形状'[-1，2，4，28]‘对于大小为768的输入无效
对于给定的形状'[-1, 2, 4, 28]'，它表示一个四维张量，其中第一个维度的大小为-1，第二个维度的大小为2，第三个维度的大小为4，第四个维度的大小为28。这种形状对于大小为768的输入是无效的。
在深度学习中，输入数据的形状对于模型的训练和推理非常重要。形状定义了张量的维度和大小，它决定了数据在网络中的流动方式和计算过程中的维度匹配。在给定的形状中，-1表示该维度的大小将根据其他维度的大小和总元素数来自动计算。
对于给定的形状'[-1, 2, 4, 28]'，我们无法确定第一个维度的大小，因为它被设置为-1。在这种情况下，我们需要根据输入数据的大小和其他维度的大小来计算第一个维度的大小。然而，由于没有提供输入数据的大小，我们无法计算出第一个维度的大小。
对于大小为768的输入，我们需要根据具体情况来确定正确的形状。如果我们知道输入数据的维度和大小，我们可以根据需要调整形状。例如，如果输入数据是一个一维向量，我们可以将形状设置为[768]；如果输入数据是一个二维矩阵，我们可以将形状设置为[32, 24]等等。
总之，对于给定的形状'[-1, 2, 4, 28]'，它对于大小为768的输入是无效的，因为我们无法确定第一个维度的大小。我们需要根据具体情况来确定正确的形状，并根据需要调整形状以适应输入数据的维度和大小。
相关·内容
我想了解BertForMaskedLM模型，在huggingface代码中，BertForMaskedLM是一个bert模型，它的形状有两个线性层(输入768，输出768)和(输入768，输出30522)。所有权重的计数将是BertModel + 768 * 768 + 768 * 30522的权重，但当我检查数字时不匹配。
from transformers import BertModel, BertForMaskedLM
import torch
bertmodel = BertModel.from_pretrained('bert-base-uncased')
ber
浏览 8提问于2021-12-08得票数 1
回答已采纳
我正在加载 (23094，71,768)，(23094，19,282)的预训练模型.
当我传递形状为(29116，72,768)的新X值时，当检查输入时会出现错误:期望的lstm_1_input具有形状(71,768)，但得到与形状(72,768)的数组。
这是我的模型总结:模型："sequential_1“
图层(类型)输出形状参数
lstm_1 (无，71,256个) 1049600
lstm_2 (无，71，64) 82176
lstm_3 (无，32) 12416
dense_1 (稠密)(无，5358) 176814
reshape_1 (重塑)(无，19,282)
浏览 2提问于2020-04-06得票数 0
我理解伯特令牌程序是如何工作的，这要感谢本文：
但是，我不明白这是如何作为最终输入形状(b，24,768)结束的。
在阅读时，我注意到了关于嵌入的评论。
BERT Embedding which is consisted with under features
1. TokenEmbedding : normal embedding matrix
2. PositionalEmbedding : adding positional information using sin, cos
2. SegmentEmbedding : adding sentence segme
浏览 1提问于2021-01-19得票数 2
我正在使用tensorflow中的时间序列模型。我的数据集包含物理信号。我需要将这些信号划分为窗口，将这些切片的窗口作为我的模型的输入。
下面是我读取数据并将其切片的方式：
import tensorflow as tf
import numpy as np
def _ds_slicer(data):
win_len = 768
return {"mix":(tf.stack(tf.split(data["mix"],win_len))),
"pure":(tf.stack(tf.split(data[&#
浏览 1提问于2018-01-24得票数 10
回答已采纳
这似乎是这里常见的问题之一(、、)，但我仍然难以为的输入定义正确的形状。
我有长度512的文本序列(每个序列的标记数)，每个令牌由长度为768的向量(嵌入)表示。我使用的批号是6。
所以我对conv1D的输入张量是6,512,768。
input = torch.randn(6, 512, 768)
现在，我希望使用来自conv1D层的PyTorch层，将内核大小为2的序列(512)的长度转换为2。
理解1：
我假设"in_channels“是conv1D层的嵌入维度。如果是这样，那么conv1D层将以这样的方式定义
in_channels = embedding dimension
浏览 3提问于2020-06-14得票数 7
回答已采纳
1回答
我有一个U，我有一个包含40k+图像的数据集(它们是形状为768x768x3的numpy数组)，以及这些图像的10k+掩码(形状为768x768x1)。我的电脑，甚至是Kaggle，Google Colab都无法与他们的资源相匹配。但是我需要用所有这些图像和面具来适应模型。那我该怎么做？我曾经想过在每次迭代中用400个图像和400个掩码做一个循环，每次都把400个图像放进我的模型中，但是我读过，每个迭代模型上都会“重置”。那么，我需要做些什么来使我的模型符合所有这些图像和面具呢？
Update：我已经将图像和掩码的大小更改为(256,256,3)和(256,256,1)，但即使这样，我也可以将
浏览 3提问于2022-08-16得票数 0
1回答
我得到了：
无效的GPT固定尺寸规格：[[1024,0,970,90]，[768,0,728,90]，[330，0,320，50]
我的大小映射代码如下所示：
window.googletag
.sizeMapping()
.addSize([1024, 0], [970, 90])
.addSize([768, 0], [728, 90])
.addSize([330, 0], [320, 50])
.build()
有什么东西看不见吗？
浏览 5提问于2021-07-26得票数 0
4回答
我目前正在开发一个Winforms应用程序，它将在一台非常特定的tablet PC上运行。
我的开发环境使用双17英寸显示器，远远大于10.4英寸(1024x768)的平板电脑屏幕尺寸。
由于我公司的采购部，平板电脑的交付时间要到设计周期的最后一段时间。
有没有可能模仿平板电脑的大小，这样我就可以调整我的形状来匹配？
浏览 3提问于2010-06-29得票数 2
回答已采纳
2回答
这似乎是PyTorch中关于LSTM最常见的问题之一，但我仍然无法弄清楚PyTorch LSTM的输入形状应该是什么。
即使在跟踪了几个帖子(、、)并尝试了解决方案之后，它似乎也不起作用。
背景:我在一批大小为12的文本序列中编码了文本序列(可变长度)，并使用pad_packed_sequence功能对序列进行填充和打包。每个序列的MAX_LEN为384，序列中的每个令牌(或word)的维数为768。因此，我的批处理张量可能具有以下形状之一：[12, 384, 768]或[384, 12, 768]。
批处理将是我对PyTorch rnn模块的输入。
根据PyTorch的文档，它的输入维度是(
浏览 6提问于2020-05-06得票数 16
回答已采纳
1回答
也许有办法摆脱avg_pool层?我找不到解决办法：
SAMPLE_SHAPE = (32,32,3)
def generate_model(sample_shape):
inp = Input(shape=sample_shape)
resnet = resnet50.ResNet50(weights="imagenet",include_top=False)
x = resnet(inp)
predictions = Dense(2, activation='softmax')(x)
m = Model(inputs
浏览 2提问于2018-07-04得票数 0
回答已采纳
我希望我做得对(第一篇文章)。
我尝试使用tensorflow.keras对来自的数据进行分类。我知道在将参数传递到tf.keras.Sequential.fit()时，输入形状、输入数据的形状和目标的形状非常重要。
我得到的信息是：
ValueError:检查输入时出错:期望dense_159_input具有二维，但得到了带with ()的数组
以下是我所做的：
def loadDataset(file_name):
data = pd.read_csv("data/" + file_name)
# print(data.head(10))
浏览 4提问于2020-06-09得票数 1
回答已采纳
2回答
我有50个样本的数据，每个时间序列。我想要建立一个时间序列分类器。
每个样本有三个输入--形状为1X768的向量、形状为1X25的向量、形状为1X496的向量。
每个输入都来自不同的模式，因此在连接所有输入特定层之前，都需要经过一些特定的输入层。
数据存储在dataframe中：
df = time_series_id timestamp input1 input2 input3 time_series_label
0 0 [x0..x768] [x0..x25] [x0..x496] A
浏览 0提问于2021-08-31得票数 1
回答已采纳
1回答
我是TF的新手，遇到了一点问题。我正在尝试将具有形状(150x150x3)的彩色图像分为30类。当我对模型进行拟合时，我得到了错误： ValueError:检查模型输入时出错:传递给模型的Numpy数组列表不是模型预期的大小。期望看到1个数组，但得到了以下768个数组的列表：... 我的代码： model = Sequential()
model.add(Flatten(input_shape=(150,150,3)))
model.add(Dense(150, activation=tf.nn.relu))
model.add(Dense(150, activation=tf.n
浏览 15提问于2019-02-06得票数 0
回答已采纳
Tensorflow 可以选择设置padding='same'，使输入形状与输出形状相同。对于是否有类似的东西？我看到有设置padding='same'的选项，但是这个选项似乎在maxpool中丢失了。目前的解决办法是什么？
浏览 5提问于2022-02-07得票数 1
回答已采纳
我有一个形状为32,768的二维张量，也有一个三维张量为32,512,768。我想把它们堆叠起来，输出的形状是32,512,1536。 如果我在axis=1展开2d和concat的维度。我得到了32,513,768。那么如何获得32,512,1536作为张量的输出形状呢？
浏览 350提问于2021-08-24得票数 0
1回答
我尝试在TPSSpatialTransformerNetwork上训练IAM数据集，但最终得到一个错误:形状'-1，2，4，28‘对于大小为768的输入无效
数据集中的每个图像的大小为(32,128)。我不能计算出它在错误步骤中得到的形状。下面是代码：
class TPS_SpatialTransformerNetwork(nn.Module):
def __init__(self):
super(TPS_SpatialTransformerNetwork, self).__init__()
self.conv1 = nn.Conv2d(1, 7
浏览 32提问于2021-05-12得票数 0
回答已采纳
1回答
我有一个很大的工作模型，我想将最后一个密集的层更改为卷积层(包括池和输出)。但是，当我使用cnn时，我会发现以下错误：
ValueError: conv1d_21层的输入0与图层不兼容:预期的ndim=3，找到了ndim=2。
在尝试使用cnn之前，最后一层是这样的：
dense = model.get_layer('NSP-Dense').output
outputs = keras.layers.Dense(len(100), activation='sigmoid')(dense)
这是使用CNN时的样子，以及错误发生的地方(在第二行)：
dense
浏览 3提问于2019-11-16得票数 0
回答已采纳
2回答
我正在尝试使用caffe从VGG network.The中提取卷积层而不是FC层的特征，在这种情况下，理论输入图像的大小可能是任意的。但它看起来VGG网络是在裁剪到224x224像素的图像上训练的。所以我在deploy.prototext中定义了一个输入数据层：
layers{
name: "data"
type: MEMORY_DATA
top: "data"
top: "label"
transform_param{
mirror: false
crop_size:224
mean_value:12
浏览 0提问于2016-11-10得票数 1
1回答
我有一系列的处理音频文件，我使用作为输入到CNN使用Keras。Keras一维卷积层支持可变序列长度吗？Keras文档使这一点变得不清楚。
在文档的顶部，它提到您可以使用(None，128)来处理128维向量的可变长度序列。但是在底部，它声明输入形状必须是
3D tensor with shape: (batch_size, steps, input_dim)
给出了下面的示例，如何将可变长度的序列输入网络
假设我有两个例子(a和b)，其中包含长度为100的X1维向量，我想将它们作为输入输入到1DConv层。
a.shape = (100, 100)
b.shape = (200, 100)
浏览 6提问于2017-11-30得票数 6
回答已采纳
1回答
我正在尝试连接伯特模型和Cnn 1d使用比目枪。我使用了这段代码，但我不明白in_channels和out_channels在conv1d函数中的意义，如果输入到cnn模型的是torch(256,64,768)
class MixModel(nn.Module):
def __init__(self,pre_trained='distilbert-base-uncased'):
super().__init__()
self.bert = AutoModel.from_pretrained('distilbert
浏览 7提问于2022-02-28得票数 0
回答已采纳
1回答
我正在尝试从'cls_encoding‘对象(bert输出)构建一个数据集。
print (cls_encoding.shape)
(1, 768)
我有30个cls_encoding，所以我想做一个形状为(30,768)的数组。
当我尝试的时候：
print(cls_encoding[0].shape)
(768,)
所以如果我试着这样做：
DSlist = []
for x in DS:
DSlist.append(x[0])
print(np.array(DSlist).shape)
我得到了：
(30, 768, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
浏览 4提问于2019-11-13得票数 0
我想拍一张彩色照片的照片。这意味着我需要一个三维输入，因此我喜欢使用conv3d和conv3d_transpose。
不幸的是，在TensorFlow文档中，我找不到输出形状的任何公式。有人能告诉我如何找到函数结果的形状吗？
浏览 0提问于2018-01-07得票数 4
回答已采纳
我已经基于Tensorflow训练了一个模型。这个模型应该可以在手机上工作，但在将冻结图(pb)转换为深度学习容器(Dlc)时，我遇到了一个问题。我必须将输入大小设置为常量。这导致该模型不能在任何输入大小下工作。我正在尝试找到一种方法来调整DLC模型的输入形状的大小，而不使用"snpe-tensorflow- to -dlc -- input _dims 1,512,512,3“初始化模型，因为这种方法很消耗资源。实际上，我想在dlc模型中调整输入形状的大小。有人能帮我吗？
浏览 10提问于2020-05-04得票数 1
1回答
跨设备工作的媒体断点
、、、
我有一组媒体查询断点，用于检测iPad是否处于横向或纵向状态。断点是；
@media only screen
and (min-device-width : 768px)
and (max-device-width : 1024px)
and (orientation : portrait)
@media only screen
and (min-device-width : 768px)
and (max-device-width : 1024px)
and (orientation : landscape)
现在我将这些断点用于iPad的phonegap应用程序，但现在我需要
浏览 0提问于2013-05-23得票数 0
回答已采纳
我试着用tensorflow建立顺序模型。
import tensorflow as tf
import keras
from tensorflow.keras import layers
from keras import optimizers
import numpy as np
model = keras.Sequential (name="model")
model.add(keras.Input(shape=(786,)))
model.add(layers.Dense(2048, activation="relu", name="laye
浏览 6提问于2021-08-20得票数 0
回答已采纳
我正在尝试将一个非常简单的CoreML模型转换为CoreML，然而，keras模型的输入似乎与我的预期不符。 我正在创建的模型的输入形状为(5，10) (5个时间步，10个特征)，但是，在转换模型并在Xcode中打开模型后，它显示输入类型为MultiArray (Double 10)，据我所知，这是一个一维数组。我的问题是，我做错了什么？有没有办法告诉CoreML输入是5x10？ 下面是我正在创建的keras模型 from keras.models import Sequential
from keras.layers import LSTM
from keras.layers import
浏览 9提问于2020-01-11得票数 1
我试图了解从numpy.shape返回的元组是如何构造的。我的理解是，对于三维元组是(number of matrices，number of rows in each，number of columns)
像这样的3d雷达
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[ 7, 86, 6, 98],
[ 5, 1, 0, 4]],
[[ 5, 36, 32, 48],
[97, 0, 27, 18]]])
这确实是它的工作方式。形状为(3，2，4)。三维，每行2行，列4列。
问题是，我有一个来自
浏览 2提问于2021-06-21得票数 1
回答已采纳
我有个错误：
形状'-1,270000‘对于大小为1440000的输入无效。
运行我的CNN结构代码时，输入张量大小为64。
Class MyNet(nn.Module):
def __init__(self):
super(MyNet, self).__init__()
self.conv1 = nn.Conv2d(3, 48, 2)
self.conv2 = nn.Conv2d(48, 108, 2)
self.conv3 = nn.Conv2d(108, 192, 2)
self.co
浏览 0提问于2019-06-20得票数 0
当我通过tensorflow教程学习深层mnist时，在将输出大小集中到输入映像之后，我遇到了一个问题。在教程中我们可以看到：
W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
x_image = tf.reshape(x, [-1,28,28,1])
We then convolve x_image with the weight tensor, add the bias, apply
the ReLU function, and finally max pool. The max_pool_2x
浏览 4提问于2017-05-26得票数 10
回答已采纳
1回答
角点输入形状混淆
、、
嗨，我有尺寸为160*120的图像(这意味着160是宽度，120是高度)，我想用这个数据集来训练一个网络，没有调整大小。我认为用角纸代替写作
model.add(Conv2D(....,input_shape = (160,120,1) , ....)
我应该写
model.add(Conv2D(....,input_shape = (120,160,1) , ....)
那么，角角的输入形状是先取高度，后取宽度吗?虽然两种输入尺寸都开始训练，但没有出现任何错误，表明输入大小不匹配……另一个注意事项是，在训练网络之后，
model.add(Conv2D(....,input_shape = (
浏览 1提问于2021-11-09得票数 0
回答已采纳
1回答
我对Keras很陌生，我正试着测试一个我刚刚训练过的模型。
我正在使用Tensorflow后端和Python 3。
但是，输入的形状与Keras表示的错误形状完全不同。这是我的密码：
testnote = np.zeros((3,))
testnote[0] = 70
testnote[1] = 70
print(testnote.shape)
pred = model.predict(testnote)
print(pred)
我的一致输出是"(3，)“用于测试注释的形状，然后是对我的预测行的一个错误："ValueError:当检查输入时出错:预期的dense_1_input
浏览 0提问于2018-08-08得票数 3
回答已采纳
1回答
我对下面的问题不确定，我在互联网上发现的一切似乎都是模糊的。
考虑一下CNN：
model = Sequential()
# 1st conv layer
model.add(Conv2D(10, (4,4), actiavtion="relu", input_shape=(28,28,1)))
model.add(MaxPooling2D(pool_size=(2,2), strides=(2,2)))
# 2nd conv layer
model.add(Conv2D(20, (4,4), actiavtion="relu"))
model.add(MaxP
浏览 0提问于2020-05-10得票数 1
回答已采纳
1回答
我正在使用shapely并尝试输入如下所示的多边形，
然而，这显然是无效的，因为它会自己交叉。我想保留它的形状，并将其输入到我的程序中。有什么办法可以做到这一点吗？我不应该使用shapely吗？
浏览 0提问于2018-08-16得票数 0
1回答
我在我的项目中使用角语是新的。在我的模型中，我一直在与generator合作。
我真的很困惑，我应该输入什么价值？
( 1) fit_generator : steps_per_epoch & validation_steps？
2) evaluate_generator :步骤？
3) predict_generator :步骤？
我已经提到了和其他几个，的问题。我无法理解。更好地，我可以提供我的数据的例子，形状，我目前的工作，并跟随我的问题。另外，如果我的理解是错误的，请纠正
model.fit_generator(trainGen, steps_per_epoch=25,
浏览 0提问于2019-07-29得票数 3
回答已采纳
我有一个图像数据集，每个图像都是dimensions= (2048,1536) .In ImageDataGenerator从目录中获取数据，我使用了相同的目标大小，即(2048,1536)，但在制作顺序模型第一层时，我应该使用什么输入形状？？它是否与(2048,1536)相同，或者我可以采用任何随机形状，如(224,224)。
浏览 11提问于2019-08-18得票数 2
由于预先训练过的模型是关于具有特定宽度和高度的ImageNet图像的，那么Keras模型(例如ResNet50)如何允许一个不同的input_size？
我也想知道“197”这个神奇数字是从哪里来的：
input_shape:可选的形状元组，只能在include_top为False时指定(否则输入形状必须为(224、224、3) (带有“channels_last”数据格式)或(3,224,224) (带有“channels_first”数据格式)。它应该有准确的3个输入通道，宽度和高度不应小于197。例如(200,200，3)将是一个有效值。
浏览 5提问于2017-11-15得票数 4
2回答
我正在尝试keras.layers.LSTM，下面的代码可以工作。
#!/usr/bin/python3
import tensorflow as tf
import numpy as np
from tensorflow import keras
data = np.array([1, 2, 3]).reshape((1, 3, 1))
x = keras.layers.Input(shape=(3, 1))
y = keras.layers.LSTM(10)(x)
model = keras.Model(inputs=x, outputs=y)
print (model.predi
浏览 0提问于2019-09-07得票数 0
回答已采纳
我正在尝试使用Phantomjs 1.9将html页面转换为PDF。
我的html看起来像这样：
<body style="margin: 0px; padding: 0px;" >
<div id="myDiv" style="width:1024px; height:768px; margin:0px; border:none">
content
</div>
</body>
在rasterize.js中，我有：
page.viewportS
浏览 2提问于2013-06-10得票数 5
2回答
我需要在我的软件上添加一个新的显示器，分辨率与以前的不同，但我仍然需要对这两种分辨率的支持。
我在考虑在每个表单加载事件中都包含一个切换案例，然后根据屏幕分辨率更改表单中包含的所有按钮、表单和对象的大小。
Select case Resolution
case 800x480
resizes my controls...
case 1024x768
resizes my controls...
end select
该应用程序将在装有compact framework 3.5的windows ce 6上运行。
问题是：
在.NET中有没有更聪明的
浏览 0提问于2012-11-09得票数 3
回答已采纳
我的代码如下：
v = tf.Variable(initial_value=v, trainable=True)
v.shape是(1,768)
在模型中：
inputs_sents = keras.Input(shape=(50,3))
inputs_events = keras.Input(shape=(50,768))
x_1 = tf.matmul(v,tf.transpose(inputs_events))
x_2 = tf.matmul(x_1,inputs_sents)
但我犯了个错误
ValueError: Dimensions must be equal, but are 7
浏览 3提问于2022-06-15得票数 0
1回答
我正在尝试理解一个一维卷积层的输出，它应用于一些2D输入形状(6x6)的批次(在本例中为3)。
下面代码的输出是(4, 10, 32)。对于前两个指数来说，这个答案是相当直接的.
(4)插入N个例子，得到N个例子。
( 8 )在进行(10,128) * (3，1)之间的卷积时，由于默认填充设置为“有效”，我们输入空间中的两个值将不会映射到我们的最终结果，这就是我们得到8的原因。
我不明白为什么层输出32作为最终的索引。filters参数在Conv1D层中的实际作用是什么？对于我来说，这并不是很直观的，如下面这个短语所述，该层是如何操作最终输出的。
，从文档来看，这应该是输出
浏览 0提问于2020-11-25得票数 2
回答已采纳
2回答
我们已经在Oracle JDeveloper 11g Release1的ADF中创建了一个应用程序。
我们正面临一个调整大小的问题。
当我们调整应用程序的大小时..大多数组件都被削减了。它们不会根据屏幕分辨率调整大小。
请提供适当的输入。
它只能在1364x768上正常工作。:(但在分辨率低于这些分辨率的情况下，组件不能根据屏幕分辨率灵活。
在这种情况下，请给我们一个指针。
浏览 1提问于2011-12-30得票数 0
我有多个具有不同形状的3D数组，但我将假设我有一个名为A的数组，其中有一个形状为(53, 768, 768)的数组。它由53个二维数组组成，其中一些可能是空图像。这些空图像只有0像素值。
如果有所有0值的N片，我想要将A切片到(53 - N, 768, 768) 3D数组中。用索引可以做到这一点吗？
我尝试过类似于这个a[:, ~np.all(a == 0)]，但是它返回一个带有(53, 1, 768, 768)形状的数组。
浏览 1提问于2020-08-04得票数 1
回答已采纳
我正在尝试优化tensorflow模型并将其转换为OpenVINO IR。由于我在输入形状方面遇到的问题，它并不是很成功。因此，我计划用静态形状重新建模整个模型。我正在尝试的模型是keithito的Tacotron。 如何确保模型中的所有节点都具有静态形状？ 将输入占位符节点设置为固定形状是否允许tensorflow推断并修复所有其他节点的形状？
浏览 10提问于2019-04-25得票数 0
我正在试着通过这段代码来学习Conv2d。
基于conv2d文档：
输入形状= batch、in_height、in_width、in_channels
过滤器的形状= filter_height、filter_width、in_channels、out_channels
当我尝试运行它时，它向我发送了错误的消息。
#-*-coding:utf-8-*-
import tensorflow as tf
input_batch = tf.constant([
[
[[0.0], [1.0]],
[[2.0], [3.0]]
],
[
浏览 3提问于2018-05-13得票数 1
我有一个关于Keras深度学习的问题：
我正在构建一个mnist分类器，但我的神经网络的输入层是二维卷积层。训练集有60000个样本，测试集有10000个样本。每个图像的尺寸是28 x 28像素。我将像素张量切片并将其压缩为两个参数的张量，除以255，并将其设置为“loat32”。
导入：
from keras.models import Sequential
from keras.layers import Dense, MaxPooling2D, Conv2D, Dropout, Flatten
from keras.datasets import mnist
加载数据：
(train_i
浏览 0提问于2018-11-08得票数 0
2回答
我已经实现并训练了(224,224)图像的神经分割模型。但是，在测试期间，根据测试批的形状，模型返回的结果略有不同。
下面的图像是在我的预训练模型测试中得到的结果。
第一个图像是我预测单个示例时得到的预测(让我们称之为img0) (因此，输入是[img0]，具有形状(1,224,224))。
第二个图像是对同一图像的预测，但当它与其他7个图像一起批处理时(因此，输入是[img0, img1, ..., img7]并具有形状(8,224,224))。
与第二个输出相比，第一个输出比我预期的更接近。
但是，我不明白为什么输出是不同的.这应该是正常行为吗？提前谢谢。
浏览 7提问于2021-05-04得票数 1
回答已采纳
在预先实现的keras模型(VGG16等)中，我们指定可以改变模型输入的形状，并仍然加载经过预先训练的imagenet权重。
我感到困惑的是，第一层的权重会发生什么呢？如果输入张量有一个不同的形状，那么权值的数量将不同于预先训练的模型，不是吗？
这里是Keras VGG16模型的实现，可供参考。
浏览 0提问于2017-12-04得票数 1
回答已采纳
最近，Tensorflow增加了对3d卷积的支持。我在试着训练一些视频。
我有几个问题：
我的输入是16帧，每帧3通道的.npy文件，所以它们的形状是：(128, 171, 48).
1) for tf.nn.max_pool3d()状态输入的形状应该是：Shape [batch, depth, rows, cols, channels]。可以说，尽管我的npy imgs 有48个通道深，但我的频道维度仍然是3？
2)下一个问题与上一个问题相吻合:我的深度是48还是16？
3) (由于我在这里)批处理维度与3d数组相同，对吗？这些图像就像任何其他图像一样，一次只处理一个。
首先要澄清的是:在
浏览 3提问于2016-06-24得票数 5
回答已采纳
这适用于MNIST数据集 model = Sequential()
model.add(Flatten(input_shape=((28,28)))) 扁平化不会创建具有728个节点的输入层，以便每个像素值都输入到神经元/节点中？
浏览 20提问于2021-03-22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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
