现在，我正试图通过使用在不同数据集的子集上训练的模型的多个输出来改善结果，即使用“装袋”。每个模型由卷积和递归层组合组成，并具有具有三个值的softmax输出。最近，我尝试使用API的Average()函数。但它只是从最好到最差的所有输出的平均值。像Maximum()这样的另一个变体仍然没有起到足够的作用，因为据我所知，最大化每个值都会破坏"softma
浏览 19提问于2019-04-27得票数 0
回答已采纳
1回答
基于从二进制文件样本中提取的5个特征，其思想是将不同的深度学习模型组合在一起，每个模型处理一个特征样本。 或者简单地说，有没有一种方法可以连接CNN和RNN，使CNN的输出成为RNN的输入？
浏览 20提问于2020-10-15得票数 0
回答已采纳
1回答
我有可变序列长度的时间序列数据。time series在[samples, time_steps, n_features]不一致的情况下，如何创建形状time_steps的训练数据集(numpy数组)？附加信息:将被训练的模型是一个能够处理可变输入长度的LSTM。
浏览 0提问于2020-04-21得票数 1
回答已采纳
让我们假设我们有两个等价的模型，它们具有相同的输入、层和输出，除了一个是作为tf.keras.Model子类实现的，而另一个是在tf functional API中实现的。这些模型的推理或训练速度是否存在差异？
浏览 10提问于2020-08-20得票数 1
tensorflow.math.multiply和tensorflow.keras.layers.multiply有什么区别？同样，tensorflow.math.add和tensorflow.keras.layers.add的区别是什么？我之所以有这个问题，是因为当我构建自己的自定义损失函数和度量标准product = multiply([y_true_f, y_pred_f])时，如果我使用from tensorflow.keras.layers**的区别是什么？
类似地，K.pow
浏览 9提问于2020-01-01得票数 2
我刚刚使用了tf.keras.utils.plot_model，并出现了以下图表：图的右侧显示带有垂直分割的输入和输出形状，但它应该是一个水平拆分，以与左边的"intput:“和" output代码行：from tensorflow.keras.layers import Input, Conv2D, Dense, Flattenfrom tensorflow.keras
浏览 5提问于2022-07-06得票数 0
回答已采纳
1回答
在keras中，我们可以通过多种方式创建神经网络层。model=sequential()x1=Input(shape=(2,)3.子类
class Mymodel(keras.layers.Layers):我的问题是：
1.是否使用哪一种以及它们的利弊。
浏览 0提问于2020-07-22得票数 0
回答已采纳
在一些tf. keras教程中，我看到它们实例化它们的模型类如下：在一些地方，他们使用的是这样的东西：但是在中，它们确实看起来是一样的，但我不确定，也没有明确提到。
浏览 11提问于2021-03-30得票数 8
回答已采纳
2回答
我想要将它们的输出连接起来，使其扁平化，最后编译并拟合它，以便能够对目的进行分类，如下图所示： ? 我在拼接、合并和拟合中感到困惑。我的python代码如下： merge = Concatenate([model1, model2, model3, model4, model5, model6, model7, model8])
concat_model谁能帮帮我，任何信息都会有帮助的。
浏览 22提问于2019-03-02得票数 3
1回答
class MyModel(tf.keras.Model): super().__init__() self.build(input_shape=[None, 1])call(self, inputs, **kwargs):
模型图也不起作用：
tf.keras<
浏览 2提问于2021-04-03得票数 2
回答已采纳
1回答
我想实现一个具有输入层、两个密集隐藏层和一个非密集输出层的神经网络。下图显示了一个玩具示例。第一个隐藏层有三个神经元，第二个两个，最后四个神经元，但在第二个和第三个之间只有四个连接。input=keras.layers.Input(...)
hidden1=keras.layers.D
浏览 3提问于2020-09-01得票数 4
1回答
我有3个并行的MLP，并希望在Keras中获得以下内容：其中，Out_MLPs是每个MLP的输出层，维度为(10，)，W1、W2和W3是满足以下条件的三个可训练权重(浮点数)：使用Keras functional API实现这一点的最佳方式是什么？
浏览 14提问于2020-06-01得票数 0
回答已采纳
1回答
我在使用用函数API编写的keras RNN进行掩蔽时遇到了一些问题。其想法是用形状(batch_size，timesteps，100)掩盖张量，零填充，并将其输入到SimpleRNN中。现在我有以下几点：
mask_layer = keras.layers.Masking(mask_value对于“选择”(op：'Select')输入形状：?,2000，?
浏览 1提问于2020-01-25得票数 1
回答已采纳
1回答
我试图用keras和tensorflow建立一个深度学习神经模型，它可以根据一组时间序列数据和一些固定的数据来预测某个事件是否会发生。例如:对于给定的一组实体来说，它们的价格行为是相关的，因为有传言说将来会发生一些事件。现在，我的问题是如何构建这个，因为我有一些固定的数据，不随时间变化，还有一些时间序列数据，随着时间的推移而变化。
我想到的选项是LSTM --但不确定是否应该输入固定的静态数据。2)
浏览 0提问于2017-04-13得票数 2
回答已采纳
AFAIK，我们仍然需要创建一个模型并使用向模型添加层。为什么人们说功能性人工智能被用来创建非序贯神经网络？
浏览 5提问于2017-11-13得票数 4
我正在尝试在Keras中合并两个连续的模型。),
collective这可能是因为如果我不提供名称，<e
浏览 16提问于2019-03-15得票数 0
1回答
其目标是使用Keras‘functional创建一个层块，该API与“普通”Keras层一样可用(也是语法上的)。的functional语法相矛盾。到目前为止，方法是用另一个块包装这个块： def layer_block(prev_layer, args): return lambda prev_layer: layer_blo
浏览 0提问于2019-10-21得票数 2
我实现了一个keras模型如下：但我不知道该怎么做？我在ModelCheckpoint中使用的方法如下：model.add
浏览 0提问于2018-10-24得票数 4
回答已采纳
我在使用tensorflow.keras进行训练时遇到了一些问题。我用tensorflow.keras.backend定义了一个损失函数。代码如下： import tensorflow.keras.backend as K
def gradient_penalty_loss(y_true, y_pred, averaged_samplesOr, you may be trying to pass Keras symbolic inputs/outputs to a TF API</em
浏览 188提问于2021-07-20得票数 2
云服务器
ICP备案
腾讯会议
云直播
对象存储
腾讯云开发者
