创建自定义层/函数以重新排列层值的正确方法(使用Tensorflow的Keras)
创建自定义层/函数以重新排列层值的正确方法(使用Tensorflow的Keras)：
在使用Tensorflow的Keras进行深度学习模型开发时，有时需要自定义层或函数来重新排列层值。下面是一种正确的方法：
- 创建自定义层/函数的类：
- 创建自定义层/函数的类：
- 在模型中使用自定义层/函数：
- 在模型中使用自定义层/函数：
这样，自定义的ReshapeLayer层将会在模型中被调用，重新排列输入层的值。
自定义层/函数的优势：
- 灵活性：可以根据具体需求自定义层/函数的行为，满足特定的数据处理需求。
- 可复用性：自定义层/函数可以在不同的模型中重复使用，提高代码的复用性和开发效率。
- 扩展性：可以根据需要添加更多的自定义层/函数，扩展模型的功能和能力。
自定义层/函数的应用场景：
- 数据预处理：对输入数据进行特定的处理，如数据重排、数据归一化等。
- 特征工程：对输入数据进行特征提取、转换或降维等操作。
- 模型定制：根据具体任务需求，设计自定义的层/函数来优化模型性能。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI Lab：https://cloud.tencent.com/product/ailab
- 腾讯云AI开发平台：https://cloud.tencent.com/product/ai
- 腾讯云云服务器CVM：https://cloud.tencent.com/product/cvm
- 腾讯云云函数SCF：https://cloud.tencent.com/product/scf
- 腾讯云人工智能平台AI平台：https://cloud.tencent.com/product/aiplatform
- 腾讯云数据库TencentDB：https://cloud.tencent.com/product/cdb
- 腾讯云对象存储COS：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务：https://cloud.tencent.com/product/tbaas
- 腾讯云物联网平台：https://cloud.tencent.com/product/iotexplorer
请注意，以上链接仅供参考，具体产品选择应根据实际需求和腾讯云官方文档为准。
相关·内容
1回答
在Keras中“淡入”新图层
、、、、
我正在尝试使用tensorflow后端在Keras中实现this文件。 在我的理解中，它们逐渐成长为GAN，随着模型的训练逐渐淡入额外的层块。在迭代过程中，新图层会线性淡入。 我不确定如何引入他们使用的“淡入”。 要做到这一点，Keras，我想我可能需要一个Lambda层--但这就是我所知道的。 有什么建议吗？ 谢谢!
浏览 26提问于2018-12-20得票数 0
回答已采纳
我需要重新排列张量值，然后在Keras中重塑它，但是我正在努力使用Tensorflow后端在Keras中重新排列张量。
这个自定义的层/函数将遍历这些值，然后通过一个似乎没有权重的步长公式重新排列这些值，所以我假设它是无状态的，不会影响反向传播。
但是它需要列表切片：
out_array[b,channel_out, row_out, column_out] = in_array[b,i,j,k]，这只是我正在努力解决的组件之一。
下面是函数/层
def reorg(tensor, stride):
batch,channel, height, width = (tensor.get
浏览 18提问于2019-08-13得票数 0
我想使用tf.keras.TimeDistributed()层与tf.hub inception_v3 CNN模型从最新的TensorFLow V2版本(tf-nightly-gpu-2.0-预览)。输出如下所示。似乎没有完全实现tf.keras.TimeDistributed()来处理tf.hub模型。不知何故，输入层的形状无法计算。我的问题是:有没有解决这个问题的办法？ 使用常规tf.keras.layer的tf.keras.TimeDistributed运行良好。我只想将CNN模型应用于每个时间步。 模型 import tensorflow as tf
import tensorflo
浏览 43提问于2019-05-17得票数 1
1回答
CNN模型预测仅为一级
、、、、
我正在做一个细粒度的分类来分类汽车模型。因此，我使用转移学习ResNet50。据我所知，它在训练中表现很好。但是当我尝试新的图像时，它总是预测一个类。下面是我的密码。
用于培训：
from tensorflow.keras.layers import Input, Lambda, Dense, Flatten
from tensorflow.keras.models import Model
from tensorflow.keras.applications.resnet50 import ResNet50
from keras.applications.vgg16 import VGG16
浏览 0提问于2021-09-13得票数 0
回答已采纳
我使用以下代码创建了一个LSTM模型：
model = tensorflow1.keras.Sequential()
model.add(tensorflow1.keras.layers.LSTM(128, input_shape=(720, 4), return_sequences=True)) model.add(tensorflow1.keras.layers.LeakyReLU(alpha=0.5)) model.add(tensorflow1.keras.layers.LSTM(128, return_sequences=True)) model.add(tensorflow1.ke
浏览 3提问于2021-03-15得票数 0
回答已采纳
我已经训练了一个CNN，并据此保存了它： model = Sequential()
model.add(Flatten(input_shape=train_data.shape[1:]))
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))
model.compile(optimizer='rmsprop',
loss='binary_crosse
浏览 50提问于2019-01-21得票数 8
1回答
我训练了一个定制的YOLOv4模型。然后，我使用以下方法将权重转换为.h5：
之后，我尝试将.h5转换为coreml：
# Custom activation function
from keras.layers import Activation
from keras import backend as K
from keras.utils.generic_utils import get_custom_objects
def mish(x):
return x * K.tanh(K.softplus(x))
get_custom_objects().update({'mi
浏览 6提问于2020-08-27得票数 1
1回答
当我尝试将keras .h5文件转换为tflite时，我得到了一个TypeError。新的层是高斯核(径向基层)。
为了能够保存和加载keras模型，我还在自定义层中定义了get_config()方法。因此，我能够正确地保存和加载模型。
class RBFLayer(Layer):
def __init__(self, output_dim, centers=None, tol = 1e-6, gamma=0, **kwargs):
super(RBFLayer, self).__init__(**kwargs)
self.centers_ = cent
浏览 3提问于2019-09-10得票数 1
我试图加载我在training.So期间保存的keras模型，我去了，在那里我看到了这个。
从by_name=False格式加载权重时，只支持拓扑加载( TensorFlow )。请注意，对于继承自TensorFlow : HDF5负载的用户定义类，拓扑加载在tf.keras.Model和HDF5格式之间略有不同，而TensorFlow格式基于对象本地属性名称加载模型的构造函数中的层。
请你解释一下上面的那个好吗？
浏览 3提问于2020-05-08得票数 4
回答已采纳
我又回到了python，一直在尝试一些关于tensorflow和keras的东西。我想要使用plot_model函数，在整理了一些图形问题之后，我现在得到了这个错误-
TypeError: add_node()接收到一个非节点类对象：
我试着自己找一个答案，但结果很短，因为我找到的唯一答案似乎与tf无关。如有任何建议或替代意见，将不胜感激。这是代码和错误信息-我在这里的第一个问题很抱歉，如果我错过了什么，就让我知道。
我在python3.8中使用miniconda3
import tensorflow as tf
from tensorflow.keras import Model
fr
浏览 8提问于2020-05-05得票数 1
回答已采纳
我已经完成了一个简单的多对一的LSTM模式如下。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.layers import LSTM
from tensorflow.keras.layers import Dropout
model=Sequential()
model.add(LSTM(2**LSTM_units,input_length=data.shape[1],input_dim=data.shape[2],re
浏览 0提问于2020-06-22得票数 11
我希望将分层的多尺度LSTM实现为Keras层。
它发布了，并在tensorflow 中实现。
我的理解是，有一种方法可以将这样一个tensorflow对象封装在Keras中作为一个层。我不知道这有多复杂，但我认为这是可行的。你能帮我怎么做吗？
浏览 3提问于2018-01-01得票数 2
回答已采纳
首先，我对这个库很陌生。我的代码很简单，有输入x和y(x*2)。它应该学习简单的int*2，但它不能。我认为参数可能是错误的，但是我如何确定真正的参数呢？
from tensorflow import keras
import numpy as np
import tensorflow as tf
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
import keras
from keras.layers import Input, Dense
import n
浏览 12提问于2020-06-05得票数 0
我已经在TensorFlow 2.0中使用Keras functional API创建了一个RNN，下面这段代码可以正常工作 sum_input = keras.Input(shape=(UNIT_SIZE, 256,), name='sum')
x = tf.unstack(sum_input,axis=2, num=256)
t_sum = x[0]
for i in range(len(x) - 1):
t_sum = keras.layers.Add()([t_sum, x[i+1]])
sum_m = keras.Model(
浏览 69提问于2019-04-30得票数 4
回答已采纳
1回答
model = ResNet50(weights='imagenet', include_top=False, input_shape = (150, 150, 3), pooling = 'max')
final_output = Dense(264, activation = 'softmax')(model.output)
model = Model(inputs = model.input, outputs = final_output)
这是我在colab训练的模型。我试图在Kaggle中加载这个错误：“未知层:函数”
完全回溯：
V
浏览 1提问于2020-08-10得票数 1
我正在尝试使用参数'axis‘执行softmax，我发现唯一的方法是通过函数lambda。下面是我的代码，其中包含一个带有softmax的lambda的激活层：
from keras.models import Model
from keras.layers import Input,Dense,Reshape,Activation
from keras.layers.merge import Multiply,Concatenate
from keras.layers.core import Lambda
from keras.activations import softmax
f
浏览 24提问于2017-06-19得票数 5
因此，这个问题可能源于对tensorflow缺乏了解。但是我正在尝试用tensorflow 2.0构建一个多层感知器，但是没有Keras。
原因是，这是我的机器学习课程的一个要求，我们不使用角。你为什么会问？我不确定。
我已经在tensorflow 2.0中轻松地实现了我们的模型，现在我想在没有keras的情况下做同样的事情。
model = Sequential()
model.add(Dense(64, activation='relu', input_dim=784))
model.add(Dropout(0.5))
model.add(Dense(64, activat
浏览 1提问于2019-11-19得票数 10
当我创建具有一个或多个自定义层的Keras模型时，可以使用model.save()方法以TensorFlow SavedModel格式持久化Keras模型。 我可以使用tf.keras.models.load_model()函数从文件系统中加载此模型，然后再次将其保存到文件系统中。 但当我第二次从文件系统加载SavedModel时，它失败了，并出现以下异常： TypeError: f(inputs, training, training, training, training, *, training, training) missing 1 required argument: train
浏览 107提问于2021-10-29得票数 0
我有一个咖啡层.prototxt文件，我想转换咖啡层在Keras或TensorFlow。有一个层类型："ImagePairData"，我不明白这是什么意思，它转换成Keras或TensorFlow是什么意思？下面是这一层：
layer {
name: "pairdata"
type: "ImagePairData"
top: "data"
top: "label"
image_pair_data_param {
image_dir: "benchmark_val/train/im
浏览 0提问于2018-07-31得票数 1
我训练了一个数字图像并制作了一个模型文件。
相应的调味汁如下。
import os
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
浏览 0提问于2021-02-23得票数 0
回答已采纳
我试图保存一个TensorFlow模型，其中包括一些后处理的标签。
考虑到一些分类标签，我有兴趣培训一个模型(例如，tf.keras.Sequential)，在该模型中，我以前对标签应用了一种单一的编码。这个模型是这样的：
model = tf.keras.Sequential([
tf.keras.layers.DenseFeatures(transform_features),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dense(64, activation='
浏览 0提问于2019-11-25得票数 8
使用Tensorflow 2.3，我有了一个keras模型，其中的函数定义跨越了十几个文件。有一个主文件运行整个过程并进行拟合，当然每个文件都有自己的import语句。该模型在build.py中构建，在compile.py中编译，然后从master.py运行。我知道，如果我想以混合精度进行训练，我需要在编译之前执行以下代码(或一些更长/更短的变体)：
from tensorflow.keras.mixed_precision import experimental as mixed_precision
policy = mixed_precision.Policy('mixed_flo
浏览 0提问于2020-08-04得票数 1
我通过禁用tf2.6版本中的急切执行来保存模型。下面是用于保存和运行的代码片段
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
x = tf.keras.Input(shape=(224, 224, 3), batch_size=None)
x1=tf.keras.Input(1, dtype=tf.int32)
print(type(x1), type(x)) #<class 'tensorflow.python.framework.ops.Tensor'> <class
浏览 2提问于2022-02-04得票数 1
回答已采纳
2回答
我正在使用insider作为TensorFlow中的数据集进行内部威胁检测.
以下是代码：
import numpy as np
import pandas as pd
import tensorflow as tf
from tensorflow import feature_column
from tensorflow.keras import layers
from sklearn.model_selection import train_test_split
from pandas.api.types import CategoricalDtype
#Use Pandas t
浏览 3提问于2020-07-03得票数 0
回答已采纳
嗨，我在保存和加载一个tensorflow模型时遇到了一些严重的问题，这个模型结合了人脸转换器和一些自定义的层来进行分类。我使用的是最新的Huggingface transformers keras版本。其思想是使用distilbert提取特征，然后通过CNN运行特征进行分类和提取。只要得到正确的分类，我已经做好了所有的工作。
问题是在训练后保存模型，然后再次加载模型。
我使用的是tensorflow keras和tensorflow版本2.2
以下是设计模型、训练模型、评估模型，然后保存和加载模型的代码
bert_config = DistilBertConfig(dropout=0
浏览 31提问于2020-05-17得票数 3
我是TensorFlow和Keras的新手，我一直在做一个扩展的resnet，并且希望在一个层上添加实例规范化，但是我不能这样做，因为它一直在抛出错误。
我使用的是tensorflow 1.15和keras 2.1。我注释掉了工作的BatchNormalization部件，我尝试添加实例规范化，但是它找不到模块。
非常感谢你的建议
from keras.layers import Conv2D
from keras.layers.normalization import BatchNormalization
from keras.optimizers import Nadam, Adam
fr
浏览 2提问于2021-06-22得票数 1
回答已采纳
我在使用keras的expand_dims函数时遇到了问题。下面是一个简单的示例： 下面的代码可以工作： import tensorflow as tf
from tensorflow.python.keras.layers import Input, Lambda
from tensorflow.python.keras.models import Model
from tensorflow.python.keras.backend import expand_dims
def add_fun(x):
return tf.add(x[0], x[1])
in_1 = Input(s
浏览 37提问于2019-01-25得票数 2
回答已采纳
1回答
我有一组100x100图像，以及一个与输入的大小相对应的输出数组(即长度为10000)，其中每个元素可以是1或0。
我试图用TensorFlow/Keras编写一个python程序来训练CNN关于这些数据，但是，我不知道如何设置处理它的层，或者要使用的网络类型。
目前，我正在做以下工作(基于TensorFlow教程)：
model = keras.Sequential([
keras.layers.Flatten(input_shape=(100, 100)),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.
浏览 0提问于2018-08-24得票数 0
回答已采纳
我尝试在我的机器上托管一个图像分类模型，我试图实现本文中给出的步骤。
我使用的代码片段是：
import tensorflow as tf
# The export path contains the name and the version of the model
tf.keras.backend.set_learning_phase(0) # Ignore dropout at inference
model = tf.keras.models.load_model('./model_new.hdf5')
export_path = './model/1
浏览 0提问于2019-03-21得票数 1
2回答
我想调整一个张量(层间)，例如(None，2，7,512)到(None，2，8,512)，方法是插值它(比如使用最近的邻居)，类似于Tensorflow中可用的这个函数tf.image.resize_nearest_neighbor。
有什么办法吗？
我尝试直接使用Tensorflow函数tf.image.resize_nearest_neighbor并将张量传递给下一个Keras层，但是在下一层中引发了此错误：
AttributeError：“张量”对象没有属性“_keras_history”
我相信这是由于Tensorflow张量中缺少的一些属性，这是有意义的，因为层期望Keras
浏览 3提问于2017-09-26得票数 1
回答已采纳
1回答
从功能模型中删除重缩放层
、、、
有没有一种方法可以从功能模型中删除重缩放层？
我正在尝试从这个模型中删除重缩放层：
efficientnetb0_model.layers[0:10]
输出：
[<tensorflow.python.keras.engine.input_layer.InputLayer at 0x18d5e873d90>,
<tensorflow.python.keras.layers.preprocessing.image_preprocessing.Rescaling at 0x18d5e8a2d00>,
<tensorflow.python.keras.layers.p
浏览 3提问于2021-07-17得票数 1
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
2回答
为什么举重只适用于训练？
、、、
调用fit函数后，我可以看到模型在训练中收敛，但在调用评估方法之后，它的作用就好像模型根本没有做过拟合一样。最好的例子是在下面，我使用培训生成器进行培训和验证，并得到不同的结果。
import tensorflow as tf
from tensorflow.keras.callbacks import ModelCheckpoint
from ImageGenerator import ImageGenerator
if __name__== "__main__":
batch_size=64
train_gen = ImageGenerator(&#
浏览 2提问于2021-11-24得票数 0
回答已采纳
当我试图在keras功能模型的定义中使用tf.map_fn时，我得到了错误：
TypeError: Could not build a TypeSpec for <KerasTensor: ...
例如，这个简单的模型将触发tf-nightly 2.5.0中的错误：
import tensorflow as tf
from tensorflow.keras.layers import Input
from tensorflow.keras.models import Model
x = Input(shape=(10,))
y = tf.map_fn(lambda x : x *
浏览 1提问于2021-01-20得票数 3
1回答
我使用本机和后端tensorflow创建了完全相同的网络，但是在使用不同参数数进行了许多小时的测试之后，我仍然不知道为什么keras的性能优于本地tensorflow，并产生了更好(稍好但更好)的结果。
Keras是否实现了不同的权值初始化方法？或者执行不同的重量衰减方法，而不是tf.train.inverse_time_decay？
附注：分数的差别总是像
Keras with Tensorflow: ~0.9850 - 0.9885 - ~45 sec. avg. training time for 1 epoch
Tensorflow Native ~0.9780 - 0.9830 -
浏览 1提问于2017-01-21得票数 4
我使用Layer 2.1.0在tf.keras中实现了一个自定义TensorFlow。
在过去，当使用独立的Keras时，在任何自定义层中定义compute_output_shape(input_shape)方法是很重要的，这样就可以创建计算图。
现在，迁移到TF2之后，我发现即使我从我的自定义实现中删除了该方法，该层仍然可以正常工作。显然，它工作在渴望和图形模式。这就是我所指的例子：
from tensorflow.keras.layers import Layer, Input
from tensorflow.keras.models import Sequential
import nu
浏览 2提问于2020-04-30得票数 8
回答已采纳
1回答
from tensorflow.keras.models import Sequential
from tensorflow.keras.optimizers import Adam
from tensorflow.keras import layers
model = Sequential([layers.Input((3, 1)),
layers.LSTM(64),
layers.Dense(32, activation='relu'),
layers.
浏览 9提问于2022-10-26得票数 0
2回答
基本神经网络结构的理解
、、、
现在，如果我使用Keras，并且input_shape大于10，它将如何在其中进行调整。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
model = Sequential()
model.add(Dense(10, activation = 'relu', input_shape = (64,)))
model.add(Dense(3, activation = 'sigmoid'))
model.summary(
浏览 1提问于2020-06-10得票数 0
我目前正在Tensorflow中设计一个NoisyNet，我需要为它定义一个定制层。在复制包含该自定义层的模型时，python会引发错误ValueError: Unknown layer: NoisyLayer。该层的实现由here提供。 目标是复制一个网络，创建它的第二个实例。为此，我使用命令net_copy = copy.deepcopy(net_original)，只要我不在要复制的模型中包含上面提到的定制层，该命令就有效。我看到有一种方法可以指定自定义属性(如自定义层)来保存和加载，但我找不到一个类似的命令来处理copy.deepcopy()，因为副本是通过import copy导入
浏览 30提问于2019-05-13得票数 1
回答已采纳
我想为回归任务构建一个完全连接(密集)的层。我通常使用TF2，使用Keras API，如下所示： model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(units=2, activation='sigmoid', input_shape=(1, )))
model.add(tf.keras.layers.Dense(units=2, activation='linear'))
model.compile(optimizer='adam', loss='m
浏览 40提问于2020-01-16得票数 2
回答已采纳
嗨，我目前正在开发一个利用LSTM和RNN的公交车到达时间预测系统的项目。将比较这两个框架的结果，以预测我在数据集中包含的delay_in_min数据。我需要帮助，在开发这个项目时，我遇到了一些问题。
我已经尝试使用这个框架来运行我的数据集，用于LSTM和RNN。
**这是我的数据集的一部分：
用于数据预处理
X.shape = (315，5，21)
y.shape = (315，)
我将数据分成三部分(训练:200，验证:50，测试:65)。
LSTM：
from tensorflow.keras.models import Sequential
f
浏览 11提问于2022-06-28得票数 1
1回答
使用自定义激活函数创建模型时出错
、、、、
我正在尝试实现一个基于Tanh激活的自定义激活函数(pentanh)。但是，当我将这个函数添加到我的模型中时，它会引发一个ValueError。 自定义激活函数： import tensorflow.keras.backend as K
from tensorflow.keras.layers import Layer
class Pentanh(Layer):
def __init__(self, **kwargs):
super(Pentanh, self).__init__(**kwargs)
self.supports_masking =
浏览 32提问于2021-06-18得票数 0
回答已采纳
我是Tensorflow/Keras的新手，我一直在关注“用Scikit学习的机器学习”和“Tensorflow”一书。第12章涉及自定义Tensorflow，接下来是相关的笔记本()，我遇到了以下定制模型：
class ReconstructingRegressor(keras.models.Model):
def __init__(self, output_dim, **kwargs):
super().__init__(**kwargs)
self.hidden = [keras.layers.Dense(30, activation="s
浏览 4提问于2020-09-05得票数 2
我有一个用模型子类API在tensorflow 2中编写的模型。它包含一个自定义层。问题是，在自定义层中，我需要将输入张量的通道号发送到运行时的Conv2D层。请参阅下面的代码：
自定义层
import tensorflow as tf
class AuxNet(tf.keras.layers.Layer):
def __init__(self, ratio=8):
super(AuxNet, self).__init__()
self.ratio = ratio
self.avg = tf.keras.layers.GlobalAv
浏览 1提问于2020-12-06得票数 4
回答已采纳
1回答
我将LSTM结果与Keras/Tensorflow计算和Numpy计算进行了比较。然而，结果略有不同：
Numpy: [[ 0.16315128 -0.04277606 0.26504123 0.08014129 0.38561829]]
Keras: [[ 0.16836338 -0.04930305 0.25080156 0.08938988 0.3537751 ]]
Keras的LSTM实现不使用tf.contrib.rnn，但Keras直接管理参数，并使用tf.matmul进行计算。我找到了相应的Keras实现，并在Numpy中尝试了相同的计算，但是值略有不同，如上面所示。
我已经检查
浏览 0提问于2018-04-10得票数 2
回答已采纳
当我运行下面粘贴的代码时，模型只是训练“乘数”=1或=4。在google colab→中运行相同的代码只是训练multiplier=1
我在这里使用DenseNet的方式有什么错误吗？
提前感谢，感谢您的帮助！
import numpy as np
import tensorflow as tf
from tensorflow.keras.applications.densenet import DenseNet201
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.losses import BinaryC
浏览 14提问于2021-12-01得票数 0
1回答
我创建了一个keras模型，很大程度上受的影响，它看起来像
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import time
import numpy as np
import sys
from keras import losses
model = keras.Sequential()
model.add(layers.Dense(nodes,activation = tf.keras.activations.relu, input_shape=[le
浏览 2提问于2019-10-25得票数 2
我在项目的其余部分使用Keras，但也希望利用Tensorflow已经实现的Bahdanau注意力模块(请参阅tf.contrib.seq2seq.BahdanauAttention)。我一直试图通过Keras层约定来实现这一点，但不确定这是否合适。
对于以这种方式包装Tensorflow组件以与计算图兼容的方式，是否有一些约定？
我已经包含了到目前为止我已经写好的代码(还不能工作)，如果有任何建议，我将不胜感激。
from keras import backend as K
from keras.engine.topology import Layer
from keras.models i
浏览 0提问于2017-06-01得票数 8
在tensorflow中，我发现张量有两个变量：_shape和_keras_shape。下图是一个例子： ? K.int_shape()将返回_keras_shape。 _shape和_keras_shape有什么不同
浏览 80提问于2019-06-29得票数 0
1回答
如何在CNN中使用黑白图像？
、、、、
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Activation, Dense, Flatten, BatchNormalization, Conv2D, MaxPool2D, Dropout
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.preprocessing.image import ImageDataGenerator
impor
浏览 2提问于2020-08-04得票数 2
回答已采纳
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
腾讯云开发者
