上面是我使用TF2构建的Keras模型。我希望只通过连接层将来自Right Network的预测馈送到批处理归一化层，尽管训练是在上面显示的具有两个输入层的网络上完成的。在预测期间，我只将输入提供给input_5层，以从最终分类层获得输出。我不希望在预测过程中来自左网络的任何贡献。可能的解决方案: 1.保存Target_Model的权重，Batc
浏览 22提问于2020-06-10得票数 1
回答已采纳
我有用CNN嵌入的时间序列。我也有类似图像的数据，我使用RNN嵌入它们。 我想做的是合并两个编码器网络的输出，以训练一个解码器网络，它将预测输入时间序列的下一个时间戳。你会有任何关于如何做到这一点的帮助吗？ 我在Windows10上使用Python (Keras库)。 提前感谢
浏览 47提问于2021-07-18得票数 0
我创建了一个keras子类模型，就像这样： class SubModel(tf.Keras.Model):
self.features = features 注意，在这个模型的call方法中，__init__函数中有一个特征矩阵当我用keras风格训练和评估模型</em
浏览 32提问于2019-09-30得票数 0
回答已采纳
1回答
我目前正在通过Keras CNN对黑色素瘤图像进行分类。这些图像带有元数据-年龄，性别和病变位置。 现在我只是使用图像，结果还可以，但我想看看如果我将元数据添加到模型中会发生什么。我如何准确地将年龄、性别等数据添加到图像中？这是导出的数据帧的屏幕截图-红色是我在CNN中使用的，我想添加绿色部分：https://i.imgur.com/O75LpBx.jpg 如果有一种标准的方法可以做到这一点，如果你能分享它，我将非常感激。我当前的<
浏览 23提问于2019-04-02得票数 1
回答已采纳
我按照一个教程制作了一个Keras LSTM模型，它有80个时间步，每个时间步看80个单词，一次预测一个单词。现在我正在使用functional API创建一个不同的LSTM模型，我不确定我的另一个模型在没有时间分布层的情况下是如何工作的。我将在下面列出第一个LSTM模型。在没有时间分布层的情况下，下面的层如何在同一批处理中的不
浏览 1提问于2019-05-20得票数 1
在一些tf. keras教程中，我看到它们实例化它们的模型类如下：在一些地方，他们使用的是这样的东西：但是在中，它们确实看起来是一样的，但我不确定，也没有明确提到。
浏览 11提问于2021-03-30得票数 8
回答已采纳
1回答
我有一个有两个不同输入的神经网络。输入1是图像数据，输入2是单个浮点数。因此，我的输入是形状为(32,img_dim)和(32,1)的批次大小为32。神经网络的输出层是一个具有线性激活函数(回归)的10+ (可以改变)输出的密集层。我想将输入2中的浮点添加到每个10+输出中。如何将一个简单的值(对批处理中的每个样本不同)添加到整个层(将其广播到10+输出)。例如，对于3的<
浏览 2提问于2017-09-15得票数 2
回答已采纳
1回答
我想在我的项目中将这两个模型连接起来，我在这个领域是相当新的，所以请不要苛刻地评判我。所以这是代码。df_y_train,validation_data=(df_x_test, df_y_test),
callbacks=[monitor],verbose=2,epochs=1000) 在得到模型之后，我想要做出预测。如果我想要预测什么，我如何区分这两者？
浏览 20提问于2020-11-02得票数 0
我正在使用Keras functional API构建一个分类器，并且在dropout层中使用training标志，以便在预测新实例时启用dropout (为了获得不确定性的估计)。为了得到预期的响应，人们需要多次重复这个预测，keras随机激活密集层中的链接，当然这是计算昂贵的。因此，我还希望选择在预测阶段不使用dropout，即使用所有网络链路。有人知道我是怎么做到的<
浏览 0提问于2019-08-19得票数 0
让我们假设我们有两个等价的模型，它们具有相同的输入、层和输出，除了一个是作为tf.keras.Model子类实现的，而另一个是在tf functional API中实现的。这些模型的推理或训练速度是否存在差异？
浏览 10提问于2020-08-20得票数 1
1回答
我想尝试一下关于自动编码器的想法。模型是这样的： input (pictures) - conv2d - pooling - dense - dense(supervised output) - dense - conv - upsampling- output (pictures) 是否可以训练具有dense(supervised output)和output (pictures)所需输出的神经网络？换句话说，我想做一个双向的分类器。
浏览 12提问于2019-10-14得票数 0
回答已采纳
1回答
我有一个数据集，其中有6个可能的标签类型：我想修改这个问题，将标签分开，这样每个样本就可以独立地分类为远/近和小/中/小，每个分类的不同特征作为输入。我的第一个想法是为每个子标签训练两个不同的模型，然后制作一个自定义函数来加入预测，但我想知道在Keras框架中是否有更快的方法来做到这一点。我知道我可以使
浏览 18提问于2020-03-15得票数 3
我正在尝试通过调用Keras模型的predict_proba()来生成类成绩，但是这个函数似乎不存在！因为我在Google上看到了一些例子，所以不推荐它吗？我正在使用Keras2.2.2。
浏览 0提问于2018-10-04得票数 5
回答已采纳
我试图预测我的测试集，并得到以下错误模型是从fromkeras.engine import Module导入的类模型创建的，除了上面提到的包之外，我导入的所有模块都来自tensorflow.keras。我也尝试
浏览 0提问于2020-08-21得票数 0
回答已采纳
我们可以使用predict_classes()函数在Keras中使用序列分类模型来预测新数据实例的类。如何预测使用functional开发的模型的类？例如，我有一个模型(基于函数API )，在最后一层激活了sigmoid，以获得多标签分类中的概率。当我应用model.predict()时，我得到了一系列的概率，即使损失是binary_crosse
浏览 0提问于2020-04-29得票数 3
tensorflow.math.multiply和tensorflow.keras.layers.multiply有什么区别？同样，tensorflow.math.add和tensorflow.keras.layers.add的区别是什么？我之所以有这个问题，是因为当我构建自己的自定义损失函数和度量标准product = multiply([y_true_f, y_pred_f])时，如果我使用from tensorflow.keras.layers**的区别是什么？
浏览 9提问于2020-01-01得票数 2
我想知道是否有任何方法可以在tensorflow中查看模型的参数。在pytorch中有一个命令，即torch.load('/filepath')。
浏览 31提问于2021-11-03得票数 0
1回答
在构建一个使用Tf2.0的模型时，我遵循了TF中的示例。示例的最后一行是 [query_encoding, query_value_attention])model = tf.keras.Sequential()这会产生错误。Found: Tensor("concate
浏览 1提问于2019-11-23得票数 0
回答已采纳
它们实际上是一样的吗？这些差异会影响其他层吗？
浏览 13提问于2018-08-23得票数 4
回答已采纳
2回答
我有8个CNN模型model1, model2, model3, model4, model5, model6, model7, model8，每个都有conv2d，激活层，最大池，失落层。我想要将它们的输出连接起来，使其扁平化，最后编译并拟合它，以便能够对目的进行分类，如下图所示： ? 我在拼接、合并和拟合中感到困惑。例如，我可以使用model1.add(Flatten)单独展平每个模型，然后将它们连接在一起，还是必须连接并展平所有模型？我的python代码如下： merge
浏览 22提问于2019-03-02得票数 3
云服务器
ICP备案
云直播
实时音视频
即时通信 IM
腾讯云开发者
