我正在尝试实现一个具有一些密集层的乔丹网络，我想将网络的输出与输入合并(我希望网络看到它的k个最后预测值，但现在让它与最后一个值一起工作就足够了)。我正在使用keras2中的自定义模型。我尝试了所有的方法，但是无论我使用的是tf.concat还是tf.keras.layers.concaten
浏览 18提问于2020-01-31得票数 0
我有一些与生物反应器相关的时间序列数据。每24小时我给生物反应器喂食葡萄糖，并测量它自上一次喂食以来产生了多少物质。Ouput：物质的生产。在一个实验中，我可以从10毫米的物质开始，在另一个实验中，我可以从100毫米开始，所以知道起点是很重要的。
有我能做到的吗？我在Keras中使用python。谢谢
浏览 3提问于2019-12-19得票数 2
1回答
我们的网络有三种类型的输入:屏幕截图(我们使用尺寸为1280×1280的页面上的裁剪，但是该网络可以处理任意大小的页面)、TextMaps (维数为128 \times 160 \times 160的张量然后将这两个层连接起来，由最终的卷积层处理。我们的网络究竟意味着什么，上面有三种输入？卷积神经网络是否有可能以不同<em
浏览 0提问于2019-01-19得票数 2
回答已采纳
2回答
双向RNN由两个RNN组成，一个用于前向，另一个用于后向顺序方向，其结果在每个时间步骤中被串联。这种配置是否会限制模型始终使用固定的序列长度？还是它仍然作为单向RNN工作，可以应用于任何序列长度？之所以提出这个问题，是因为双向体系结构在每个时间步骤合并了前向和后向RNN的输出。因此，如果序列长度为4，则前向和后向RNN的输出都将以这样的方式合并:1向前与4后退，2向前与</
浏览 0提问于2020-06-09得票数 4
回答已采纳
1回答
我试图用keras编写一个模型，构建如下所示： +->+------+ | |
+--->| NN |------>|(标记为NN)，它们接收两个数字值作为输入，它们计算其他一些数值(每个网络一个)。这些值被传递到LSTM网络，LSTM网络产生单个值作为输出，这个值被附加到初始网络(可能有延迟)作为两个输入<
浏览 0提问于2021-03-02得票数 0
回答已采纳
如果定义如下所示，是否可以将Add()函数合并到tf.keras.Sequential()模型中： keras.Input(shape(input_shape,)), keras.layers.Dense(8),
#I wan
浏览 2提问于2020-05-05得票数 1
回答已采纳
1回答
我正在尝试合并两个受过训练的神经网络。我有两个受过训练的凯拉斯模型文件A和B。
模型A用于图像的超分辨率，模型B用于图像的着色.我正在尝试合并两个经过训练的网络，以便我能够更快地推断SR+colorization。(我不愿意使用单一的网络来完成SR和彩色任务。我需要使用两个不同的网络来完成SR和彩色任务。)关于
浏览 4提问于2021-01-04得票数 0
回答已采纳
目前，我正试图将ONNX model导入到Keras，以便对大小为1x1x200x200的灰度图像的数据集进行培训。但是，当我将onnx模型转换为Keras时，可以使用模型的输入层被更改为?x1x200x200作为.h5 model。当转换回.onnx文件时，输入层已更改为Nx1x200x200。
在试图训练模型时起作用，但是当使
浏览 4提问于2020-06-25得票数 2
回答已采纳
我正在尝试使用Keras创建自定义损失函数。我想根据输入计算损失函数，并预测神经网络的输出。
我尝试使用Keras中的customloss函数。我认为y_true是我们用于训练的输出，y_pred是神经网络的预测输出。下面的损失函数与Keras中的"mean_squ
浏览 2提问于2019-04-01得票数 17
回答已采纳
我正在构建一个keras模型架构，在这个架构中，层的块被重复多次，具有共享权重。为此，我首先创建一个基本模型，然后重复这个基本模型。输入数据由一个对应于输出的部分和一个“固定”部分组成。在模型的每次重复中，这个固定的部分应该是相同的。在这里的最小示例中，这个固定部分是输入向量的</em
浏览 26提问于2019-10-09得票数 0
回答已采纳
我现在开始学习神经网络，尤其是时间序列模型的LSTM。 我读过一篇论文(convex based LSTM)，其中有人使用并行LSTM，然后将它们的输出组合在一起。现在我想知道如何实现这种类型的网络。我知道，在Keras中的LSTM构造函数中的参数“unit”是输出的大小，因为最后是元素乘法。但是，我不能确定具有N个单元的<em
浏览 24提问于2019-12-09得票数 0
回答已采纳
1回答
我有几个模型将输入(字嵌入)分类为几个类。我的问题是，我需要分别训练这些模型，并需要将这些模型的输出合并在一起才能得到标签。为了简单起见，假设只有两种模型：Model 2: predicts D or E
然后，我需要对输入X进行分类，以便得到A、B、C、D和E上的联合概率我在Keras/Pyth
浏览 0提问于2020-07-08得票数 1
我最近刚刚开始使用Keras，并开始制作自定义层。然而，我对许多不同类型的层感到相当困惑，这些层的名称略有不同，但功能相同。例如，和中有3种不同形式的连接函数keras.layers.concatenate(inputs, axis=-1)我知道第二个是用于函数式API的，但是第三个有什么区别呢？另外，
浏览 0提问于2018-08-01得票数 13
回答已采纳
1回答
我试图将ResNet中隐藏层的输出与另一个模型的输入连接起来，但我得到了以下错误：我正在使用中推荐的来自Keras的级联层，但是它没有工作。
浏览 0提问于2019-02-14得票数 0
回答已采纳
1回答
基于教程的多输入神经网络的构建。当尝试将输入层与以下代码组合时：x2 = # layer 2我收到一个错误，说这些层没有属性输出。有什么想法，我应该尝试合并这些输出，以连接到我的网络
浏览 1提问于2021-08-27得票数 1
在测试了babi_rnn.py和babi_memnn.py的脚本之后，如何确定使用哪种合并模式(加/平均/乘/点/凹)的问题？在我的脑海中出现了很多次。例如，对于LSTM建模，似乎很容易理解使用concat合并(比如两个分支的时间序列层输出)。
但是，我不太容易理解为什么要使用add合并babi_rnn.py中的两个分支。在babi_memnn.py中，添加、
浏览 10提问于2017-07-18得票数 4
回答已采纳
1回答
我试图了解RNN传感器是如何与地面真相标签训练的。在反恐委员会的情况下，我知道该模型是经过训练的损失函数，它总结了所有可能的地面真理标签的所有分数。但在RNN-T中，预测网络必须从最后一步接收输入，以产生类似于“教师强制”方法的输出。但我在这里的疑问是，地面真实标签是否应该被转换成所有可能的空
浏览 1提问于2019-07-03得票数 3
2回答
如何将数组转换为模型输入？
、、、、
我使用python中的coremltools将用于序列预测的keras神经网络模型转换为mlmodel。5
var数组：[Int] = [,2,3,4]
打印(models.prediction(输入:数
浏览 15提问于2019-11-18得票数 0
3回答
我正在制作一个MLP模型，它需要两个输入并产生一个输出。keras.layers.Dense(2, input_dim=2, activation=keras.activations.sigmoid,=None,decay=0),
浏览 0提问于2019-03-19得票数 27
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
腾讯会议
云直播活动推荐
腾讯云开发者
