我一直在尝试使用tf.keras.layers.Reshape函数将其重塑为NCHW格式，但最终的xml文件输出如下： 重塑为(1,6,26,26)后有一个转置图层，最终形状为(1,26,6,26)我不确定为什么会有转置图层
浏览 13提问于2021-01-31得票数 0
1回答
在Keras中重塑图层
、、、、
'adam', sample_weight_mode='temporal')
model.fit(x_train,y_train,batch_size=batch_size,epochs=3) 我一直在研究重塑图层是如何工作的
浏览 18提问于2019-08-23得票数 1
回答已采纳
我有一个具有多变量的数据集，我正在尝试重塑LSTM神经网络，但我正在努力重塑图层，但没有成功。 我的数据集的形状为(1921535，6)，每341个时间步对应一个样本。我想在(23,341，6)中重塑它，并在Model中输入它。在我的代码下面。max_length = 341
model = tf.keras</em
浏览 25提问于2020-12-03得票数 0
回答已采纳
对于自定义层，我希望使用基本操作，这些操作总是生成以下形式的产品 (a,b) 为了获得一致的解决方案，我还需要将其引入到表单(None,a,b)中。如何在当前版本的tensorflow中做到这一点。
浏览 7提问于2020-10-06得票数 0
train_x.shape[1],train_x.shape[2],train_x.shape[3]), batch_size=None)y = tf.keras.layers.Conv1D(128, 9, activation='relu')(inputs)y = tf.keras.layers.Conv2D(32, (1,1), activation(y,(n, 1, kc//1, t, v))
y = tf.einsum(&#
浏览 28提问于2020-08-10得票数 1
2回答
我正在进行3维时间序列的预测，想知道是否有可能在Keras中配置一个模型来输出一个矩阵。 目前，我一个接一个地训练了3个回归模型，一个用于预测每个输出维度。例如，在预测水平为10个样本的情况下，每个模型输出一个10x1向量。然而，似乎使用单一模型可以更有效地实现这一点。 谢谢
浏览 19提问于2019-04-24得票数 1
(图层、权重、original_keras_version、original_backend、重塑) 555权重=convert_nested_time_distributed(权重) 556 elifpreprocess_weights_for_loading在“模型”中：-- 557权重=convert_nested_model(权重) 558 559如果original_keras_versionin preprocess_weights_for_loading(图层</e
浏览 0提问于2018-08-21得票数 8
回答已采纳
在我的数据集中，单个输入和输出的形状是15 x 61。我指定input_shape=(15,61)。这意味着15x61到15x61之间的映射，这不是一个分类问题。输出层中的单位规格应该是什么？model = tf.keras.models.Sequential([tf.keras.layers.Dense(units=128,input_shape =(15,61),tf.keras
浏览 6提问于2019-09-14得票数 0
1回答
在下面的示例中，我认为最后一行应该返回形状为[5,1]的张量对象。但是，会抛出一个错误，声明形状[5]张量不能重塑为大小[5,5,1]张量。>>> from keras.layers import Reshape>>> import numpy as np
>>> x有没有人能解释一下重塑图层是如何工作的(也就是为什么它会增加额外的暗度)，以及如
浏览 1提问于2018-08-10得票数 5
回答已采纳
([ keras.layers.Flatten(),keras.layers.Dense(32, activation='relu', kernel_initializer=keras.initializers.RandomUniform(maxval=,
keras.layers.Dense(2, activation
浏览 41提问于2020-10-28得票数 1
回答已采纳
我想使用图层重塑输入 tf.keras.layer.Reshape(1,28,28) 来获得像[1224, 1, 28, 28]这样的东西 我可以处理的。(shape=(51, 28, 28))res2 = tf.keras.layers.Reshape((5
浏览 14提问于2019-04-14得票数 1
回答已采纳
你好，我很难理解这一点，事情是这样的，我试图获得与给我项目的人相同的输出，但似乎我在这个过程中做错了什么，这是给定的输出The output i want to have和我拥有的输出：The outputi have 下面是我的代码： #the keras model/graph would look something like this:Track2Vec.compile(loss='binary_crossentropy&#
浏览 33提问于2021-01-24得票数 0
我尝试在最后一个轴之外连接keras层。concat_layer = keras.layers.concatenate([layer1,layer2],axis=3);
layer1和layer2的形状都是(?
浏览 1提问于2018-05-06得票数 5
1回答
在我的模型中，一个层的形状是[None, None, 40, 64]。我想把它重塑成[None, None, 40*64]。(为了清楚起见，这不是tf.keras，这只是Keras)。
浏览 0提问于2018-11-23得票数 3
我们知道MultiHeadAttention的Keras提供了一个output_shape参数，您可以在其中指定需要将输出投影到的大小。但是，批处理大小和顺序维度似乎是不可更改的。现在，我想使用另一个自定义层来重塑这个张量(我可以在外部完成它，但是我想把它作为模型的一部分)。但是，正如Keras所认为的那样，我无法重塑3,15,5，这一点可以从"Input to reshape is a tensor with 75 values, but the requested shapehas 225 [Op:Resha
浏览 2提问于2022-07-05得票数 0
回答已采纳
1回答
我想用一个图层重塑输入。得到类似于[1224, 1, 28, 28]的东西这是一个重现错误的最小示例。= tf.keras.layers.Flatten()(cnn1)
model = tf.keras.Model(inputscategorical_crossentropy', metrics=['accur
浏览 0提问于2019-04-12得票数 0
回答已采纳
1回答
我输入星期几作为热编码向量：inputs_weekday = layers.Input(shape=sample_shape_weekday)l4 = tf.keras.layers.Flatten()(previous_layer)c1 = tf.keras.layers.Concatenate
浏览 3提问于2021-10-27得票数 0
1回答
经过一些处理(在神经网络中)后，我将一个特性输入到LSTM中。LSTM只有一个“时间步骤”，我重塑数据输入到LSTM，但得到一个错误，说我有一个4D张量而不是3D。 return tf.keras.layers.multiply(filtered_return = Dense(units=1, activ
浏览 10提问于2022-06-07得票数 0
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？
浏览 0提问于2020-04-13得票数 1
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
