如何在keras中减去频道均值？
在Keras中减去频道均值是为了对图像数据进行预处理，以提高模型的性能和准确性。频道均值是指每个颜色通道（红、绿、蓝）的像素值的平均值。
要在Keras中减去频道均值，可以按照以下步骤进行：
- 加载图像数据集：首先，需要加载图像数据集。可以使用Keras提供的
ImageDataGenerator类来加载图像数据集。 - 计算频道均值：使用加载的图像数据集，可以计算每个颜色通道的像素值的平均值。可以使用NumPy库来计算频道均值。
- 减去频道均值：将计算得到的频道均值从图像数据中减去。这可以通过创建一个自定义的图像数据生成器，并在生成图像数据时减去频道均值来实现。
下面是一个示例代码，演示如何在Keras中减去频道均值：
import numpy as np
from keras.preprocessing.image import ImageDataGenerator
# 加载图像数据集
datagen = ImageDataGenerator()
dataset = datagen.flow_from_directory('path/to/dataset', target_size=(224, 224), batch_size=32)
# 计算频道均值
mean = np.mean(dataset, axis=(0, 1, 2))
# 减去频道均值
def preprocess_input(x):
x -= mean
return x
# 创建自定义的图像数据生成器
custom_datagen = ImageDataGenerator(preprocessing_function=preprocess_input)
custom_dataset = custom_datagen.flow_from_directory('path/to/dataset', target_size=(224, 224), batch_size=32)
# 使用减去频道均值后的图像数据进行训练或测试
model.fit(custom_dataset, ...)在上述代码中，path/to/dataset应替换为实际的图像数据集路径。target_size指定了图像的目标尺寸，batch_size指定了每个批次的图像数量。
值得注意的是，上述代码只是一个示例，实际应用中可能需要根据具体情况进行调整和优化。
推荐的腾讯云相关产品：腾讯云AI智能图像处理（https://cloud.tencent.com/product/aiimage）提供了丰富的图像处理能力，可以用于图像数据的预处理和增强。
相关·内容
1回答
我想使用均值减法和标准化作为我的CNN模型的归一化。我在做Keras的图像分类。 然而，我还没有完全理解使用均值减法，标准化和简单的过程之间的区别，比如重新缩放图像=/255。 在本question中，提到了有三种方法： np.mean(x) # calculates the mean of the array x
x-np.mean(x) # this is equivalent to subtracting the mean of x from each value in x
x-=np.mean(x) # the -= can be read as x = x- np.mean(x)
浏览 37提问于2019-04-18得票数 0
我想知道BatchNormalization在keras中是如何工作的，所以我编写了以下代码：
X_input = keras.Input((2,))
X = keras.layers.BatchNormalization(axis=1)(X_input)
model1 = keras.Model(inputs=X_input, outputs=X)
输入是由两个二维码向量组成的一批，并沿axis=1对其进行规范化，然后打印输出：
a = np.arange(4).reshape((2,2))
print('a=')
print(a)
print('output=
浏览 1提问于2017-11-30得票数 2
1回答
我正在构建一个基于VGG_face keras实现的图像分类器。对我来说，最简单的方法是提取一个csv文件，然后对这些表示进行分类。当我得到表示时，我首先从每个图像中减去整个数据集的平均值。然后我意识到..。可以这么说，我在作弊吗？换句话说，既然我在计算要减去的大平均值时包括了测试图像，那么现在这是否高估了我的精确测量？
浏览 0提问于2018-06-15得票数 0
回答已采纳
我试着把预先训练过的BN重量从一个pytorch模型复制到它的等价Keras模型，但是我总是得到不同的输出。
我读过Keras和Pytorch BN文档，我认为区别在于它们计算“平均值”和"var“的方式。
毕圣火炬：
平均偏差和标准差是在小批次上按维数计算的。
来源：
因此，他们平均超过样本。
喀拉斯：
轴:整数，应该标准化的轴(通常是特征轴)。例如，在Conv2D层之后使用data_format="channels_first"，在BatchNormalization中设置axis=1。
来源：
在这里，他们平均的特征(频道)
正确的方法是什么？如何
浏览 0提问于2019-02-12得票数 3
1回答
我正在使用swift运行我的模型，它是从keras转换而来的，不幸的是，在swift上运行时结果非常糟糕，所以我考虑使用我的预处理程序运行一些东西。然后，我发现coremltools可以在以下代码中使用特定的值缩放和减去输入，如255和-1：
coremltools.converters.keras.convert(model,image_scale=255,red_bias=-1,green_bias=-1,blue_bias=-1)
但是，如果我需要从图像中减去输入图像的平均值并进行归一化，我该怎么办？我应该使用coremltools还是swift？
浏览 0提问于2018-10-29得票数 0
我想做BatchNormalization layer在Keras中做的事情，去掉平均值并存储移动平均值。不幸的是，BatchNormalization layer in Keras总是考虑方差，我不想使用它。 我在考虑使用Average和Subtract图层，但它们不会在训练结束时存储任何内容以供使用。我的想法是，我的层删除并学习平均值，因此当对测试进行预测时，它减去一个常量值。
浏览 26提问于2020-10-31得票数 1
我想将keras .h5模型转换为ONNX模型。但我的模型是经过最后训练的频道，我首先想要的是频道。我发现在keras2onnx.convert_keras中有一个名为channel_first_inputs的争论，但是没有找到在他们的上如何使用它的任何例子。
作为将我的keras模型转换为.engine模型的过程的一部分，我正在执行这个步骤。有没有其他方法可以做到这一点而不需要进行中间步骤呢？
在keras2onnx代码中搜索参数名，我发现了以下用法
在channel_first_inputs='input_1'：中
在channel_first_inputs=[m
浏览 4提问于2020-10-06得票数 2
回答已采纳
1回答
我正在尝试在lstm输出的每个时间步应用平均池化，请找到我的体系结构，如下所示 X_input = tf.keras.layers.Input(shape=(64,35))
X= tf.keras.layers.LSTM(512,activation="tanh",return_sequences=True,kernel_initializer=tf.keras.initializers.he_uniform(seed=45),kernel_regularizer=tf.keras.regularizers.l2(0.1))(X_input)
X= tf.keras.laye
浏览 93提问于2020-12-08得票数 0
1回答
我正在用C++写我的波解码器/编码器。我成功地在不同的样本大小(8、16和32)之间进行了正确的转换，但我需要一些渠道和频率方面的帮助。
频道：
如果我想从立体声转换为单声道：
我只是从一个通道(哪一个?1还是2?)获取数据？
还是把1和2频道的平均值取为单一频道。
如果我想从单声道转换成立体声：(我知道这不是很科学)
我可以简单地将来自单个通道的样本添加到两个立体声通道中吗？
是否有更科学的方法来做到这一点(例如:插值)？
抽样率：
如何改变采样率(重采样)，例如:从44100赫兹到22050赫兹：
对于新的(较低的频率)值，我是否简单地取了2个顺序样本的
浏览 3提问于2012-07-04得票数 0
回答已采纳
1回答
我的数据集是一个具有维数(N，W，H，C)的Numpy阵列，其中N是图像的数目，H和W分别是高度和宽度，C是通道数。
我知道有很多工具，但是我想用Numpy来规范图片。
我的计划是计算三个通道中每个通道的整个数据集的平均值和标准差，然后减去平均值，再除以标准差。
假设数据集中有两个图像，这两个图像的第一个通道如下所示：
x=array([[[3., 4.],
[5., 6.]],
[[1., 2.],
[3., 4.]]])
计算平均值：
numpy.mean(x[:,:,:,0])
= 3.5
计算std：
numpy.std(x
浏览 0提问于2019-02-04得票数 3
回答已采纳
解决环境：...working.失败
PackagesNotFoundError:以下软件包无法从当前频道获得：
keras==1.2.2
若要搜索可能提供所查找的conda包的备用通道，请导航到
https://anaconda.org
并使用页面顶部的搜索栏。
浏览 2提问于2018-11-09得票数 0
我有一个keras模型，我需要减小它的大小。我所理解的是，我可以通过将存储在层中的权重转换为float16或int来减小大小。
我确实尝试过用下面的代码转换float16和int。
# Iterate over all the layers of the network
for layer_idx, layer in enumerate(model.layers):
# If layer has no weights the move to next layer
if not layer.get_weights():
continue
# Get e
浏览 1提问于2018-04-13得票数 0
我需要增加多通道图像，并想使用ImageDataGenerator不幸的是，它只支持1,3和4通道图像，我需要更多。是否可以直接编辑site-package/Keras/preprocessing/image.py，添加必要数量的频道？
if x.shape[self.channel_axis] not in {1, 3, 4, XXX}:
raise ValueError(
'Expected input to be images (as Numpy array) '
'following the
浏览 3提问于2017-01-21得票数 6
我想在我的CNN中添加一个全局时间池层，它有三个不同的池化函数:均值、最大值和L2范数。Keras有均值和最大池化函数，但我还没能为L2找到一个。我如何自己实现这一点？
浏览 5提问于2017-05-02得票数 4
我正在尝试获取一个矩阵，并对该列的平均值周围的每个单元格中的值进行归一化。通过标准化，我的意思是从该列的平均值中减去每个单元格中的值，即从Column1...subtract中的值减去Column1的平均值，从ColumnN中的值中减去ColumnN的平均值。我正在寻找Matlab中的脚本。谢谢!
浏览 0提问于2010-08-04得票数 3
我正在使用。
我见过有一个。此方法似乎调用了 (视情况而定)调用。
preprocess_input有一个mode参数，它期望"caffe“、"tf”或“mode”。如果我在带有TensorFlow后端的Keras中使用该模型，是否应该绝对使用mode="tf"
如果是，这是否是因为Keras加载的VGG16模型使用了经过相同预处理的图像(即将输入图像的范围从0,255更改为输入范围-1,1)？
此外，测试模式的输入图像是否也应进行此预处理？我确信最后一个问题的答案是肯定的，但我希望得到一些保证。
我希望Francois做得对，但是看看，他要么是他，要么是我对m
浏览 0提问于2018-10-31得票数 13
回答已采纳
1回答
我有一个输入和一个输出神经网络，在中间我需要执行小的操作。我有两个输入(来自均值0或平均值1的相同分布)，我需要一次一个输入到神经网络，并比较每个输入的输出。经过比较，我终于生成了模型的预测。执行情况如下：
from tensorflow import keras
import tensorflow as tf
import numpy as np
#define network
x1 = keras.Input(shape=(1), name="x1")
x2 = keras.Input(shape=(1), name="x2")
model = keras
浏览 9提问于2022-07-23得票数 0
回答已采纳
1回答
输入的均值减法
、、、
当我在一个prototxt文件中定义一个二进制prototxt均值文件时，它会自动从输入中减去后台的均值(Caffe内部会减去均值)吗？或者我是否应该编写一个实现(实现从输入中减去均值)来做到这一点？
浏览 1提问于2017-02-27得票数 0
回答已采纳
1回答
我目前正尝试在Keras中使用批处理规范化来实现一个模型。我成功地在培训阶段实施了它。
然而，为了进行测试，批归一化计算整个种群的统计数据(均值和方差)，然后再通过网络进行前向传递(预先计算BN均值和方差，然后保持静态；这与训练阶段形成对比，训练阶段的均值和方差由批决定)。
我对Keras的问题是：
假设(X，y)是整个种群。假设(X_batch，y_batch)是一个批处理(整个种群的子集)
如果我使用
model.test_on_batch(X_batch, y_batch)
如何将X和y的整个总体的均值和方差传递给批-归一化层？有什么办法能让克拉斯自动处理这件事吗？
浏览 1提问于2017-05-24得票数 12
回答已采纳
2回答
我正在努力寻找规范化我的数据集的方法(表示为一个矩阵，以文档为行，以列为特征)，我遇到了一种称为特征缩放的技术。我在维基百科上找到了一篇关于它的文章。
列出的方法之一是标准化，它说“特征标准化使数据中每个特征的值具有零均值和单位方差。”这是什么意思(没有双关语的意思)？
在这种方法中，“我们从每个特征中减去平均值，然后将每个特征的值(均值已经减去)除以它的标准差。”当他们说“减去均值”时，它是整个矩阵的均值还是与该特征相关的列的均值？
此外，如果应用此特征缩放方法，在对数据执行主成分分析(PCA)时，是否不必从列中减去平均值？
浏览 2提问于2014-07-14得票数 1
我有一个回归任务，并正在使用欧几里德距离测量拟合。我不想将均方误差显示为损失，而是显示平方和。也就是说，我只想平方错误项上的和，而不是除以示例数。
在批处理级别上，我可以通过像这样定义自定义丢失(也许我可以直接使用tf.keras.losses.MeanSquareError )来实现这一点：
class CustomLoss(tf.keras.losses.Loss):
def call(self, Y_true, Y_pred):
return tf.reduce_sum(tf.math.abs(Y_true-Y_pred) ** 2, axis=-1)
targ
浏览 5提问于2020-04-26得票数 2
1回答
我有点困惑KL发散是如何应用的，特别是在Keras中，但我认为这个问题对于深度学习应用来说是一个普遍的问题。在keras中，KL损失函数定义如下：
def kullback_leibler_divergence(y_true, y_pred):
y_true = K.clip(y_true, K.epsilon(), 1)
y_pred = K.clip(y_pred, K.epsilon(), 1)
return K.sum(y_true * K.log(y_true / y_pred), axis=-1)
在我的模型中，y_true和y_pred是矩阵；每一行y_t
浏览 0提问于2017-06-05得票数 7
回答已采纳
1回答
我在优化我的密码。现在我有了一个MxN矩阵，我想生成一个平均的MxN矩阵，它是其他行的平均值。
例如:如果我有矩阵A：
1 2 3
3 4 5
2 3 2
在新的矩阵B中，我希望每个矩阵都是其他行的平均值。
平均值(row2，row3)
平均值(row1，row3)
平均值(row1，row2)
我想过很多种方法，但不能避免一个循环
for row=1:3
temp = A;
temp(row,:) = [];
B(row,:) = mean(temp);
end
有什么想法吗？
浏览 0提问于2015-11-16得票数 1
回答已采纳
3回答
我正在用一个非常需要CNN模型的记忆来完成分类任务。这对我在训练中可以使用的批次大小提出了一个很大的限制。
一种解决方案是在训练过程中累积梯度，这意味着模型的权重在每一批之后都不会更新。相反，几个批次使用相同的权重，而每个批次的梯度则是累积的，比单个权重更新操作的平均值还要多。
我正在使用Tensorflow后端Keras，并且我非常肯定Keras没有现成的函数/方法来实现这一点。
如何处理Keras/tensorflow模型？
浏览 1提问于2019-03-20得票数 19
回答已采纳
1回答
我很难想出一个合适的标题，但我只是想编写一些可以自动计算以下简单数学问题的代码：
a，b，c的平均值是25。b，c的平均值为23。'a‘的价值是什么？
对我们人类来说，我们可以很容易地计算出'a‘的值是29，而不需要知道b和c。但我不确定这在编程中是否可行，在编程中，我们编写了一个函数，它的平均值为'a，b，c’，并自动输出'a‘。
浏览 2提问于2016-11-22得票数 0
1回答
我已经下载了手套训练矩阵，并使用它在Keras层。但是，我需要将句子嵌入到另一个任务中。
我想要计算这个句子中所有嵌入词的平均值。
最有效的方法是什么，因为大约有25000句话？
另外，我不想使用Keras中的Lambda层来获取它们的平均值。
浏览 2提问于2020-06-09得票数 0
回答已采纳
2回答
我在Matlab中实现PCA，对零均值步长感到困惑。假设我有一个数据集X的矩阵，每列是一个示例，每行对应一个特征/变量。我认为要去掉平均值，我们应该计算每一行的平均值，然后从同一行的值中减去它，因为我们想要去掉同一变量的平均值。
然而，从斯坦福大学的网站和来看，这似乎不是真的。相反，他们希望删除每个示例的均值。你能帮我核实一下吗？
浏览 1提问于2016-02-11得票数 1
在Keras中，每个时期结束时的验证精度是通过取所有批的平均值来计算的。然而，我希望这个计算考虑到整个验证数据。我怎么能这么做？
浏览 2提问于2020-03-22得票数 0
回答已采纳
3回答
keras 使用axis=-1作为默认值，并声明特征轴通常是规范化的。为什么是这种情况？
我认为这是令人惊讶的，因为我更熟悉使用类似于的东西，这相当于使用axis=0。这将使特征单独标准化。
为什么在默认情况下样本被单独规范化(即axis=-1)，而不是特性呢？
编辑:具体性示例
转换数据以使每个特征的均值和单位方差为零是常见的。让我们考虑一下这个模拟数据集的“零均值”部分，其中每一行都是一个示例：
>>> data = np.array([[ 1, 10, 100, 1000],
[ 2, 20, 200, 20
浏览 10提问于2017-11-28得票数 35
回答已采纳
我有一组图像，我想在Matlab中计算这些图像的平均值，然后从所有images.Then中减去平均值，通过Matlab中的hist函数绘制图像的分布。
谢谢
浏览 2提问于2013-01-09得票数 0
1回答
我一直在尝试理解Keras模型中的Keras BatchNorm层行为。我遇到的一个问题是BN层是如何计算“方差”的移动平均值的。我的理解是Keras是用指数加权平均法来计算训练小批的均值和方差的移动平均。但无论如何，在经历了大量的历次之后，这个移动平均值应该接近训练数据集的均值/方差。但在我的简单例子中，“方差”移动平均值总是不同于训练数据的“方差”。下面是我的代码和输出：
from keras.layers import Input, BatchNormalization
from keras.models import Model
from keras.optimizers import
浏览 1提问于2018-07-03得票数 1
回答已采纳
1回答
我试图将基本Keras层子类化，以创建一个层，该层通过输出两个张量的Dot乘积来合并跳过连接的2层的级别1输出。两个传入张量由神经结构搜索算法解析的稠密层生成，该算法随机选择稠密单元的数目，从而确定两个张量的长度。当然，它们通常不会有相同的长度。我正在尝试一个实验，看看是否通过在较短的张量后面加上一个数学上有意义的计算来将它们转换成相同的长度:例如，平均的\x{e76f}\x{e76f}等，然后通过点积合并他们将超过添加或级联合并策略。使它们保持相同的长度：
我尝试一下总体策略：
discussion).Create，找到较短的张量，将其传递给tf.reduce_mean() (将结果的平均值
浏览 9提问于2022-10-28得票数 0
回答已采纳
2回答
我有个问题。我已经造了一个ConvNet。在最终输出之前隐藏的一个隐藏层的输出形状是(无，64，32，32)。我想要的是这64个频道的元素平均值。我试过这样做：
main_inputs=[]
outputs=[]
def convnet(channels,rows,columns):
input=Input(shape=(channels,rows,columns))
main_inputs.append(input)
conv1=Convolution2D(kernel_size=(3,3) ,filters=64, padding="
浏览 0提问于2018-07-23得票数 4
回答已采纳
1回答
请看我在这里打印的对象数组：
生成器对象( @attributes =>数组(生成器信息名称=> www.ontv.dk/ SimpleXMLElement ))
[channel] => Array
(
[0] => SimpleXMLElement Object
(
[@attributes] => Array
(
[id] => www.ontv.dk/tv/1
浏览 0提问于2010-11-10得票数 1
我正在构建一个深度学习模型来做一些分类，但我发现如果我使用随机裁剪，验证精度会波动很大。我想使用短窗口训练模型的运行平均值来帮助验证准确性，但我真的对它的使用感到困惑。我使用的是keras的inceptionv3模型。
我正在使用keras的inceptionv3模型，并希望使用短窗口训练模型的运行平均值来帮助验证准确性。
ema = tf.train.ExponentialMovingAverage(0.99, step)
maintain_average = ema.apply()
model = tf.keras.applications.inception_v3.Inception
浏览 31提问于2019-07-30得票数 3
我想弄清楚，BatchNormalization层在TensorFlow中到底是如何表现的。我想出了下面的代码，据我所知，它应该是一个非常有效的keras模型，但是BatchNormalization的均值和方差似乎没有被更新。
来自docs
在BatchNormalization层中，在层上设置trainable = False意味着层随后将以推理模式运行(这意味着它将使用移动均值和移动方差来规范当前批处理，而不是使用当前批处理的均值和方差)。
我期望模型在每个后续的预测调用中返回一个不同的值。然而，我看到的是10次返回的完全相同的值。有人能向我解释为什么BatchNormalizati
浏览 3提问于2020-10-05得票数 4
回答已采纳
我有以下代码：
def model_fn():
keras_model = create_keras_model()
return tff.learning.from_keras_model(
keras_model,
input_spec=federated_train_data[0].element_spec,
loss=tf.keras.losses.SparseCategoricalCrossentropy(),
metrics=[tf.keras.metrics.SparseCategoricalAccuracy()])
在此代码中，
浏览 4提问于2021-02-07得票数 1
回答已采纳
我的理解是，人工神经网络对标准化数据最有效，即理想情况下，输入和输出的平均值应为0，方差为1(如果可能，甚至是“接近高斯”，或至少是“良好行为”，分布)。
因此，当我第一次对预测器和标签按特性进行规范化时，我已经看到/编写了很多使用Keras的脚本。这是一种痛苦，因为这意味着需要跟踪一些平均值和std值，并在以后的推断中正确地应用它们，等等。
我最近发现，现在有了用Keras以“可适应而不是可训练”的方式进行预测器规范化的“开箱即用”功能，这非常方便，因为所有规范化信息都会在网络对象中存储和使用:参见：，。这使得使用/记账变得简单多了。
我的问题是:是否有一种简单的方法可以类似地在-Keras
浏览 6提问于2022-10-11得票数 0
我想在这个架构的Keras中实现一个神经网络:假设我有一些输入，它们属于某些组。然后神经网络是这样的：
input -> some layers -> separate inputs by groups -> average inputs by groups -> output
简而言之，我想按组分离输入，然后按组取输入的平均值。
例如，如果我有一些输入张量1，2，3，4，5，6，它们属于两个组0，1，1，0，0，1，那么我希望输出张量是这样的: 3.333，3.666，3.666，3.333，3.333，3.666。这里3.333是组1、4、5的平均值，3.666是组
浏览 4提问于2018-10-12得票数 1
1回答
日估计值
、
我有一个开始的时间和一个不断增加的价值。我试图得到这个不断增长的价值的每日平均值。问题是，我想不出如何从DateTime中得到一个小数来与值相乘。
浏览 2提问于2017-10-27得票数 0
回答已采纳
如何更新keras BatchNormalization中的移动均值和移动方差？
我在tensorflow文档中发现了这一点，但我不知道将train_op放在哪里，也不知道如何使用keras模型：
update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
with tf.control_dependencies(update_ops):
train_op = optimizer.minimize( loss )
我发现的帖子中没有提到如何处理train_op，以及您是否可以在model.compile
浏览 0提问于2018-05-03得票数 4
回答已采纳
1回答
L有以下4个维数向量的样本。它们是稀疏向量，以向量中的每个值表示频率(值的出现数)的方式。例如
v_1=0,4,0,0,1
4在指数1处，我们有4个值1，在指数4处有1个值，这意味着我们有一个值4。
标准化这些直方图的目的是得到一个分布。
这是我的数据样本。
Vectors=[0,4,0,0,1，5,0,0,3,1，1，0，0，0,0,6,0,0]
L试过什么？
vectors=(vectors-np.mean(vectors,axis=0)) / np.std(vectors,axis=0)
L试图：
vectors=sklearn.preprocessing.scale(vectors)
浏览 0提问于2017-12-04得票数 0
回答已采纳
我正在创建一个新的keras层，它接受输入数据的向量，并由2个标量、平均值和标准差进行参数化。我将输入数据建模为正态分布，并通过梯度下降估计其均值和方差。然而，当我初始化tfp.Normal( mu，sigma)时，mu和sigma来自add_加权()在build()期间，梯度不通过µ和sigma传播。 tensorflow概率文档指出，您可以传入分布参数的训练变量，并通过它们进行支持。我如何让它在keras中工作？ 下面是一个最小的工作示例。 import tensorflow as tf
import tensorflow_probability as tfp
import numpy
浏览 171提问于2021-02-23得票数 1
回答已采纳
keras的输出或train_on_batch是当前批次的平均值还是所有训练样本的全局平均值？
浏览 0提问于2019-08-29得票数 0
1回答
我有一个包含35列的公司数据集。这些公司可以属于8个不同的组中的一个。如何为每个组创建一个新的数据帧，使其从原始值中减去该组列的平均值？ 以下是数据集的一部分的示例。 ? 例如，对于第1行，我希望从值7204.400207中减去BANK_AND_DEP for Consumer Markets的平均值。我需要为每一列执行此操作。 我假设这是转换和lambda的某种组合--但不能符合语法。
浏览 16提问于2020-04-30得票数 0
我正在学习如何在Keras上训练RNN模型，我希望训练一个模型来预测最后N步的移动平均值将非常容易。
我有一个包含数千步的时间序列，我能够创建一个模型，并用批量数据对其进行训练。
但是，如果我用以下模型训练它，测试集预测与真实值有很大不同。(批次= 30，移动平均窗口= 10)
inputs = tf.keras.Input(shape=(batch_length, num_features))
x = tf.keras.layers.LSTM(10, return_sequences=False)(inputs)
outputs = tf.keras.layers.Dense(num_lab
浏览 0提问于2021-01-24得票数 0
我想为我的项目构建一个Conda包。然而，有一个包是在pip-only上的(没有上传到Conda频道)。如何在使用conda-build命令时包含pip only包？
我尝试使用Conda框架从PyPI URL构建包，但不起作用，因为PyPI站点上的文件是.whl文件，而不是像conda框架教程中那样的tar.gz文件。我该如何解决这个问题？
这是我在运行conda构建时得到的错误。
conda_build.exceptions.DependencyNeedsBuildingError: Unsatisfiable dependencies for platform osx-64: {'
浏览 23提问于2020-09-09得票数 3
2回答
图像减法是如何工作的？
、、、、
作为前言，我是ML/CV领域的新手，目前正在使用Caffe训练自定义conv网络。
我对均值图像减法感兴趣，以便在训练图像上实现基本数据归一化。然而，我对均值减法是如何工作的以及它到底有什么好处感到困惑。
我知道可以从训练集中计算出“均值图像”，然后从训练、验证和测试集中减去它，以使网络对不同的背景和光照条件不那么敏感。
这是否涉及计算每个图像中所有像素的平均值，并对其进行平均？或者，每个像素坐标的值是集合中所有图像的平均值(即所有图像在位置(1,1)的像素平均值)？这可能需要所有图像的大小相同...
另外，对于彩色图像(3通道)，每个通道的值是否单独平均？
任何清晰度都将不胜感激。
浏览 12提问于2017-06-28得票数 5
回答已采纳
我正在尝试从TensorFlow 1.10中的Keras applications获取ResNet101或ResNeXt，由于某种原因，它们只能在Keras的存储库中使用： import tensorflow as tf
from keras import applications
tf.enable_eager_execution()
resnext = applications.resnext.ResNeXt101(include_top=False, weights='imagenet', input_shape=(SCALED_HEIGHT, SCALED_WID
浏览 36提问于2019-06-23得票数 2
回答已采纳
1回答
我在Keras中找到批正常化的输出。我的模型是：
#导入库
import numpy as np
import keras
from keras import layers
from keras.layers import Input, Dense, Activation, BatchNormalization, Flatten, Conv2D
from keras.models import Model
#模型
def HappyModel3(input_shape):
X_input = Input(input_shape, name='input_layer'
浏览 3提问于2021-03-27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
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
