
A = ['The dog is so cute']
A = vectorizer.fit_transform(A)
#pretrained model
classifier.predict(A)
误差
---------------------------------------------------------------------------
ValueError
浏览 0提问于2020-07-01得票数 0
回答已采纳
1回答
我已经在互联网上搜索了几天，试图找到一个解决这个错误的方法，但我找不到的任何东西都是特别适用的：
ValueError: Error when checking target: expected dense_2 to have shape (300,) but got array with shape (60,)
下面是生成错误的代码(数据预处理除外)：
model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'),
keras.laye
浏览 3提问于2018-12-08得票数 0
回答已采纳
当我试图运行以下代码时，遇到了一个问题
import sklearn
from sklearn.datasets import fetch_california_housing
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
cal_housing = fetch_california_housing()
X_train_full,X_test, y_train_full,y_test = train_test_split(cal_h
浏览 8提问于2022-02-01得票数 1
我尝试对序列进行分类，使用带有return_sequences=True的Keras。我有“数据”和“标签”数据集，它们都是形状相同的二维矩阵，按位置排列，按时间间隔排列(单元格值是我的“信号”特性)。因此，RNN / return_sequences=True似乎是一种直观的方法。
在将数据(X)和标签(Y)重组为形状为(rows, cols, 1)的3D张量之后，我调用model.fit(X, Y)，但得到以下错误：
ValueError(“y的形状无效”)
它指向KerasClassifier()类的fit方法的代码，该方法检查len(y.shape)==2。
好吧，也许我应该把
浏览 0提问于2017-03-30得票数 5
我试图用RNN进行时间序列预测，但是在'input_shape' of keras.layers.SimpleRNN中不断发生错误，
但是我解决不了，所以我想问一个问题。
首先，下面是代码。这是错误消息
ValueError: Input 0 of layer sequential is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 1)
# X_train.shape = (58118,)
# y_train.shape = (58118,)
X
浏览 0提问于2021-08-22得票数 1
回答已采纳
我试着用Keras建立一个CNN模型。这是我的代码：
import keras
import tensorflow as tf
from keras.layers import Dense
from keras.models import Sequential
from keras.models import load_model
from keras.callbacks import EarlyStopping
from sklearn.model_selection import train_test_split
from __future__ import print_functio
浏览 1提问于2019-11-07得票数 0
回答已采纳
在Google上的以下代码中，当它到达toarray方法时，它使用所有的RAM。我寻找了一个答案，有人建议使用HashingVectorizer。如何在下面的代码中实现它？
cv.fit_transform(data_list)的形状是(324430, 351550)
# Loading the dataset
data = pd.read_csv("Language Detection.csv")
# value count for each language
data["Language"].value_counts()
# separating the i
浏览 9提问于2022-07-02得票数 0
回答已采纳
我在Python3.7.4版本中运行了这段代码，得到了一个ValueError。代码如下：
import numpy
import pandas
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
from sklearn.preprocessing import LabelEncoder
from
浏览 25提问于2019-11-19得票数 1
回答已采纳
我有一个保存模型，我想为新的数据预测加载模型。我有新的数据，我已经预测了模型，但是预测的结果是完全错误的。我是否必须再次预先处理新的数据来预测模型？
这是我的保存模型代码：
import numpy as np
from numpy import loadtxt
import matplotlib.pyplot as plt
import pandas as pd
dataset = pd.read_csv('Data_Sensor.csv')
dataset.head()
X = dataset.iloc[:, 1:3].values
y
浏览 1提问于2020-03-23得票数 2
我已经建立和训练了我的CNN模型，我想测试它。当我预测新的数据时，我得到了一个错误。任何帮助都将不胜感激。此代码使用model.predict()进行预测。错误是：
ValueError:层顺序输入0与层不兼容:输入形状的期望轴-1具有值1，但接收到的输入具有形状(1,128,128，3)。
守则是：
import tensorflow as tf
from tensorflow import keras
import numpy as np
import cv2
import os
model_location =r'new_elephant_detection.h5'
浏览 3提问于2021-08-13得票数 1
1回答
我正在尝试使用Keras (tensorflow后端)和Jupyter notebooks来训练一个用于二进制分类的基线ANN模型。代码如下：
array=df6.values
X= array[:,0:384]
Y = array[:,385]
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
浏览 0提问于2018-08-14得票数 0
1回答
我正在尝试用keras实现一个lstm模型。问题是我有不同形状的数据。我的数据如下：
col1 col2 col3 col4 col5
1,2,3，3,4,5，4，5，5，9
0,2，1,24 -1,4
0,2,4,5，24，-7,6 -1,4,1,2
我的代码是
import numpy as np
import pandas as pd
import h5py
from sklearn.model_selection import train_test_split
from keras.layers import Dense
from keras.layers import Input,
浏览 3提问于2018-05-14得票数 1
回答已采纳
当我试图在一个带有conv1d层的网络中计算Xw.r.tY的梯度时，我得到的消息是“来自维度3、0、C的无效索引”，进程就会停止。
最小工作实例：
import numpy as np
from tensorflow.python.keras import models
from tensorflow.python.keras import layers
from tensorflow.python.keras import backend as K
inp = layers.Input(shape=(10, 20,))
conv = layers.Conv1D(filters=10, k
浏览 0提问于2019-04-19得票数 0
回答已采纳
2回答
我正在尝试keras.layers.LSTM，下面的代码可以工作。
#!/usr/bin/python3
import tensorflow as tf
import numpy as np
from tensorflow import keras
data = np.array([1, 2, 3]).reshape((1, 3, 1))
x = keras.layers.Input(shape=(3, 1))
y = keras.layers.LSTM(10)(x)
model = keras.Model(inputs=x, outputs=y)
print (model.predi
浏览 0提问于2019-09-07得票数 0
回答已采纳
1回答
我很难理解我想要创造的模型。
我有几个问题要问，所以我先解释一下我的模型，以及我想做什么：
我已经创建了数据序列(模型的输入和输出)，每个步骤有7个时间步骤，因此输入将是某一周的天数的值，输出是下一周的天数的值(**因此，我的模型的input1的输入形状与输出**相同)。
我还准备了另一个输入列表，它有一些额外的特性，比如假日标志和天气条件，用于**下周**，因此模型的第二个input2具有每个示例的形状(7,7)。
以下是完整的示范摘要：
📷
在lstm层和一个完全连接的NN之后，我尝试将两个输入连接在一起，基本上，我想将input2连接到层dense_1的输出。因此，我将(7,1
浏览 0提问于2020-10-15得票数 2
回答已采纳
1回答
输出层的形状总是(1，)
、、、
我正在尝试做一个简单的Keras模型。但是，不管我指定的输出形状是什么，输出层总是形状(1,)，所以由于输出层和目标数据形状不匹配，所以不能训练我的模型。
import keras
from keras.models import Sequential
from keras.layers import InputLayer, LSTM, Dense
# 63 is the number of unique characters
# 128 is the length of a sequence of characters
X = ... # X is an one-hot ndarray;
浏览 6提问于2019-09-23得票数 0
回答已采纳
1回答
用纸袋法预测课文
、、、、
我正在尝试使用word模型的包进行文本分类。一切都很好，直到我使用测试集来测试和评估准确性，但是我们如何检查单个语句的类。
我有一个有两个类标签和身体的数据框架。
cout_vect = CountVectorizer()
final_count = cout_vect.fit_transform(df['body'].values.astype('U'))
from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.la
浏览 0提问于2018-08-07得票数 2
回答已采纳
我是这个深入学习的新手，我试着为印度肝脏数据集执行一维CNN。我在Spyder上写了一些代码，数据形状出现了错误。我不知道怎么解决。你们能帮帮我吗？这是我的代码和数据
import pandas as pd
import numpy as np
data = pd.read_csv("C:/Users/burak/Masaüstü/liverdata.csv")
X = data.drop(["Gender","Dataset"], axis=1)
y = data["Dataset"]
from sklearn.model
浏览 1提问于2019-12-05得票数 0
1回答
输入形状和Keras
、、、、
我有一组训练数据，其中每个输入都是长度为138的向量。我有519个这样的向量，批次大小为519。这些不是图像，而是实数。 我试着从2层密集的Keras模型开始： model = keras.Sequential([
layers.Dense(200, activation=tf.nn.relu, input_shape=[138]),
layers.Dense(200, activation=tf.nn.relu),
layers.Dense(1)
]) 当我构建模型时，我得到了以下错误： Error when checking input: expected den
浏览 9提问于2019-01-04得票数 0
我是tensorflow的新手，我正在努力学习如何在一批来自时尚MNIST的数据上使用子类API。但是我一次又一次地得到同样的形状错误，我找不到它的来源。这是我的代码：
import tensorflow as tf
from tensorflow import keras
import os
import sys
assert sys.version_info >= (3, 5)
import sklearn
assert sklearn.__version__ >= "0.20"
import numpy as np
import matplotlib
f
浏览 2提问于2022-07-12得票数 1
我正在使用下面提到的代码在Keras中运行神经网络。有3个唯一的目标变量和13个输入变量。我收到错误: ValueError: logits和标签必须具有相同的形状((5，3) vs (5,121))。我找不到这里的错误。有人能帮上忙吗 import pandas
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from keras.utils import np_utils
from sklea
浏览 34提问于2021-10-14得票数 0
1回答
我正在尝试加载一个Keras模型，并使用它进行预测，结果遇到了一个奇怪的错误。最起码的例子如下：
from keras import models
import numpy as np
model = models.load_model('model_4hiddenLayers_16unitsPerLayer_relu_learningRate0p0001.h5')
x = np.ones(36, dtype=float)
prediction = model.predict(x )
模型期望输入形状为(36，)，这应该是x的形状，我对此进行了验证：
print('x
浏览 0提问于2018-10-15得票数 2
2回答
在keras中运行文本分类模型时，调用model.predict函数时出现以下错误。我到处都找遍了，但对我不起作用。
ValueError: Error when checking input: expected dense_1_input to have shape (100,) but got array with shape (1,)
我的数据有5个类，总共只有15个例子。下面是数据集
query tags
0 hi intro
1 how are you wellb
2
浏览 4提问于2018-07-19得票数 12
回答已采纳
我试图用SVC在sklearn上解决一个文本分类问题。我还想检查哪一个向量器最适合我的数据:单词包CountVectorizer()或TF-IDF TfidfVectorizer()
到目前为止，我所做的是分别使用这两个向量器，一个接一个，然后比较它们的结果。
# Bag of Words (BoW)
from sklearn.feature_extraction.text import CountVectorizer
count_vectorizer = CountVectorizer()
features_train_cv = count_vectorizer.fit_transform(
浏览 0提问于2019-08-05得票数 2
回答已采纳
我正在使用keras调谐器来优化超参数:隐藏层、神经元、激活函数和学习率。我有31个输入，32个输出，N个数据样本的时间序列回归问题。
我的原始X_train形状是(N,31)，Y_train形状是(N,32)。我将其转换为keras形状，并重塑X_train和Y_train，如下所示: X_train.shape：(N,31,1) Y_train.shape：(N,32)。
在上面的代码中，X_train.shape(1)是31，Y_train.shape(1)是32。当我使用超参数调整时，它显示ValueError:层lstm_1的输入0与层不兼容:期望的ndim=3，发现ndi
浏览 8提问于2021-04-25得票数 1
我试图通过构建来学习人工智能算法。我发现了一个关于堆栈溢出的问题，即。我复制了这段代码来试一试，然后把它修改成这样。
import numpy as np
import tensorflow as tf
from tensorflow import keras as keras
from tensorflow.keras.layers import Dense, Activation
from tensorflow.keras.models import Sequential
from sklearn.model_selection import train_test_split
import
浏览 1提问于2021-02-17得票数 1
回答已采纳
这就是我想要运行的代码
X_train = data1/255.0
from sklearn.preprocessing import LabelBinarizer
lb = LabelBinarizer()
trainY =lb.fit_transform(label)
from tensorflow.keras.models import Model
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import AveragePooling2D
from tensorflow.keras
浏览 2提问于2022-10-17得票数 -1
回答已采纳
我得到一个错误：
Error when checking input:
expected embedding_1_input to have shape (50,) but got array with shape (1,)
当我将输入参数input_length改为1时，错误变成：
Error when checking input:
expected embedding_1_input to have shape (1,) but got array with shape (50,)
我的代码如下：
from sklearn.feature_extraction.text import
浏览 0提问于2020-02-06得票数 0
1回答
所以我在这里不知所措。我训练了我的模型，一切正常；但是当我尝试使用预测方法时，我得到了以下错误：
ValueError:在检查输入时出错:期望dense_1_input具有形状(64 )，但得到带有形状(1，)的数组
我觉得很奇怪，因为我给的输入是(64，)，我甚至用cli返回了这个形状
print(type(test_x[0]))
print(test_x[0].shape)
回传
<class 'numpy.ndarray'>
(64，)
在我看来，当我使用
print(str(np.argmax(model.predict(test_x
浏览 1提问于2021-08-10得票数 0
回答已采纳
我加载了保存的模型，并且出于精益求精的原因，我在加载模型的输出中添加了分类层，因此我编写了以下内容：
def create_keras_model():
model = tf.keras.models.load_model('model.h5', compile=False)
resnet_output = model.output
layer1 = tf.keras.layers.GlobalAveragePooling2D()(resnet_output)
layer2 = tf.keras.layers.Dense(units=256, u
浏览 2提问于2020-10-09得票数 3
1回答
我对Keras很陌生，我正试着测试一个我刚刚训练过的模型。
我正在使用Tensorflow后端和Python 3。
但是，输入的形状与Keras表示的错误形状完全不同。这是我的密码：
testnote = np.zeros((3,))
testnote[0] = 70
testnote[1] = 70
print(testnote.shape)
pred = model.predict(testnote)
print(pred)
我的一致输出是"(3，)“用于测试注释的形状，然后是对我的预测行的一个错误："ValueError:当检查输入时出错:预期的dense_1_input
浏览 0提问于2018-08-08得票数 3
回答已采纳
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
import tensorflow.keras as keras
dataset = pd.read_csv('C:\\Users\\Maxie\\MyStuff\\FinalDatasetEng.csv')
inputs = dataset.iloc[:, 2:54].values
targets = dataset.iloc[:
浏览 9提问于2021-06-06得票数 0
回答已采纳
1回答
我尝试从我的LSTM模型中预测一个结果
我的模型有n_features = 32和time_step = 100，代码如下
model = tf.keras.Sequential([
tf.keras.layers.InputLayer( input_shape=(time_step , n_features)),
tf.keras.layers.LSTM(64),
tf.keras.layers.Dense(1)]
)
我使用生成器训练我的模型
generator = TimeseriesGenerator(x_feature,y_target,length=time_st
浏览 0提问于2020-03-21得票数 0
1回答
我想做一个文本分类问题，我想训练使用阿达博斯特分类器从sklearn使用Keras估计器。我知道如何使用Keras来使用sklearn函数。所以这不是问题所在。我有一个3D输入数据(number_sentences，number_words，功能)，当我检查Adaboost的源代码时，它显示X只能是1D或2D。
为什么是这样？
对于我来说，还有其他方法来使用Adaboost来处理3D输入数据吗？
浏览 0提问于2016-10-27得票数 0
我正在尝试创建一个CNN模型。x_train数据的形状是(8040,128)，y_train数据的形状是(8040，1)。类似地，x_test数据的形状是(3960,128)，y_test数据的形状是(3960，1)。
加载您的数据：
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(data,out_data,test_size=0.33, random_state=21)
print(x_train.shape,y_train.shape)
浏览 19提问于2021-02-25得票数 0
1回答
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。它给出了一个Conv2D共享层的示例，如下所示： a = Input(shape=(32, 32, 3))
b = Input(shape=(64, 64, 3))
conv = Conv2D(16, (3, 3), padding='same')
conved_a = conv(a)
# Only one input so far, the following will work:
assert conv.input_shape == (None,
浏览 19提问于2019-01-03得票数 2
回答已采纳
1回答
我正在尝试建立一个CNN，它可以将3D MRI文件分为两类，基本上是有病或无病。我做了很多谷歌搜索，似乎一致认为2D CNN是最好的，因为数据是黑白的，因此降低了维度。
我在Google Colab上工作，然后我把所有东西都转移到远程工作站上运行，我正在使用数据的一个子集让它在我运行它之前工作，但我有20个B&W文件(189,233,197)。下面是我到目前为止的代码：
import numpy as np
import glob
import os
import tensorflow as tf
import pandas as pd
import glob
pip install
浏览 7提问于2020-08-13得票数 0
1回答
用PCA降低CNN训练集中的#维
、、、、
短版本：--我很难用PCA减少训练数据的维数。训练数据是为二维CNN建立的，它将图的图像分类为三类。
模型的目的
我是主成分分析的新手。我有一个2D卷积神经网络，它将图的图像(36乘36 px)分类为三类之一，如下所示：
改进模型
我意识到大部分像素都是白色的，所以CNN的效率很低，训练时间也很长。我意识到了降维技术，并尝试使用PCA。我将我的训练图像转换为灰度，并将“特征图”可视化(如左所示)。然后，我从特征图(如右图所示)重建原图。
X=grayscale
pca_oliv = PCA(n_components = 36)
X_proj = pca_oliv.fit_transf
浏览 5提问于2021-08-15得票数 1
回答已采纳
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.fashion_mnist.load_data()
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255
x_train.shape #Shape is (60000, 28, 28)
然后以60k为样本，确定输入形状为28,28,1。
model2 = tf.keras.Sequential()
# Must define the inp
浏览 3提问于2020-01-29得票数 0
回答已采纳
我使用的是以下代码：
import pandas as pd
import numpy as np
from nltk.tokenize import word_tokenize
import re
使用TFIDF矢量化
from sklearn.feature_extraction.text import TfidfVectorizer
tv=TfidfVectorizer(max_df=0.5,min_df=2,stop_words='english')
加载数据文件
df=pd.read_json('train.json',orient='colu
浏览 13提问于2018-09-03得票数 2
回答已采纳
我正在使用Keras的函数式API构建一个多输入、单输出的CNN。有微笑数据输入，是一维序列和蛋白质，也是一维序列。我有以下数据类型和结构： #type(test_protein)#numpy.ndarray of <class 'numpy.ndarray'> #int32
#type(val_protein)#numpy.ndarray of <class 'numpy.ndarray'> #int32
#type(train_protein)#numpy.ndarray of <class 'numpy.ndarra
浏览 15提问于2021-06-19得票数 0
回答已采纳
1回答
我是机器学习方面的新手。我正在制作一个流光应用程序，用于使用人工神经网络进行多类分类。我的问题是关于ANN模型，而不是关于Streamlit。我知道我可以使用MLPClassifier，但是我想建立和训练我自己的模型。因此，我使用了以下代码来分析以下数据。
-
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import tensor
浏览 8提问于2022-09-24得票数 1
我已经将我的数据集分成了X_train和y_train数据格式，它们的形状分别为(371,5)和(371)，我不明白为什么我总是得到上面的错误。代码如下：
`
import tensorflow as tf #machine learning
from sklearn import metrics
model = tf.keras.Sequential()
model.add(tf.keras.layers.Flatten(input_shape=(1, 5)))
model.add(tf.keras.layers.Dense(200, activation = 'sigmoid&#
浏览 1提问于2022-10-31得票数 0
我正在对1000个分子进行二进制分类，并以微笑作为输入。我的数据集来自<moleculenet.org>，生物物理学的艾滋病病毒数据。我首先给他们做了标记，然后给他们做了衬垫。
data = slice(1000)
data1 = df[data]
tokenizer = tf.keras.preprocessing.text.Tokenizer(
vocab_size, filters="", char_level=True)
tokenizer.fit_on_texts(data1.smiles)
seqs = tokenizer.texts_to_sequen
浏览 38提问于2021-12-12得票数 0
回答已采纳
2回答
线性回归值误差
、、、、
我一直在尝试使用滑雪板进行线性回归。有时我会得到一个值错误，有时它可以正常工作。我不知道该用哪种方法。错误消息如下：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/linear_model/base.py", line 512, in fit
y_
浏览 3提问于2017-05-15得票数 1
回答已采纳
1回答
调用层“顺序”时遇到的异常
、、、、
我正在尝试使用tensorflow和keras构建一个文本生成器。我正在使用train.py文件中的代码，这些代码可以在以下网站上找到：。下面是我正在运行的代码的片段。在这里，"inputz“是用于训练模型的文本字符串的变量名：
import tensorflow as tf
import numpy as np
import os
import pickle
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, LSTM, Dropout
from strin
浏览 1提问于2021-11-24得票数 0
我想用Keras实现CNN模型。我的数据的形状分别为NHW (N，40，4)。你可以看到它是一个大小为40x4的灰度图像。我想跨越内核，它的大小(3，4)刚好在高度轴上，所以它应该计算3整行的结果。正如您所看到的，没有通道(这意味着我有一个3张)，但是Keras Conv2D层需要一个NHWC (4张)的形状。无论如何，我都通过以下命令进行了尝试，但显然会导致一个错误：
tf.keras.layers.Conv2D(8, kernel_size=(3, 4), activation="relu", input_shape=(40, 4)
ValueError:层顺序的输入0与
浏览 2提问于2021-03-17得票数 0
1回答
我对医学图像配准非常陌生。
我正在尝试配准两个CT卷，第一个是轴向扫描，大小为(384,384,31)，间距为(0.57,0.57,4.8)；第二个是矢状扫描，大小为(384,384,15)，间距为(0.67,0.67,2.2)，以便使用它们之间的重叠区域来创建超分辨率并获得各向同性扫描。
所以问题是体积有不同的方向，以及不同的视野。也就是说，矢状扫描中的轴向切片只包含轴向扫描中存在的一小部分，换句话说，我需要裁剪轴向扫描中的轴向切片以匹配矢状切片的视场，依此类推，以便为simpleitk刚性配准算法创建掩模。
我还认为我需要在某个时候对两个卷进行重新采样的掩码。
我的问题是，如何创建掩码，以
浏览 4提问于2018-07-13得票数 1
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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
