1回答
我使用Deepchem为我的GraphConvolution模型创建特性，如下所示。dc.feat.graph_features.ConvMolFeaturizer()
mol_object = featurizer.featurize(mols=molecules) 现在我想知道输出的molecules[0]将打印以下图形。 ? 因为molecules是一个列表，它只包含一个索引为0的元素，即molecules[0]。这意味着dc.feat.graph_features.ConvMolFeatu
浏览 29提问于2019-10-08得票数 1
回答已采纳
输入为(36, 64, 3)，Conv2d(3, 64, 3, 1)层后输出为(36, 64, 64)。有人能告诉我如果Conv2d(a, b, c, d)，a，b，c和d的相关含义是什么吗？
浏览 0提问于2018-12-20得票数 1
1回答
Pytorch卷积层返回Nan
、、、、
因此，我使用卷积层作为神经网络的第一层，用于深度强化学习，以从我构建的模拟中获得空间特征。模拟提供了不同的地图，这些地图具有不同的长度和高度。如果我理解卷积网络，这应该无关紧要，因为信道大小保持不变。在卷积网络和完全连接的层之间，有一个空间金字塔池层，因此不同的图像大小并不重要。此外，空间数据也相当稀疏。通常，在第一卷积层吐出所有Nans之前，它能够经历几个状态，
浏览 12提问于2018-08-09得票数 0
1回答
我有一个非常基本的问题，但是我不知道在Keras中二维卷积的概念。如果我能创建一个这样的模型： tf.keras.layers.Conv2D(filters=1, kernel_size=(7,7))])
为什么输出形状是=================
浏览 0提问于2021-09-07得票数 0
回答已采纳
我是一名声学专业的学生，在深造方面真的很新。我的目标是很好地理解CNN到底是如何工作的。有一部分我不明白。我找不到这方面的任何精确信息。我的模型是这样的： model.add(Conv2D(32, (3, 3), padding='same', activation='relu'我知道，第二层的输入由32个特征映射(第一个池层的输出)组成。
，第二个con
浏览 1提问于2017-06-21得票数 2
2回答
我的课程之一是“机器学习入门”，我一直想在这门课上做一个个人项目。为了训练一个简单的人工智能程序来玩游戏，我需要获得什么知识？这是我目前在机器学习中所知道的-统计推断可能是近似正确的模型，包括泛化界和模型选择。基本的超平面算法:感知器和Winnow。核粒边缘-感知器PCA决策树修剪与
浏览 0提问于2017-01-04得票数 9
回答已采纳
2回答
组合2神经网络
、、、、
2图像作为输入，x1和x2，并尝试使用卷积作为相似性度量。其思想是，学习的权重代替了传统的相似性度量(互相关，NN，.)。定义我的前向功能如下： out_conv1a = self.conv1(x1)out_cat = torch.cat([out_conv3a, out_conv3b],dim=1)问
浏览 0提问于2018-10-03得票数 6
回答已采纳
我想用gtx580图形处理器训练卷积神经网络。我尝试过设置TensorFlow，但是它没有工作(错误的cuda计算可编程性)。
在功能和速度方面，哪个深度学习框架最能支持gtx580图形处理器？
浏览 0提问于2017-01-22得票数 0
回答已采纳
我正在使用ray/rllib框架的深度神经网络进行强化学习。我正在写TensorFlow的事件。有时redis服务器出现故障，训练将停止。重新启动后，将创建一个新的tfevent-file。这导致在张力板中有许多不同的颜色。 有没有一种方法可以合并这些文件，或者告诉TensorBoard在绘图中赋予它们相同的颜色？以下是多个图形的输出示例，其中显示了对于一个实验，tensorboard使用了多种颜色。
浏览 96提问于2019-05-22得票数 6
1回答
我对tf.keras.layers.SeparableConv2D中的depth-multiplier (alpha)参数和在原论文的基础上我的问题是如何删除通道？我猜这是随机的，就像辍学？感谢澄清
浏览 1提问于2018-12-20得票数 0
1回答
我正在尝试使用keras建立一个非传统的神经网络，但在有效设置时遇到了问题。 前几层是标准的卷积层，这些层的输出有d个通道，每个通道都有n x n的图像形状。我想要做的是使用一个密集层将这个d x n x n张量映射到大小为n x n的单个图像上。我想定义一个密集层，输入大小为d，输出大小为1，并将此函数应用于输入上的每个“像素”(输入深度跨通道)。到目前为止，我还没有找到一个有效的</em
浏览 11提问于2019-04-10得票数 0
回答已采纳
假设我对conv层的输入是256 x 256 x 64，我使用了3x3的32个滤波器，为什么输出深度是32而不是64？卷积是如何在深度轴上进行的？
浏览 2提问于2018-01-11得票数 1
1回答
我读过这个，它说：
因此，我已经实现了它，得到输出层的深度2，但我如何才能得到彩色图像？如何将灰度图像亮度值与深度2 (a*b颜色)的输出层相
浏览 3提问于2017-02-20得票数 0
回答已采纳
1回答
我是强化学习和深度学习的初学者，我想为DQN代理(在Keras中)构建一个神经网络，该代理接收一个长度等于3的向量，并输出另一个长度等于10的向量。示例：或者：输出必须是一个包含10个元素的向量，其中一个元素等于1，所有其他元素的值都等于0。就像输入向量一样，它也可以
浏览 6提问于2020-11-18得票数 0
1回答
我们正试图在FPGA上构建一个前向卷积神经网络。我们构建的配置是基于LeNet-5架构的。但在第二卷积层，有6个输入(这是第一个最大池层的输出)和16个带有16 (5*5*6)滤波器的输出。我们<e
浏览 24提问于2019-10-26得票数 0
回答已采纳
2回答
2016_SMILES_DATA/test.py"，第2行，在basic_model = MobileNet(alpha=0.25，depth_multiplier=0.25，weights=None)中%block_id)(输入)
来自：“降低神
浏览 27提问于2018-06-04得票数 0
回答已采纳
1回答
问题在于如何利用卷积神经网络这样的深度学习模型进行图像分类，该模型作为训练过程的一部分进行自动特征工程(使用卷积层)。对于纯图像分类/分割模型，有一个特征存储有意义吗？哪些特性应该存储在功能存储中？卷积层的输出？但是在训练过程中，它们不能被重用，因为在训练过程中，它们会被卷积层重建。
浏览 0提问于2021-02-09得票数 0
Keras层文档指定了卷积层的输入和输出大小：输出形状：(samples, filters, new_rows, new_cols因此，带有c通道的输入将产生带有filters通道的输出，而不管c的值如何。因此，它必须应用二维卷积与空间height x width滤波器，然后聚合结果为每个学习滤波器。
这个聚合操作符是什么？这是跨渠道的总结吗
浏览 3提问于2017-04-09得票数 54
回答已采纳
2回答
我正在尝试了解神经网络架构是如何工作的。我一直在阅读一些文档，但对输入/输出形状感到困惑。
在我的示例中，我尝试执行以下操作。假设我的输入总是(20，15，15)。其中存在深度为20的矩阵，每个输入具有15行×15个cols。基本上，批处理中的每个输入都将是3d输入。我希望有一个深度为6的矩阵输出，每个矩阵有15行x 15个字节。这也是一个3d输出。上面
浏览 26提问于2020-05-05得票数 0
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
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
