我正在尝试使用Keras中的函数API实现一个自定义的CNN模型，如附图所示。我已经编写了实现主分支的代码，但在添加1x1卷积作为快捷连接时遇到了问题。在最大池化层之前，为每对卷积块添加快捷卷积。
浏览 26提问于2020-07-31得票数 1
回答已采纳
1回答
______________________我想将反褶积应用于任何特定的层，我想我应该使用Conv2DTranspose层，但我似乎无法理解其中涉及的参数。请帮帮忙
浏览 2提问于2019-01-04得票数 0
回答已采纳
我正在使用tensorflow ，并试图按照tensorflow 重新训练最后一个层。我每个类别有1000张训练图像，只有4类。使用200 k迭代，我可以达到90%的成功分类，这并不坏，但仍然需要一些工作：
这里的问题是，这个预先训练的模型只需要300*300 p图像作为输入。显然，我试图在文档中识别的特性所涉及的字符会造成很多混乱。我会得到更好的结果与家庭制造和更简单的模式？
浏览 3提问于2017-09-28得票数 2
回答已采纳
我希望在Keras中使用快捷连接来实现ResNet网络，这些快捷连接在特性/通道维度不匹配时添加了零个条目，根据最初的文章：
当维度增加时(图3中的虚线快捷键)，我们考虑两个选项：(A)快捷方式仍然执行标识映射，为增加维度添加了额外的零项.当维度不匹配时，我发现的所有实现都使用1x1卷积技巧来实现快捷连接</
浏览 7提问于2016-05-04得票数 2
回答已采纳
1回答
我在一个项目中使用Keras。我想知道在卷积层中添加任何类型的正则化组件(如内核、偏差或活动正则化)是否有任何意义，即Keras中的Conv2D。如果是，那么哪种正则化对conv2d层最有用偏向正如所解释的这里，正则化技术是有用的完全连接(密集)层。conv2D有这样的直觉/逻辑吗？
浏览 0提问于2018-11-19得票数 6
回答已采纳
1回答
TensorFlow模型语法
、、、、
我是神经网络和Tensorflow的新手model = tf.keras.models.Sequential([tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(150, 150, 3)), tf.keras.lay
浏览 3提问于2020-08-16得票数 0
回答已采纳
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(我使用tensorflow 1.15，ubuntu18
浏览 9提问于2020-01-01得票数 2
3回答
因此，我是计算机视觉的新手，我不知道keras中的层是做什么的。在keras中添加层(dense、Conv2D等)有什么用？他们给它添加了什么？
浏览 1提问于2020-03-04得票数 2
在我建立了卷积层之后，我被卡住了。我们如何输出5个数字，每个数字有10个类？一些人建议在最终的卷积层之后使用5个独立的完全连接的层。但是我们如何在Keras中为5个独立的FCs编码呢？
浏览 0提问于2016-09-30得票数 0
我尝试使用TensorFlow的内置优化器函数。当输入必须以这种方式指定时，我如何在TensorFlow中优化函数？不幸的是，这些占位符不是首先通过Variable传递的，我必须将该模型视为一个黑盒。
浏览 0提问于2017-10-01得票数 0
2回答
我在Keras中使用下面的模型来拟合函数y:R^3\to R。from keras.models import Sequentialmodel.add(Denseaccuracy'])predictions = model.predict(x_test)
为了训练，我使用</
浏览 0提问于2019-11-28得票数 1
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
浏览 20提问于2020-11-02得票数 0
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
我想知道是否通过将activity_regularizer='l1_l2'作为参数传递给Conv2D()来创建模型model.add(Conv2Dhistory = model.fit(X_train, y_train, epochs = 10, validation_data = (X_val, y_val), verbose=0)model.add(Conv2D(filters=16, kern
浏览 7提问于2022-10-06得票数 1
回答已采纳
我创建了以下CNN模型： tf.keras.layers.Conv2D(16, 4, strides=4, input_shape=(12,12,1)), tf.keras.layers.Conv2D(model.summary())
我的意思是，seperableConv2D层将创建一个单独的3
浏览 2提问于2022-09-21得票数 0
回答已采纳
我想要创建一个模型，由两个卷积，一个扁平，和一个密集的层在Keras。这将是一个具有共享权重的模型，因此没有任何预定义的输入层。可以使用顺序方式：model.add(tf.keras.layers.Conv2D(10,3,2,'valid',activation=tf.nn.relu))
model.add(tf.keras.layers.
浏览 3提问于2021-04-02得票数 1
回答已采纳
假设我有一个简单的神经网络，它有一个输入层和一个在tensorflow中编程的卷积层： input_layer = tf.reshape(features["x"],如果我想在这个卷积层之后添加一个LSTM层，就必须将卷积层 (用keras语言)，然后将TimeDistributed层的输出放到LSTM<em
浏览 2提问于2017-11-07得票数 15
回答已采纳
2回答
第四层张量如何让卷积消耗？
、、、、
我试图在tensorflow模型中添加预处理层，但无法正确地使用tf.keras.layers.Reshape。我试图将这些预处理层连接到模型的第一层是一个卷积层，它需要一个四维的输入。但是，我想使用tensorflow层来实现这一点，这样我就可以将预处理和模型推断保存到一个保存的模型格式tensorflow文件中，而无需进行python预处理。
浏览 24提问于2022-09-20得票数 1
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
