我想知道是否还有其他方法来编写我自己的Keras层，而不是他们文档中给出的继承方式？我的同事在tensorflow中比较舒服，他给了我一个tensorflow函数，它完成了层的工作。我一定要把它重写为Keras的继承层吗？
浏览 0提问于2019-07-08得票数 2
在TF1中以图形模式操作时，我认为在使用函数式API时，需要通过馈线将training=True和training=False连接起来。在TF2中做这件事的正确方法是什么？
我相信这是在使用tf.keras.Sequential时自动处理的。例如，我不需要在下面的示例中从training中指定
model = tf.keras.Sequential([
tf.keras.layers.Conv2D(32, 3, activation='relu',
kernel_regularizer=tf.keras.regula
浏览 12提问于2019-11-06得票数 8
回答已采纳
2回答
字向量作为输入
、、、、
我有一个语料库，我想用LSTM和word嵌入来进行情感分析。我已经使用Word2Vec将文档中的单词转换为单词向量。我的问题是如何将这些字向量输入到Keras？我不想使用Keras提供的嵌入。
浏览 0提问于2016-09-07得票数 1
回答已采纳
1回答
我正在学习tensorflow关于keras的教程，在某个阶段使用下面的代码构建神经网络模型。
model = tf.keras.Sequential([
layers.Embedding(max_features + 1, embedding_dim),
layers.Dropout(0.2),
layers.GlobalAveragePooling1D(),
layers.Dropout(0.2),
layers.Dense(1)])
我知道有不同种类的神经网络，如CNNs和RNN，它们更适合于不同的任务。然而，我如何将这里构建的体系结构与它是什么样的模型联系起来呢？
浏览 0提问于2022-05-05得票数 0
我正在尝试将下面的代码从TF 1.2更新到TF 2.0。当我使用所有“旧”行(由上面的注释old标记)运行代码时，我会收到以下警告：
WARNING: LSTMCell.__init__ (from tensorflow.python.ops.rnn_cell_impl) is deprecated and will be removed in a future version.
Instructions for updating:
This class is equivalent as tf.keras.layers.LSTMCell, and will be replaced by tha
浏览 7提问于2020-05-11得票数 2
回答已采纳
2回答
所以我的任务是训练一个非常简单的神经网络。我们的数据集有6个输入到网络中的特征，我们需要对其进行训练，然后预测一个输出数字。教授给了我们代码，基本上告诉我们要自学哈哈。所以我的疑问是，在下面的代码中，定义了神经网络的层，定义的第一个密集层(有50个节点)是否对应于输入层，或者它是第一个隐藏层？如果它是第一个隐藏层，输入层是如何定义的？ 提前感谢！ def get_compiled_model():
model = tf.keras.Sequential([
tf.keras.layers.Dense(50, activation=
浏览 55提问于2020-09-29得票数 0
回答已采纳
我正在实现一个需要支持掩蔽的自定义tf.keras.layers.Layer。
考虑以下情况
embedded = tf.keras.layer.Embedding(input_dim=vocab_size + 1,
output_dim=n_dims,
mask_zero=True)
x = MyCustomKerasLayers(embedded)
现在根据文档
mask_zero：输入值0是否是一个特殊的“填充”值，需要屏蔽。这是有用的，当
浏览 1提问于2019-03-15得票数 6
回答已采纳
我有两个具有共享层的keras模型，我希望将它们的权重保存在hd5文件中。如果我单独保存两个模型，我认为使用两倍的磁盘空间将共享层保存两次。如何将其保存在唯一的文件中？ 谢谢！！
浏览 10提问于2018-12-26得票数 8
回答已采纳
我想为回归任务构建一个完全连接(密集)的层。我通常使用TF2，使用Keras API，如下所示： model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(units=2, activation='sigmoid', input_shape=(1, )))
model.add(tf.keras.layers.Dense(units=2, activation='linear'))
model.compile(optimizer='adam', loss='m
浏览 40提问于2020-01-16得票数 2
回答已采纳
我想训练一个CNN，用Keras从100x100x1图像中预测224x224x13矩阵(热图)。我的想法是完善keras提供的经过预先培训的网络(resnet、Xception、vgg16等)。
第一步是用预先训练过的顶层来代替那些满足我的问题约束的层。我试图预测值从0到1的100x100x1热图图像，因此我希望我的网络输出是一个100x100x1矩阵。我相信，如果我使用Flatten，然后使用Dense层的1000x1x1，我将失去空间信息，我不想(对吗？)
我希望我的代码是灵活的，能够独立运行，使用的是经过预先训练的体系结构(我需要运行许多实验)。因此，我想堆叠一个Dense层，它连接到它
浏览 0提问于2017-06-09得票数 4
回答已采纳
我正在为我的网络建立一个新的渠道智能操作。全局平均池化结果将乘以(按元素)第一个x(输入)值。但是，当我运行train.py文件时，它会出现我无法理解的错误。请帮帮我！
错误消息：
Traceback (most recent call last):
File "E:/githubRemote/train.py", line 49, in <module>
model = init_model()
File "E:/githubRemote/train.py", line 37, in init_model
model = M
浏览 1提问于2019-04-02得票数 0
我使用pearson相关系数作为MLP模型的输入特征，并在建立模型时遇到问题。
我已经根据今天的更新并运行了我的代码，的好评是将函数封装在Lambda层中，而同样的错误仍然会发生。我以为我已经修复了今天提到的错误。下面是我更新的代码：
from keras.layers import Conv2D, Input, Lambda, MaxPooling2D, BatchNormalization, Add, Flatten, Dense, Concatenate
from keras.models import Model, Sequential
import keras.backend as
浏览 1提问于2018-11-15得票数 0
1回答
在R中运行CNN对一维数据的错误
、、、、
我试图运行1维CNN在R使用keras软件包。我正在尝试创建具有以下规范的一维卷积神经网络(CNN)体系结构
library(keras)
library(deepviz)
#create a neural network with a convolutional layer and train the model
model <- keras_model_sequential() %>%
layer_conv_1d(filters=32, kernel_size=4, activation="relu", input_shape=c(100, 10
浏览 8提问于2020-10-12得票数 2
回答已采纳
2回答
我试图定义Lambda层Keras，如下所示：
首先，计算图像的小波变换，然后将其合并在一起的函数：
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
from keras.layers import BatchNormalization
from
浏览 5提问于2018-06-01得票数 0
回答已采纳
1回答
我想知道如何将以前未见过的图像应用到以前保存的CNN模型中，并查看它如何对其进行分类？
代码(我的尝试)
from keras.models import load_model
from keras.preprocessing import image
import numpy as np
img_path = '/Users/eoind/code/1.jpg'
model = load_model('food.h5')
model.summary()
img = image.load_img(img_path, target_size=(100,100)
浏览 0提问于2018-04-16得票数 0
2回答
我正在构建和测试一个简单的MLP模型，但我的结果在Keras重现性方面遇到了问题。我正在尝试设置我的神经网络，以便在运行网络时预测输出不会改变。 我已经在线关注了Keras指南以及这篇文章(Reproducible results using Keras with TensorFlow backend)。我在本地机器上使用Tensorflow后端和以下版本运行Keras： tensorflow 2.0.0-alpha0，keras 2.2.4-tf，numpy 1.16.0 import os
os.environ['PYTHONHASHSEED']=str(0)
im
浏览 13提问于2019-06-14得票数 4
我正在尝试重用前一层的权重矩阵。作为一个玩具示例，我想做这样的事情：
import numpy as np
from keras.layers import Dense, Input
from keras.layers import merge
from keras import backend as K
from keras.models import Model
inputs = Input(shape=(4,))
inputs2 = Input(shape=(4,))
dense_layer = Dense(10, input_shape=(4,))
dense1 = dense_la
浏览 0提问于2016-09-19得票数 4
我已经做完了，只是在KERAS训练我的NN模型。这是我的情况。
我有一个文件夹，我有30个CSV文件在那里，所有不同的名称。
现在，我在做分类。
每个CSV文件(读取数组dfs后的5000，3，如下所示)是一个单独的训练实例，因此我有30个CSV的训练实例。
文件名是标签，我想分类。这些是三个唯一的标签，使用一个热编码。
我在输入形状和如何重塑我的训练数据dfs在一个正确的形状困惑。
注:30个观察，这是CSV文件本身的5000，3昏暗和文件名是标签。
这是我的代码和错误。
import os
import glob
import pandas as pd
impo
浏览 1提问于2017-11-16得票数 1
回答已采纳
2回答
我试图用Keras函数API为我的策略梯度(深层强化学习)代理建立一个NN模型。我打算通过将无效行为的概率分布降低到logit层中的零来掩盖无效行为：
def __build_policy_network(self):
inputs = keras.layers.Input(shape=(self.input_dim,))
advantages = keras.layers.Input(shape=(1,))
valid_actions = keras.layers.Input(shape=(3,))
dense_1 = keras.layers.Dense(u
浏览 0提问于2021-04-29得票数 1
回答已采纳
我对Tensorflow相当陌生，我做了一个简单的程序来确定猫和狗之间的区别。当我运行它时，我的准确度总是在50%左右，损失减少。这与验证损失验证的准确性是一样的。验证损失不断减小，但验证精度始终为.45。这是我的密码：
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.preprocessing.image import
浏览 11提问于2022-01-22得票数 0
1回答
model = tf.keras.Sequential([tf.keras.layers.Embedding(tokenizer.vocab_size, 64),tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(64,return_sequences=True))
tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(32)),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.
浏览 6提问于2020-08-16得票数 0
1回答
为什么在VGG19的输出中显示features.layers的所有层？
layer_outputs = [layer.output for layer in vgg_layers]
layer_outputs = layer_outputs[22:-1]
features = Model(inputs=vgg_input, outputs=layer_outputs)
print(features.layers)
这是features.layers的输出
<keras.engine.input_layer.InputLayer object at 0x7fc9224a8750&g
浏览 0提问于2022-01-09得票数 0
2回答
我试图理解对抗生成网络是如何工作的:我在Fran ois Chollet (用Python进行深度学习)的书中找到了一个例子，其中有一个使用CIFAR10数据集的GAN示例，它使用的是包含32x32 RGB图像的“青蛙”类。
我不明白为什么：
在(1)输入转换为16×16 128通道(为什么128通道？)特征图
在(2)中，当进行卷积时，使用哪一个滤波器？未指定
接下来，运行另一个Conv2DTranspose，然后运行另一个3 Conv2d。为什么？!
最后，我有一个32×32 1通道的特征图.
from keras import layers
import numpy as
浏览 0提问于2019-05-31得票数 1
回答已采纳
1回答
我是RNN/LSTM在Keras中的新手，我需要关于是否/如何使用它们来解决我的问题的建议，这是多到多的分类。
我有许多时间序列:大约1500“运行”，每一个持续约100至300个时间步骤，并有多个渠道。我知道我需要将我的数据压缩到最大的时间步数，所以我的数据如下所示：
[nb_samples, timesteps, input_dim]: [1500, 300, 10]
由于一个时间步长的标签是不可能不知道过去，即使对一个人，我可以做特征工程和训练一个经典的分类算法，然而，我认为LSTMs将是一个很好的适合这里。告诉我，对于Keras中的多到多分类，我需要将return_sequences设
浏览 10提问于2019-01-31得票数 4
回答已采纳
1回答
我用我的数据集训练了我的预训练模型(densenet-121)用于二值图像分类。当我使用test_generator时，test_generator的结果看起来很好，但是当我运行我的代码进行预测时，我得到了[0. 1.]的输出，我如何解决这个问题？ from keras.preprocessing.image import load_img
from keras.preprocessing.image import img_to_array
from keras.models import load_model
img =
load_image('C:/Users/yurtt/D
浏览 37提问于2021-09-15得票数 0
回答已采纳
我想对不同的图片进行分类，例如猫和狗。为此，我想训练一个通用网络"A“，它只对输入是猫还是狗进行分类。在此之后，每个普通类的专用子网络应该预测狗或猫的种族。
我知道keras的函数式api，以及如何将输出传递到另一个层或网络，但我的问题是如何将输出仅传递给一个专门的网络，以便在我预测一般类之后，将使用的唯一网络是相应的特殊网络。
所以我想在keras中构建类似的东西：
x = Input(shape(100,))
network_a_out = NetworkA(100)(x)
if(network_a_out == classCat)
out = NetworkCat(100
浏览 0提问于2017-08-21得票数 0
1回答
目前，我正在努力理解如何使用keras来训练我的回归网络。我不知道该如何将输入数据传递到网络。
输入数据和输出数据都存储为numpy数组的列表。
每个输入numpy数组是一个矩阵，它有(400行，x列)，每个输出numpy数组是一个矩阵，它有(x行数，13列)。
输入维度为400，输出为13。但如何将列表中的每个集合传递给培训？
# Multilayer Perceptron
model = Sequential() # Feedforward
model.add(Dense(3, input_dim=400, output_dim=13))
model.add(Activation(&
浏览 0提问于2016-11-13得票数 9
回答已采纳
我对tf.keras.Model类进行了子类化，并进行了我认为是迁移学习的工作。代码如下： import tensorflow as tf
from tensorflow.keras.layers import Conv2D
from tensorflow.python.keras.applications.xception import Xception
class MyModel(tf.keras.Model):
def __init__(self, input_shape, num_classes=5, dropout_rate=0.5):
super(MyModel,
浏览 20提问于2021-10-05得票数 0
回答已采纳
2回答
我想在Keras模型中使用一些预先训练过的单词嵌入，这是由Google在中发布的。他们提供了训练新模型的代码，以及嵌入。
但是，文档中还不清楚如何从简单的python函数调用中从给定的字符串(word)中检索嵌入向量。大部分文档似乎集中在将向量倾倒到一个文件中，整个句子大概是为了情感分析。
到目前为止，我已经看到您可以使用以下语法在经过预先训练的嵌入中提供信息：
embedding_layer = Embedding(number_of_words??,
out_dim=128??,
浏览 3提问于2017-05-31得票数 18
1回答
Keras模型一点也不了解
、、、、
我的模型权重(我输出到weights_before.txt和weights_after.txt)是精确的，在训练前后是一样的，即训练没有任何改变，没有合适的发生。
我的数据如下(我基本上希望模型预测特征的符号，如果特征为负值，结果为0，如果为正，则为1)：
,feature,zerosColumn,result
0,-5,0,0
1,5,0,1
2,-3,0,0
3,5,0,1
4,3,0,1
5,3,0,1
6,-3,0,0
...
对我的方法的简要总结：
加载数据。
将其按列拆分为x (功能)和y (结果)，将这两行按行划分为test和validation集。
将这些设置转换为
浏览 0提问于2018-12-20得票数 0
回答已采纳
1回答
我有一个LSTM模型，目前看起来如下所示：
model = tf.keras.Sequential([
encoder,
tf.keras.layers.Embedding(input_dim=len(encoder.get_vocabulary()), output_dim=64, mask_zero=True),
tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(64)),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.
浏览 5提问于2021-09-01得票数 0
作为keras. Model的子类实现的模型通常不能用plot_model可视化。有一种解决方法，如所述。然而，它只适用于简单的模型。一旦一个模型被另一个模型包围，嵌套将不会被解析。
我正在寻找一种方法来解决作为keras. Model的子类实现的嵌套模型。作为示例，我创建了一个最小GAN模型：
import keras
from keras import layers
from tensorflow.python.keras.utils.vis_utils import plot_model
class BaseModel(keras.Model):
def __init__(s
浏览 1提问于2021-03-31得票数 1
1回答
卷积自动机的Keras值误差
、、、、
我试图建立一个卷积自动编码器，但我有问题的解码器部分。我的输入图像是32乘32乘3 (RGB)。
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Activation, Dropout
def deep_autoencoder(img_shape, code_size):
#### encoder ######
encoder = keras.models.Sequential()
encoder.add(keras.
浏览 0提问于2018-06-26得票数 1
1回答
TensorFlow版本: tf 1.13.1
Keras版本: 2.2.4
Python版本: 3.7
调试后，我发现在我的模型的各个部分添加激活层之后，layer会删除2个属性_keras_history和_keras_shape。
目前，该模型还没有编译，因为我的体系结构在计算逻辑之后，在最终应用了一个激活层。
代码：
x = keras.activations.relu(x)
ff_layer2 = keras.layers.DepthwiseConv2D(128, strides=(1, 1), depth_multiplier=1, padding='same'
浏览 0提问于2019-05-27得票数 0
回答已采纳
1回答
我正在研究一个多标签文本分类问题。我试图增加注意机制与双边模型。注意机制代码取自。我无法保存模型架构并得到下面提到的错误。我的tensorflow版本-2.2.0
from keras import backend as K
def dot_product(x, kernel):
if K.backend() == 'tensorflow':
return K.squeeze(K.dot(x, K.expand_dims(kernel)), axis=-1)
else:
return K.dot(x, kernel)
clas
浏览 1提问于2020-06-19得票数 2
回答已采纳
1回答
我正在研究keras seq2seq示例:我从文本中理解的在解码器模型中，每个单元的输出被输入到下一个单元。然而，我不明白实现这个递归到model.In的链接，它使解码器模型如下所示。
decoder_model = Model(
[decoder_inputs] + decoder_states_inputs,
[decoder_outputs] + decoder_states)
这个语法如何告诉模型每个单元格输出都被输入到下一个单元格？一般来说，这种语法是如何工作的？
编辑：当您检查keras.Model文档时，您将意识到模型可以将keras.Input对
浏览 5提问于2022-10-13得票数 1
回答已采纳
2回答
我试图用一个预先训练过的模型来去除一个图像，我把它装成了“模型”。由于尺寸不同，我得到了一个错误。下面是我的代码：
path_clean = r"clean.png"
clean = load_img(path_clean)
path_noisy = r"noise.png"
noisy = load_img(path_noisy)
model.compile(
optimizer=tf.keras.optimizers.Adam(learning_rate=3e-4),
loss=tf.keras.losses.mean_squared_error,
浏览 11提问于2022-02-13得票数 0
1回答
用于手写文本识别的模型
、、、
我一直在尝试创建一个模型，它可以在给定图像的情况下读取其中的文本。我试图通过实现cnn、rnn和ctc来做到这一点。我正在和TensorFlow和Keras一起做这件事。有几件事让我感到困惑。为了读取个位数，我理解模型中的最后一层应该有9个节点，因为这些都是选项。然而，对于阅读单词，不是有无限多个选项，那么我的最后一层应该有多少个节点。此外，我对如何将ctc添加到我的Keras模型中感到困惑。它是作为损失函数吗？
浏览 0提问于2020-06-27得票数 1
2回答
你如何将迁移学习应用于像InceptionV3，ResNet50这样的模型，这些模型是在ImageNet (大约1000个班级)上训练的，对于一个超过1000个班级的问题？
我正在使用Keras，但我对其他解决方案持开放态度。我熟悉这样的想法:加载一个经过训练的网络的所有权重(就像ImageNet上的ResNet50 )，除了顶部(最终分类层有1000个单元)，然后将网络的末端连接到我可以指定的其他层(完全连接层，池化等)。然而，在许多这样的网络中，最终层之前的层只有不到3000个单元，因此添加一个超过3000个单元的层将是一个扩展层，有点像自动编码器中的解码器。正常情况下，我已经看到最后一层
浏览 0提问于2019-01-12得票数 1
总的来说，我对TF、Keras和ML非常陌生。我正在尝试实现一个非常简单的MLP，其输入形状为(batch_size,3,2)，输出形状为(batch_size,3)，也就是说(如果我做对了)：对于每一个3x2特性，都有一个对应的3值数组标签。
下面是我创建模型的方法：
model = tf.keras.Sequential([
tf.keras.layers.Dense(50,tf.keras.activations.relu,input_shape=((3,2)),
tf.keras.layers.Dense(3)
])
这些是X和y的形状：
X_train.shape,y
浏览 4提问于2021-06-08得票数 0
回答已采纳
1回答
在训练神经网络时，在时尚mnist数据集上，我决定在输出层中有比数据集中的类数量更多的节点。
dataset有10个类，而我训练我的网络在输出层中有15个节点。我还用了软件。
令人惊讶的是，这给了我97%的准确度，这是相当好的。
这就引出了一个问题，这些额外的5个节点意味着什么，它们在这里做什么？
为什么当标签范围(0-9)不等于节点数(15)时，我的softmax能够正常工作？
最后，一般来说，在分类任务中，在输出层中拥有比类数量更多的节点意味着什么？
我理解拥有比类数少的节点的效果，而且经验法则是使用节点数=类数。然而，我从未见过有人使用更多的节点，我想了解为什么/为什么不使用。
我附加了
浏览 2提问于2020-08-29得票数 2
回答已采纳
1回答
我这里有个密码：
base_model = tf.keras.applications.resnet_v2.ResNet50V2(input_shape=input_shape, include_top=False, weights='imagenet')
base_model.trainable = False
inputs = tf.keras.Input(shape=input_shape)
x = data_augmentation(inputs)
x = tf.keras.applications.resnet_v2.preprocess_input(x)
浏览 1提问于2022-07-22得票数 0
回答已采纳
Tensorflow版本: Tensorflow 2.1
我想得到与输入有关的梯度，而不是相对于可训练权重的梯度。我将示例从调整为
import tensorflow as tf
import numpy as np
physical_devices = tf.config.experimental.list_physical_devices('GPU')
assert len(physical_devices) > 0, 'Not enough GPU hardware devices available'
tf.config.experimental
浏览 1提问于2020-02-09得票数 0
我是TensorFlow的新手，并试图使用tf.keras.layers API实现tf.keras.layers模型。这是我正在尝试实现的代码。
def convolutional_model(input_shape):
input_img = tf.keras.Input(shape=input_shape)
Z1 = tf.keras.layers.Conv2D(filters = 16 , kernel_size= (4,4), strides = (1,1), padding='same')(input_img)
A1 = tf.keras.l
浏览 21提问于2021-12-10得票数 0
回答已采纳
1回答
正确设置堆叠式自动编码器
、、、、
我试图在Keras (tf.keras)中构建一个堆叠的自动编码器。叠层并不是指deep。我为Keras找到的所有例子都是生成例如3个编码器层，3个解码器层，他们训练它，并称之为一天。然而，训练叠层自动编码器的正确方法似乎是本文所描述的方法：。
简单地说，SAE应该是按层方向训练的，如下图所示。第一层训练后，作为第二层训练的输入，重建损失应与第一层而不是输入层进行比较。
我的麻烦就从这里开始。如何告诉Keras在哪些层上使用损失函数？
我就是这么做的。由于Keras中不再存在自动编码器模块，所以我构建了第一个自动编码器，并在第二个自动编码器的第一层设置了编码器的权重(trainabl
浏览 3提问于2018-09-07得票数 20
1回答
这是我的简单可复制代码：
from keras.callbacks import ModelCheckpoint
from keras.models import Model
from keras.models import load_model
import keras
import numpy as np
SEQUENCE_LEN = 45
LATENT_SIZE = 20
VOCAB_SIZE = 100
inputs = keras.layers.Input(shape=(SEQUENCE_LEN, VOCAB_SIZE), name="input")
encode
浏览 0提问于2019-07-12得票数 0
回答已采纳
1回答
是否可以将内建的keras损失函数象征性地乘以一个常数？例如，如果我想要两个输出的损失的线性组合。
我可以写一个自定义的损失函数，但是它不会被编译，因为它是python代码，而不是符号Keras？我正在寻找一种在纯Keras (或TF)中实现它的方法
浏览 34提问于2017-12-15得票数 2
回答已采纳
1回答
我试图创建一个简单的CNN，以便能够区分不同严重程度的眼睛(视网膜)扫描。这是一个多类分类问题，5类.到目前为止，这可能是CNN的一个相当标准的教科书案例。我正在使用Kaggle EyePAC数据集。这些照片非常大，所以我使用了一个数据集来重新缩放它们。
我的问题是，当我训练模型时，我希望看到通常的学习曲线，其中训练曲线和验证曲线一起增加，就像下面的google例子：
然而，我的曲线看起来如下：
我还没有对数据做任何图像预处理，我希望有一些基本的学习，然后我可以改进使用CLAHE和什么有你。我改变了类，这样就没有试图预测0到4的分数，而是删除了中产阶级，这样我们就有了极值:
浏览 7提问于2022-08-21得票数 -4
在TensorFlow的非正式文档中，当在训练循环中调用Keras模型时，它们总是传递training=True，例如，logits = mnist_model(images, training=True)。
我试过help(tf.keras.Model.call)，这表明
Help on function call in module tensorflow.python.keras.engine.network:
call(self, inputs, training=None, mask=None)
Calls the model on new inputs.
In t
浏览 0提问于2019-08-02得票数 16
回答已采纳
作为背景，我对机器学习的世界比较陌生，我正在尝试一个项目，其目标是对NBA比赛中的比赛进行分类。我的输入是一场NBA比赛中每场比赛40帧的序列，我的标签是每一场比赛的11种全面分类。
该计划是将每一帧序列，并将每帧传递到CNN，以提取一组特征。然后，从一个给定的视频的每一个特征序列将传递到一个RNN。
我目前正在使用Keras作为我的大部分实现，我选择使用VGG16模型为我的CNN。以下是一些相关代码：
video = keras.Input(shape = (None, 255, 255, 3), name = 'video')
cnn = keras.application
浏览 0提问于2017-07-29得票数 4
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
