我正在尝试使用tf.keras实现傅里叶卷积神经网络，其中输入和内核被转换到频域，执行元素乘法，然后对输出进行逆转换和裁剪。模型摘要显示在我的FConv2D层中没有用于内核的可训练参数，即使我使用self.add_weight声明了它们。应该有(3*3*in_channels*no_of_kernels)参数。
浏览 23提问于2019-11-22得票数 0
根据卷积定理，卷积在傅里叶域上改变为点乘，并且在以前的许多工作中，如- ，由于卷积运算转换成点乘运算而获得的增益掩盖了采取傅里叶变换的开销。为了复制这一功能，我尝试用一个自定义层替换keras.layers.Conv2D()层，该层接受输入数据的rfft (我在将rfft数据输入到模型中以减少
浏览 0提问于2019-04-01得票数 0
1回答
CNN凯拉斯:将训练多少个重量？
、、、、
我对CNN的理解有点问题。我不太确定有多少过滤器和重量被训练。
示例:我有一个32x32像素和3个通道的输入层(即(32,32,3)的形状)。现在我使用了一个二维卷积层和10个形状的(4,4)滤波器。因此，我最终得到了10个通道，每个通道的形状都是(28,28)，但是现在是为每个输入通道训练一个单独的过滤器，还是它们是共享的呢？我是训练3x10x4x4还是
浏览 1提问于2018-06-05得票数 3
回答已采纳
1回答
计算CNN层数
、、、、
我为我参与的一个项目创建了一个CNN，我需要展示它。问题是，我不确定如何计算层数。这是我的模型：model.add(Conv2D(64,(3,3), input_shape = (40,40,2))) optimizer='SGD',len(model.layers)返回12：
所以我使用了1个输入10个隐藏的1个输出层
浏览 1提问于2019-08-21得票数 4
4回答
不可训练参数的定义是什么？
、、、、
模型中不可训练参数的定义是什么？
例如，当您构建自己的模型时，它的值是0作为默认值，但是当您想要使用初始模型时，它变成了其他的东西，而不是0。这背后的原因是什么？
浏览 1提问于2017-11-15得票数 40
回答已采纳
Keras作为一个层来实现下拉(就像稠密或Conv2D一样)。任何层都具有可训练属性，如果要冻结权重，则可以将其设置为false。由于这里没有权重，所以辍学层的可训练性意味着什么？
浏览 2提问于2017-11-17得票数 2
回答已采纳
4回答
我有大约25k张图像，属于14个不同的类别(不同种类的颈线，例如v形颈，圆颈等)。图像主要包含服装的顶部和/或模型的面部。下面是一些示例：
为了做到这一点，我想在VGG16的第一个块(在imagenet上预先训练)之后提取特征，因为前几个块的特征图将捕获物体、线条、形状等。============Trainable params: 3,305,224,016
Non-tra
浏览 0提问于2018-02-03得票数 2
2回答
上采样卷积没有参数
、、、
我读过许多关于卷积神经网络用于超分辨率或图像分割或自动编码器等的论文。他们在不同的问题中使用了不同类型的上采样、aka反卷积和here上的讨论。Here在Tensorflow中有一个函数Here在Keras中有一些 我实现了Keras one： x = tf.keras.layers.UpSampling1D(size=2)(x) 我用的是从一
浏览 75提问于2020-04-15得票数 0
回答已采纳
2回答
我尝试将ReLU和PReLU应用于CNN层，以比较结果，并尝试了以下代码：model.add(Conv1D(filters, kernel_size, activation='relu'))model.add(Conv1D(filters, kernel_size))Conv1D层是否使用PReLU作为激活函数？我怀疑，因为我打印了模型摘要，它显示了不同参数的CNN和PReLU之间的单独层，
浏览 7提问于2020-04-18得票数 0
回答已采纳
1回答
我在互联网上看到了许多关于如何微调VGG16和InceptionV3的例子。例如，一些人会在微调VGG16时将前25层设置为冻结。对于InceptionV3，头172个层将被冻结。但是resnet呢？当我们进行微调时，我们将冻结一些基本模型的层，如下所示：
base_model = ResNet50(实际上，当我使用VGG16、VGG1
浏览 6提问于2017-10-11得票数 2
1回答
我正在用Python中的TF/Keras做一个机器学习项目，使用卷积神经网络，我的目标是把图像分割成一个补丁，对每个图像分别运行一个卷积，然后把它重新组合起来。我想不出如何做的是对3D数组的每个片段运行一个卷积。。
例如，如果我有一个大小为(500,100,100)的张量，我想对大小为(100 x 100)的所有500个切片进行单独的卷积。我正在自定义<
浏览 2提问于2021-07-19得票数 2
回答已采纳
在一个典型的CNN中，conv层将具有大小为NxM的Y滤波器，因此它具有NxM可训练参数(不包括偏差)。因此，在以下简单的keras模型中，我期望第二个conv层有16个大小的内核(7x7)，从而具有大小的内核权重(7x7x16)。为什么它的重量是实际大小(7x7x8x16)?我理解正在发生的
浏览 2提问于2017-09-29得票数 3
回答已采纳
请对你的想法添加一个最低限度的评论，以便我可以改进我的查询。谢谢。-)
from tensorfl
浏览 3提问于2021-03-18得票数 1
回答已采纳
2回答
我有大量的文本数据在多个网页上的产品，我有兴趣出售给客户。我试着在维基百科上使用预先训练过的快速文本词嵌入，但它并没有给我分类任务带来好的结果。可能是因为网站上的文本数据包含了很多技术细节，它不同于维基百科中的文本数据。因此，我想做一些转移学习的词嵌入，保持预先训练的快速文本词嵌入为基础。我如何使用Keras来训练</e
浏览 2提问于2019-01-24得票数 1
我已经在Keras和PyTorch中实现了一个微小的CNN样本。当我打印两个网络的摘要时，可训练参数的总数是相同的，但是用于批归一化的参数总数和参数数不匹配。以下是CNN在Keras中的实现：
inputs = Input(shape =
浏览 2提问于2020-02-05得票数 11
回答已采纳
2回答
我正在训练一个古吉拉特语的光学字符识别模型。输入图像是字符图像。我上了20节课。训练图像总数为12000个(每个类600个)，测试图像为3,200个(每个类160个)。我应该如何提高我的准确性和减少损失？下面是我的代码：
classifier.add(Conv2D(32, (3, 3), input_shapecategorical_crossentropy', metrics = ['accu
浏览 0提问于2020-09-20得票数 1
https://keras.io/layers/writing-your-own-keras-layers/ 根据这里，无状态的客户操作可以被包装到Lambda层。但是如果有可训练的变量，我们需要实现我们自己的层。我想问一下，是否可以将Lambda层用于固定权重(即预先训练的权重)？ 如果是，如何确保正确加载权重，
浏览 26提问于2019-06-13得票数 1
我知道用于盗梦空间的input_shape是(299,299,3)。但是在Keras中，如果V3是False，则可以构造具有自定义input_shape的include_top版本。"input_shape:可选的形状元组，只有在include_top为False (否则输入形状必须为(299, 299, 3) (有'channels_last'数据格式)或(3, 299, 299) (有'channels_first'
浏览 1提问于2019-02-04得票数 0
回答已采纳
在下面的教程中，将解释当解冻包含BatchNormalization (BN)层的模型时，这些层应该保持在推理模式下，在调用基本模型时传递training=False。一般情况下，其他层的情况并非如此，因为权值可训练性&推理/训练模式是两个正交概念。但在BatchNormalization层的情况下，两者是捆绑
浏览 11提问于2022-02-05得票数 1
回答已采纳
云服务器
ICP备案
腾讯会议
对象存储
实时音视频
腾讯云开发者
