我承担了一个项目，在这个项目中，我必须使用卷积网络来输出图像，而不是logit类预测器。为此，我对从下载的CNN代码进行了调整 import <e
浏览 11提问于2017-08-07得票数 0
回答已采纳
我在Tensorflow中有代码，使用卷积神经网络来识别街道视图文本(SVT)数据中的字符。由于标签类型是字符串，在丢失函数中应该使用什么而不是tf.nn.sparse_softmax_cross_entropy_with_logits()？我不能使用tf.nn.sparse_softmax_cross_entropy_with_logits()，因为她的标签必须是int dtype?？
浏览 0提问于2017-08-14得票数 4
回答已采纳
我通过以下步骤用tensorflow构建了一个卷积神经网络：https://www.tensorflow.org/tutorials/estimators/cnn 我想用自己的损失函数计算损失，因此需要在每个训练步骤中获得每个类的预测概率从Tensorflow教程中，我知道我可以使用"tf.nn.softmax(logits)“获得这些概率，但是这会返回一个张量，而我不知道如
浏览 20提问于2019-02-03得票数 0
回答已采纳
因此，我正在基于构建一个完全卷积网络(FCNreturn loss
以下是整形后logits和标签的<
浏览 20提问于2016-07-24得票数 7
回答已采纳
checkpoint_exclude_scopes=["InceptionV1/Logits", "InceptionV1/AuxLogits"]
with slim.arg_scope(inception.inception_v1_arg_scope()):import tensorflow</em
浏览 4提问于2017-03-23得票数 0
我用tensorflow编写代码，使用卷积神经网络读取街道视图房屋编号(SVHN)数据。我存储包含5348地址的图像标签，如4,5,3,4,8,0。索引一与地址(图像)中的数字数有关，而最后一个数字与此索引中没有数字相关，这意味着有图像有5位而不是4位，有时还有3或2位。我使用了5个完全连接<em
浏览 0提问于2017-08-11得票数 1
回答已采纳
1回答
一维CNN分类
、、、、
我正在建立一个卷积神经网络(使用Tensorflow)，它应该对一维输入进行分类。到目前为止，我的代码如下：batch_size = 32correct = tf.nn.in_top_k(logits, y, 1)
回溯(最近一
浏览 1提问于2017-08-24得票数 2
回答已采纳
我正在尝试理解sigmoid_cross_entropy损失函数在图像分割神经网络方面的作用：zeros = array_ops.zeros_like(logits, dtype=logits.dtype)relu_logits = array_ops.where(cond, logits, zeros)
neg_abs_log
浏览 21提问于2018-08-28得票数 7
回答已采纳
我有一个经过训练的卷积神经网络A，它输出给定图片包含一个正方形或一个圆的可能性。
另一个网络B拍摄随机噪声图像。我的想法是有一堆卷积层，以便输出是一个新产生的正方形。作为一个错误函数，我想把生成的图像输入到A中，并从A的软件最大张量中学习B的滤波器。据我所知，这是一种生成性的对抗性网络，除了A不学习之外。在努力实现这一目标时，我
浏览 1提问于2018-02-28得票数 1
回答已采纳
我正在训练一个11层全卷积网络。输入是图像480x640x1，输出标签也是图像480x640x1。为了进行培训，我使用了sparse_softmax_cross_entropy_with_logits()。但我是葛廷斯的损失值是NaN。我附上了我的代码片段以供参考。(x)
loss=tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(logits=log
浏览 3提问于2017-08-25得票数 0
1回答
这是我的问题。我训练了一个卷积神经网络，用tensorflow将图像分为两类。我现在想知道如何使用来自神经网络的权重，并在未标记的随机图像上进行测试。tensorflow中是否有这样的函数，还是我现在应该自己运行卷积？
浏览 0提问于2017-04-05得票数 0
回答已采纳
我想让tensorflow的inception v3给出一个图像的标签。我的目标是将JPEG图像转换为初始神经网络可以接受的输入。最初的tensorflow项目在这里：
最初，所有图像都在一个数据集中，整个数据集首先传递给中的input()或distorted_inputs()。对数据集中的图像进行处理，并将其传递给train()或eval()方
浏览 0提问于2017-03-03得票数 2
上下文：我正在使用一个完全卷积的网络来执行图像分割。通常，输入是一个RGB图像shape = [512, 256]，目标是定义注释区域的2通道二进制掩码(第二个通道与第一个通道相反)。问题：我使用Tensorflow和Keras实现了相同的。但Tensorflow模型并没有开始学习。事实上，loss甚至随着时代的增加而增长！这个Tensorflow实现中有什么问题阻止了它的学习？设
浏览 0提问于2018-03-29得票数 5
回答已采纳
0回答
这种情况仍然是抽象的，我需要训练一个卷积网络，然后在图像上的滑动窗口上运行这个卷积网络。我们的目标将是构建一个热图，用于为某些对象建立像素完美的检测边界。我想知道在keras中是否有一种简单的方法来训练网络，然后将其转变为卷积网络，而不需要在图像上运行循环，这是非常慢的？
我想我可以把经过训练的卷积滤波器复制到
浏览 5提问于2016-12-30得票数 0
1回答
然而，我不确定损失是如何累积的。
我知道损失是在像素级别上应用的，但是图像中每个像素的损失加起来就形成了每个图像的单个损失吗？或者，它不是被总结，而是被平均吗？此外，每个图像的损失是否只是在批处理上求和(或者是其他操作)？
浏览 14提问于2018-08-22得票数 0
回答已采纳
2回答
完全卷积网络训练图像大小
、、、、
我正在尝试使用TensorFlow复制用于语义分割的完全卷积网络的结果。
我被困在将训练图像输入到计算图中。全卷积网络使用VOC PASCAL数据集进行训练。然而，数据集中的训练图像具有不同的大小。我只想问他们是否对训练图像进行了预处理，使它们具有相同的大小，以及他们是如何对图像进行预处理的。如果没有，他们是否只是将不同大小<e
浏览 2提问于2016-08-20得票数 6
1回答
我遇到了两种不同的方法来平坦卷积池，但我不明白为什么这两种方法都有效。第一种方法非常直接地告诉我，来自tensorflow 使用的：但是，我看到了另一段代码，它使用以下代码：哪个logits最终用于计算entropy
entropy = tf.reduce_me
浏览 2提问于2018-10-19得票数 1
回答已采纳
在用tensorflow编译卷积神经网络时，我在Python语言中得到了一个TypeError。我已经尝试过更新tensorflow，但是我仍然得到了TypeError。这是我得到的错误消息：classifier.compile(optimizer='adam', loss='binary_crossentropy', metrics=, loss='binary_crossentropy',
metric
浏览 5提问于2017-12-04得票数 0
1回答
因为“层”一词在应用于卷积层时通常意味着不同的东西(有些将通过池将所有事物作为一个单层处理，而另一些则将卷积、非线性和池处理为单独的“层”；)，因此我不清楚在卷积层中应该在哪里应用下拉。例如，在TensorFlow中，会不会是这样的：activations = tf.nn.relu(kernel_logits)
kept
浏览 1提问于2016-06-01得票数 5
1回答
我想问你一个关于图像分类的问题。实际上，我正在制作一个图像分类器，我正在使用卷积神经网络，并使用keras和tensorflow作为后端。我的问题是如何识别图像中的多个对象。我尝试过使用激活函数、sigmoid和loss - binary_crossentropy的卷积神经网络，但我对此并不满意。
浏览 33提问于2017-12-13得票数 2
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
腾讯会议活动推荐
腾讯云开发者
