假设我需要动态生成一个特定于某个用户的keras模型。每个用户可以有不同数量的分类输入，但是一旦您知道分类输入的数量，手动构建模型将是微不足道的。我想写一个函数，给定每个分类变量的基数列表，将返回一个适当的模型。我在这个问题上的第一次尝试产生了以下解决方案，但执行这样的字符串似乎并不正确。from keras.layers import Dense,Embedding,Input,Flatten,Add
def build_
浏览 39提问于2019-08-17得票数 0
假设我有一个自定义层Node，它继承自keras.layers.Layer，应该表示神经网络中的单个节点。据我所知，为了在keras中提供一个层，你需要向它传递一个张量，但我想要的语法是这样的：n2 = Node()
n2(n1) # Instead of n2(n1.output
浏览 0提问于2020-10-04得票数 0
我正在构建一个模型，在这个模型中，我希望将no_of_dense_layers作为参数，并期望from函数在循环中创建密集的层。在循环中创建密集层不是问题，我的问题是如何在Keras中传递密集层堆栈中的值？假设我想要3个密集层： def get_layers(no_of_dense_layers , dense_size):
return [tf.keras.layers.Dense(de
浏览 3提问于2020-07-24得票数 1
回答已采纳
我正在运行一个脚本，在那里我一次只训练几个不同的模型。它们都有相同的体系结构，但在不同的数据集上接受了培训。模型存储在一个列表中。我迭代地调用这些模型，并对每个模型进行如下的训练： model=model_list[i](让我们知道，培训和标签数据集并不显示为每个模型的更新，但它们是更新的)每次我训练一个模型时，列表中的其他模型都会根据当前模型的权重更新它的权重，这不是我想要的。我希望每个模型保持从他们自己的适当会议收集的重量。
浏览 3提问于2020-11-13得票数 0
回答已采纳
谁能解释一下与keras.Input张量相比，使用keras.layers.InputLayer的优势是什么？我知道一个是张量，另一个是层对象。然而，我的问题更多的是从实际的角度出发，比如在使用函数式API时，为什么要以某种方式定义输入。
谢谢!
浏览 1提问于2021-03-25得票数 1
我正在学习TensorFlow 2.0，它的层功能是基于Keras的。Concatenate()和concatenate()层有什么区别？
浏览 0提问于2019-07-04得票数 2
我想要创建一个模型，由两个卷积，一个扁平，和一个密集的层在Keras。这将是一个具有共享权重的模型，因此没有任何预定义的输入层。可以使用顺序方式：model.add(tf.keras.layers.Conv2D(10,3,2,'valid',activation=tf.nn.relu))
model.add(tf.keras.layers.
浏览 3提问于2021-04-02得票数 1
回答已采纳
1回答
我的网络有多个输入，其中一个输入是网络中用于索引到其他张量的索引。 def __init__(self, memory_size, k, **kwargs):
super()从我输入的数据来看，cluster应该是一个数字。
浏览 2提问于2021-04-26得票数 1
回答已采纳
我希望在模型之间有一个直接的映射，这样第一个网络的输出层就代表了第二个网络的输入张量。我目前正在使用Keras API顺序模型来添加密集层，但是，这些层是完全连接的。下面是我的代码片段：Tandem = keras.models.Sequential我是TensorFlow和Keras (以及Sta
浏览 2提问于2021-03-04得票数 0
我正在处理Keras函数式API。对于我的实验，我使用的是Keras resnet50模型，该模型是通过以下方法获得的： model = resnet50.ResNet50(weights='imagenet') 显然，为了获得网络的最终输出我的问题是，如果我输入适当维度的值，我是否可以从下图底部所示的relu层开始推断该图？ 我试着用Keras functions来实现这一点。K.functio
浏览 9提问于2019-04-08得票数 0
2回答
Keras序列模型输入层
、、、、
在Keras中创建顺序模型时，我知道您在第一层中提供了输入形状。这个输入形状是否构成一个隐式输入层？例如，下面的模型显式地指定了两个密集层，但实际上这是一个由输入形状所隐含的一个输入层、一个隐藏的密度层和32个神经元组成的三个层组成的模型，然后是一个具有10个可能输出的输出层吗？
浏览 0提问于2017-10-04得票数 19
回答已采纳
1回答
TensorFlow模型语法
、、、、
我是神经网络和Tensorflow的新手model = tf.keras.models.Sequential([tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(150, 150, 3)), tf.keras.layers.Conv2D(64, (3,
浏览 3提问于2020-08-16得票数 0
回答已采纳
我可以通过以下操作来完成这一任务：但我收到一个警告：
merged = Merge([CNN_ModelUse instead layers from `keras.layers.merge`, e.g. `add`, `concatenate`, etc.
浏览 7提问于2017-06-22得票数 3
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
我正在尝试弄清楚如何在Keras中使用和functional。使用非函数式Keras语法，我可以很容易地创建一个GRU模型来屏蔽所有零值，如下所示：model.add( tf.keras.layers.Maskingmodel.compile( loss = 'categorical_crossentropy', optimizer = opt, met
浏览 19提问于2021-02-23得票数 1
回答已采纳
4回答
我最近开始使用Tensorflow进行深度学习。我发现这句话model = tf.keras.models.Sequential()有点不同。我不能理解什么是真正的意思，还有其他的深度学习模型吗？
浏览 0提问于2019-09-02得票数 16
我正在使用带有tensorflow==1.3.0后端的keras==2.0.8。下面是一个让我感到困惑的例子：y = Reshape= Conv2DTranspose(10, 5, padding='same', strides=2)(y)这只是我的模型的一部分，在这些行之后，我在一些tensorflow操作中使用了(我知道<em
浏览 1提问于2017-10-16得票数 0
1回答
我想在我的Keras顺序模型中连接三个层。是否有办法这样做？我想把它们沿着axis=2连接起来。
model.add(keras.layers.InputLayer(input_shape=(seq_len, n_inputs)))
model.add(keras.layers.Conv1Dseq_len), filters=N_CONV_A, padding='same',kernel_size=F_CONV_A, strides=1, activ
浏览 0提问于2021-07-08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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
