ValueError:在使用tensorflow的神经网络中，从1减去2导致的负维度大小
ValueError是Python中的一个异常类，表示数值错误。在使用tensorflow的神经网络中，从1减去2导致的负维度大小的错误通常是由于张量维度不匹配或计算错误导致的。
解决这个问题的方法有以下几种：
- 检查张量维度：确保在进行减法操作之前，被减数和减数的维度是匹配的。可以使用tensorflow的函数如
tf.shape()或tf.Tensor.get_shape()来检查张量的维度。 - 检查计算过程：检查代码中的计算过程，确保没有出现错误的减法操作。可能是在计算过程中出现了错误的索引或维度操作。
- 检查数据类型：确保被减数和减数的数据类型是一致的，否则可能会导致计算错误。可以使用tensorflow的函数如
tf.cast()来进行数据类型转换。 - 检查输入数据：如果是在训练神经网络时出现这个错误，可以检查输入数据是否正确。可能是输入数据的维度或数值范围不符合要求。
推荐的腾讯云相关产品和产品介绍链接地址：
- TensorFlow：腾讯云提供的深度学习框架，支持神经网络的构建和训练。详细介绍请参考腾讯云TensorFlow产品介绍
- AI Lab：腾讯云提供的人工智能开发平台，集成了多种深度学习框架和工具，方便进行模型训练和部署。详细介绍请参考腾讯云AI Lab产品介绍
请注意，以上推荐的产品和链接仅供参考，具体选择还需根据实际需求进行评估和决策。
相关·内容
1回答
我一直在尝试做一个简单的2层神经网络。我研究了tensorflow api和官方教程，建立了一个分层模型，但在神经网络方面存在问题。下面是导致错误的代码的一个部分：
with graph.as_default():
tf_train_dataset = tf.placeholder(tf.float32, shape=(batch_size, image_size * image_size))
tf_train_labels = tf.placeholder(tf.int32, shape=(batch_size, num_labels))
tf_valid_datas
浏览 5提问于2016-02-13得票数 0
回答已采纳
1回答
前馈神经网络语言模型
、、、
我目前正在尝试使用TensorFlow 2.0开发一个前馈神经网络n元语法语言模型。为了清楚起见，我不希望通过递归神经网络来实现这一点，我只想使用几个密集层和一个Softmax层来实现这一点。这是我使用的参考；模型的体系结构也已概述，https://www.researchgate.net/publication/301875194_Authorship_Attribution_Using_a_Neural_Network_Language_Model 然而，当我尝试这样做的时候，我总是得到一个错误。下面是我的模型， tf.keras.optimizers.Adam(learning_rat
浏览 24提问于2020-10-22得票数 2
1回答
我试图构建一个dcnn，但是我得到了一个错误：
ValueError：(“指定大小包含一个值为<= 0的维度”，(-192,1024))
实际上，我不知道这个错误的原因，下面是我的代码：
数据：
c_X = open("C:/Users/PC/Desktop/Notebooks/Isabelle/mfcc_train_I_C_I_C_2.dat", "r")
c_y = open("C:/Users/PC/Desktop/Notebooks/Isabelle/phoneme_train_I_C_I_C_2.dat", "r&
浏览 1提问于2017-08-16得票数 0
回答已采纳
2回答
我很难理解第一个卷积神经网络所期望的输入是什么。
我的训练集是500幅50x50像素的灰度图像。
网络从一个Conv2D层开始。这个论点的文档input_shape说：
Input shape:
4D tensor with shape:
`(samples, channels, rows, cols)` if data_format='channels_first'
or 4D tensor with shape:
`(samples, rows, cols, channels)` if data_format='channe
浏览 2提问于2018-10-01得票数 1
回答已采纳
我想在tensorflow中使用conv2d，代码如下：
import tensorflow as tf
filter_num = 3
filter_size = 5
char_embed_size = 300
max_word_length = 1
max_seq_length = 15
embeddings = tf.Variable(tf.random_normal([512,14,300]))
#cnn_inputs = tf.reshape(word_embeddings, (-1, max_word_length, char_embed_size, 1))
cnn_inputs =
浏览 2提问于2019-03-06得票数 0
回答已采纳
我正在训练一个关于文本的卷积神经网络(在字符级别上)，我想做最大的池。tf.nn.max_pool需要4级张量，但是在tensorflow (批处理、宽度、深度)中，一维凸集是3级，所以当我将conv1d的输出传递给最大池函数时，这是一个错误：
ValueError: Shape (1, 144, 512) must have rank 4
总的来说，我对tensorflow和深度学习框架很陌生，我希望在这里提供关于最佳实践的建议，因为我可以想象有多种解决方案。如何在一维情况下执行最大池操作？
谢谢。
浏览 2提问于2016-10-04得票数 7
回答已采纳
我试图用keras的函数API来建立一个递归的神经网络，但是遇到了一些关于输出形状的问题，任何帮助都将不胜感激。
我的代码：
import tensorflow as tf
from tensorflow.python.keras.datasets import mnist
from tensorflow.python.keras.layers import Dense, CuDNNLSTM, Dropout
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.utils impo
浏览 0提问于2019-03-01得票数 0
回答已采纳
我想在tensorflow中训练一个双向LSTM来执行序列分类问题(情感分类)。
由于序列的长度是可变的，所以批量通常会填充零的向量。通常，我在单向神经网络中使用sequence_length参数来避免在填充向量上进行训练。
如何使用双向LSTM来管理这个问题？"sequence_length“参数是否自动从后向序列中的高级位置开始工作？
谢谢
浏览 4提问于2017-03-21得票数 7
2回答
我在Keras创建了一个CNN，每个层有12个卷积层，然后是BatchNormalization、Activation和MaxPooling。这一层的样本如下：
model.add(Conv2D(256, (3, 3), padding='same'))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=2))
我从32个特征地图开始，以512结束。如果我在上面的代码中的每个Conv层之后添加了MaxPooling，那么在最
浏览 0提问于2017-10-01得票数 1
回答已采纳
我已经实现了以下自定义Layer，它根据使用函数repeat的输入x的大小，在调用时修改可学习参数seed_vectors的大小。
import tensorflow as tf
from tensorflow.keras.layers import Dense
from tensorflow import repeat
from tensorflow.keras.layers import LayerNormalization
class PoolingMultiHeadAttention(tf.keras.layers.Layer):
def __init__(self, d
浏览 3提问于2020-03-02得票数 3
回答已采纳
1回答
我试图使用人工神经网络进行多类分类，使用Tensorflow和Keras。我正在建造一个具有以下形状的模型：
print(X_train.shape, X_test.shape, y_train.shape, y_test.shape`
(2000, 5, 5) (800, 5, 5) (2000, 4) (800, 4)
标签是一个热编码。
这是我的模型：
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.layers i
浏览 3提问于2021-08-29得票数 0
回答已采纳
1回答
不知何故，我在Keras库里发现了一个非常奇怪的bug。
我的学习方法包括一个三层神经网络:输入层130,517个单元(输入大小)，隐藏层10000，输出层2个单元。
在代码期间，我运行了一个批处理学习(我使用了partial_fit函数)，但是代码反复抛出相同的错误：
{ValueError}在检查输入时出错:期望dense_1_input具有形状(130517 )，但得到具有形状(1，)的数组
我再次检查了输入维度，发现它确实和我想的一样，有130,517维。
下面是调试变量的图片，如您所见，np.array(X[0])的形状为130,517：
对于任何情况，我都附加了神
浏览 0提问于2018-08-22得票数 0
回答已采纳
3回答
我试图从一篇使用Tensorflow的研究论文中复制一个卷积神经网络。
图中有很多次把卷积的结果连在一起。目前，我正在使用tf.concat()沿着最后一个轴(表示通道)连接这些功能映射。我最初认为我想连接所有的轴，但在tensorflow中，这似乎不是一个选项。现在我面临的问题是，论文指出不同尺寸的张量(特征图)应该连接在一起。tf.concat不支持不同大小的连接，所以我想知道这是否是首先要使用的正确命令。总之，在tensorflow中连接功能映射(有时大小不同)的正确方法是什么？
谢谢。
浏览 7提问于2017-10-02得票数 1
回答已采纳
我正在尝试使用tensorflow来编码RDD编码器和解码器，并使用不同长度的序列输入，所以希望编码器和解码器都可以是动态的。此外，解码器输入由编码器最终隐藏状态(上下文向量)调节，这类似于第3页中的参见图片a。解码器在训练期间尝试通过在每一步输入以前的输出和上下文向量作为输入来进行完全推理。
import tensorflow as tf
import copy
import math
from tensorflow.python.layers.core import Dense
class RNNEncoder_Decoder(object):
def __init__(self,inp
浏览 0提问于2017-10-09得票数 0
2回答
Keras阵列形状误差
、、、
当我传入的是一个形状ValueError数组时，我为什么要为我的神经网络得到一个形状(8,1)，但是我得到的错误是，神经网络正在抱怨得到一个(1,)。
神经网络：
>>> observation_dimension
(8,)
>>> q_network = Sequential([
Dense(40, input_dim=observation_dimension, activation='relu'),
Dense(40, activation='relu'),
Dense(number_of_act
浏览 0提问于2018-06-28得票数 1
回答已采纳
1回答
我用tensorflow和keras建立了一个神经网络。
我想使用转置卷积与keras.layers.Conv2DTranspose ()
我使用了这个，并将我的网络定义为：
import tensorflow as tf
from keras.models import Sequential
from keras.layers import Conv2DTranspose
sess = tf.Session()
batch_size = 20
model = Sequential()
model.add(Conv2DTranspose(filters = (batch_size,
浏览 0提问于2018-07-03得票数 0
回答已采纳
我有一些带有以下代码片段的神经网络，请注意batch_size == 1和input_dim == output_dim：
<code>A0</code>
目前，上面的神经网络工作得很好，但它非常慢，因为它会在每个样本(批量大小= 1)中更新梯度。我希望将批处理大小设置为> 1，但my_fn_that_only_takes_in_vectors不能容纳第一维不是1的矩阵。由于我的自定义损失的性质，将批处理输入平整为长度矢量(batch_size * input_dim)似乎不起作用。
既然输入和输出都是N x input_dim，其中N> 1，我该如何编写新
浏览 23提问于2019-12-04得票数 0
2回答
我有一个音频数据集，我已经转换了这些音频介绍MFCC的情节，如下所示：
现在我想喂我的神经网络
import tensorflow as tf
import tensorflow.keras as tfk
import tensorflow.keras.layers as tfkl
cnn_model = tfk.Sequential(name='CNN_model')
cnn_model.add(tfkl.Conv1D(filters= 225, kernel_size= 11, padding='same', activation='re
浏览 2提问于2019-12-18得票数 4
回答已采纳
1回答
我有3个文件夹与彩色图像。文件夹的名称是内部图像的标签。
cls1
|____img_0.png
|____ ...
|____img_n.png
cls2
|____img_0.png
|____ ...
|____img_n.png
cls3
|____img_0.png
|____ ...
|____img_n.png
我想使用Keras库来创建卷积神经网络进行分类，但是我找不到如何从彩色图像创建数据集。你能帮帮我吗?
浏览 1提问于2016-05-07得票数 12
回答已采纳
import numpy as np
from tensorflow.python.keras.layers import Input, Dense
from keras.models import Sequential
from keras.layers import Dense
import tensorflow as tf
import tensorflow
from tensorflow import keras
from keras.layers import Dense
x = np.stack([np.random.choice(range(10), 10, replace
浏览 275提问于2020-12-28得票数 0
我有一个数据集，每个项目都有40个特征值。当我尝试使用tensorflow(我是tensorflow新手)构建一个神经网络时，这一行代码会产生一个错误。
for _ in range(n_batches):
batches = tf.train.batch(input_list, batch_size=batch_size, enqueue_many=True, capacity=3)
错误：
ValueError: Dimensions 1 and 40 are not compatible
编辑：输入列表是通过读取包含每项40个特征数据值的csv文件来计算的。
wi
浏览 3提问于2017-09-01得票数 2
回答已采纳
我使用object_detection训练pb文件尝试了“inceptionv3”教程，但是我得到了以下错误：
ValueError Traceback (most recent call last)
<ipython-input-41-1cfc370a11f2> in <module>()
8 image_np_expanded = np.expand_dims(image_np, axis=0)
9 # Actual detection.
---> 10 output_dict
浏览 0提问于2018-04-26得票数 0
回答已采纳
1回答
简单神经网络的变长输入
、、、
变长，即input_dim=None，能应用于简单的神经网络吗？具体而言，Keras序列模型。我在尝试使用相同的概念时遇到了错误。我已经看到了支持此功能的文档：
但当我做下面的事..。
model = Sequential()
model.add(Dense(num_feat, input_dim = None, kernel_initializer = 'normal', activation='relu'))
model.add(Dense(num_feat, kernel_initializer = 'normal', activatio
浏览 1提问于2018-07-11得票数 0
回答已采纳
我在Google云上训练了一个巨大的神经网络(尺寸更大、类更多的胶囊网络)。这个网络需要大约400 GB的RAM和4个GPU来训练它而不会崩溃。理论上，我听到的是神经网络可以在普通PC上执行预测。但是，考虑到培训所需的资源如此之多，是否仍有可能下载tensorflow检查点并在我的膝上型计算机上运行网络以进行预测？
浏览 4提问于2020-04-04得票数 1
1回答
对于一个关于神经网络的项目，我正在使用Pytorch并使用EMNIST数据集。 已在数据集中加载的代码： train_dataset = dsets.MNIST(root='./data',
train=True,
transform=transforms.ToTensor(),
download=True) 并对其进行准备： train_loader = torch.utils.data.DataLoad
浏览 24提问于2020-06-16得票数 2
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：
import tensorflow as tf
n_outputs = 1
batch_size = 32
x = tf.placeholder(tf.float32, [batch_size, 10, 1])
filt = tf.zeros([3, 1, 1])
output = tf.nn.conv1d(x, filt, stride=2, padding="VALID")
y = tf.placeholder(tf.int32)
logits = tf.
浏览 1提问于2017-08-24得票数 2
回答已采纳
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
1回答
我对编程神经网络比较陌生，在决定尝试并学习使用我所学到的知识来编程神经网络之前，我已经遵循了一些关于它的教程。我一直在尝试编写一个基本的神经网络，这样我就可以了解它是如何工作的，但它总是给我一个错误。如果有人能帮上忙，我将不胜感激。 下面是我的代码： import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Flatten
from tensorflow.keras.layers i
浏览 17提问于2021-08-12得票数 0
回答已采纳
1回答
我有一批5张图片，我想把它们随机裁剪成w_，h_大小
示例：
import tensorflow as tf
images=tf.reshape(tf.range(100*100*3*5), [100, 100, 3, 5])
batch_crop = tf.random_crop(images, size=(20, 20))
with tf.Session() as sess:
batch = sess.run([batch_crop])
我得到了错误：ValueError: Shape必须是4级，但是对于“concat”(op：'ConcatV2')来说是
浏览 0提问于2019-02-12得票数 0
回答已采纳
我在努力解决分类问题。我不知道为什么我会犯这个错误：
ValueError: Input 0 of layer sequential_9 is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: [None, None, None]
这是主要代码：
model = createModel()
filesPath=getFilesPathWithoutSeizure(i, indexPat)
history=model.fit_generator(generate_array
浏览 6提问于2020-09-30得票数 2
回答已采纳
我有一个代码来加载VGGFace预训练的ResNet模型，并将其导出到tensorflow服务格式。这段代码片段已经开发了类似的模型，这些模型都不是VGGFace ResNet。
import tensorflow as tf
import keras
from keras_vggface.vggface import VGGFace
tf.keras.backend.set_learning_phase(0)
CHANNELS = 3
model = VGGFace(model='resnet50')
model.compile(
loss=keras.loss
浏览 4提问于2019-09-24得票数 0
回答已采纳
我试图将一个单一的300x300x300张量输入到tensorflow中的占位符中，虽然我使用的是imgs = tf.placeholder(tf.float32, [1, 300, 300, 300, 3])，但我得到的是ValueError
Traceback (most recent call last):
File "tfvgg.py", line 265, in <module>
prob = sess.run(vgg.probs, feed_dict={vgg.imgs: train_data})
File "/home/entelechy/tf
浏览 0提问于2017-04-04得票数 0
回答已采纳
我不知道如何将PyTorch方法adaptive_avg_pool2d转换为Keras或TensorFlow。有人能帮忙吗？PyTorch方法
adaptive_avg_pool2d(14,[14])
我尝试使用平均池，在Keras中重新构造张量，但得到了错误：
ValueError:新数组的总大小必须保持不变
浏览 4提问于2018-10-03得票数 4
1回答
我正在实现一个完全连接的深度神经网络。为了给网络提供数据，需要对我的数据进行整形，但我遇到了这个错误。有什么建议可以解决这个问题吗？ import time
start=time.time()
import numpy as np
from keras.layers import Dense
from keras.models import Sequential
from scipy.io import loadmat
Tar_train = (x['t_train'])
Tar_val = (x['t_val'])
Tar_test = (x['
浏览 3提问于2019-10-17得票数 0
2回答
我在学TF。从mnist数据集开始。我有10.000张28*28像素的图像。如果我把它作为形状输入
from tensorflow import keras
from tensorflow.keras.datasets import mnist
from matplotlib import pyplot
from tensorflow.keras import layers
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
inputs = keras.Input(shape=(28, 28))
浏览 4提问于2020-11-16得票数 0
回答已采纳
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
(Keras 1.0.7，Tensorflow r0.10)
我正在尝试实现我自己的激活功能：
# Custom activation function (Radial Basis Function - RBF)
l2_norm = lambda a, b: K.sqrt(((a - b) ** 2).sum())
def rbf(x, gamma=1.0):
return K.exp(-1 * gamma * l2_norm(x[0], x[1]) ** 2)
下面是我的模型中指定自定义激活函数的相关部分：
model = Sequential()
# Some other lay
浏览 2提问于2016-11-27得票数 2
我试图实现一个基于的神经网络，使用我自己的数据来代替虹膜数据集。据我所知，唯一的区别是点数，我的数据有13个特征，而虹膜数据只有4个，而我的数据只有2个输出类，而虹膜数据只有3个。然而，当我试图拟合神经网络时，会出现一个不相容的形状错误。
import keras
from keras.models import Sequential
from keras.layers import Dense
batchSize = 10
epochs = 50
model = Sequential()
model.add(Dense(26, input_dim=13, activation='
浏览 6提问于2020-06-25得票数 1
回答已采纳
我已经建立并训练了我的CNN模型，我想对它进行测试。我写了一个脚本，从指定的目录路径接收输入图像，然后对图像进行预处理，并将像素值重新调整为0到1之间。我还将图像大小调整为正确的尺寸，并使用model.predict()给出预测。但是，当我运行代码时：
from keras.models import Sequential
from keras_preprocessing.image import *
from keras.layers import *
import tensorflow as tf
import numpy as np
from keras.layers.experimen
浏览 0提问于2020-10-27得票数 3
回答已采纳
我已经用NN和tensorflow做了一些线性回归，但我的输入是熊猫数据(X_train)。现在我想建立一个带有坐标的神经网络。我将以X1(x1，y1)和X2(x2，y2)作为输入。形状: 75，2,120和X2。形状: 75，2,120；y.shape: 75,1
神经网络的体系结构应该是什么？我试过这样做：
print('Shape X1:', np.shape(X1))
Shape X1: (75, 2, 120)
model = keras.Sequential()
model.add(layers.Dense(50, input_dim=len(X1[1]), ke
浏览 3提问于2021-02-05得票数 0
回答已采纳
1回答
如何与扁平层连接
、、
我想在连接之前把输入压平，如下所示。
import numpy as np
import pandas as pd
import tensorflow as tf
from matplotlib import pyplot as plt
from tensorflow import keras
from tensorflow.keras import Model
from tensorflow.keras.callbacks import TensorBoard
from tensorflow.keras.layers import (
CategoryEncoding,
Co
浏览 6提问于2022-09-28得票数 1
我正在用PyTorch训练一个神经网络，它在某个时候有一个BatchNorm3d(C)。
通常，我训练它的批处理大小为1，然后这个特定级别的输入将是形状(1, C, 1, 1, 1)。
不幸的是，BatchNorm在错误消息中失败：
ValueError:训练时每个通道期望大于一个值，得到输入大小torch.Size(1，32，1，1，1)
当我使用InstanceNorm3d时，也会发生同样的情况。当我使用大于两个的批处理大小时，它工作得非常好(即输入将是形状的(2, C, 1, 1, 1)。
有人知道这个问题的解决办法吗？我遗漏了什么？
这个问题可以用以下代码片段来再现：
impo
浏览 3提问于2021-01-12得票数 1
使用下面的代码对随机数据进行模型训练，只是为了尝试一些实现，会抛出一个“容易”的错误，我就是无法理解：
import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
def create_dataset(size=(224, 224)):
array = np.random.randint(-128,127, (10, size[0], size[1], 3))
array2 = np.argmax(array, axis=
浏览 3提问于2021-05-17得票数 0
回答已采纳
我正在尝试使用遗传算法来自动化神经网络的设计。我对神经网络和tensorflow非常陌生，所以如果我不能正确地提供信息或解释，请原谅。我有多个问题要解决。
我的输入是一个浮点值的数组：
self.data_inputs = np.array([self.car_location, self.car_velocity, self.ball_location]).astype(np.float)
我想要的输出是：
self.desired_output = np.asarray([1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0])
也就是说，我试图让神经网络的输出层，即
浏览 0提问于2021-11-02得票数 1
最近，我参加了一场kaggle竞赛，并遇到了一些问题，试图从scikit learn上运行线性简历模型。我知道堆栈溢出有一个类似的问题，但我看不出接受的答复与我的问题有什么关系。如能提供任何协助，将不胜感激。我的代码如下：
train=pd.read_csv(".../train.csv")
test=pd.read_csv(".../test.csv")
data=pd.read_csv(".../sampleSubmission.csv")
from sklearn.feature_extraction.text import TfidfV
浏览 0提问于2013-12-02得票数 1
回答已采纳
我想了解什么是最好的方法是对一个经过训练的TensorFlow神经网络进行进一步的回归分析。
具体来说，我正在研究如何从经过训练的神经网络中找到进一步的最大值/极小值(相当于从回归曲线中求出max/min )。简单的方法显然是“尝试”所有可能的组合，并检查结果集的最大值/分钟，但是当有多个输入和因变量时，测试所有组合很快就会成为一个巨大的资源接收器。
有没有办法使用经过训练的TensorFlow神经网络来进行这些进一步的分析？
浏览 7提问于2016-07-06得票数 0
回答已采纳
我想用梯度下降来求解方程组，但是每次我都得到了错误的结果，所以我检查了我的代码并编写了一个numpy版本，在这个版本中我提供了显式的损失梯度，我可以得到currect结果。
所以我不明白为什么GradientDescentOptimizer不能工作。
这里是我的代码，没有tf:
import numpy as np
class SolveEquation:
def __init__(self, rate: float, loss_threshold: float=0.0001, max_epochs: int=1000):
self.__rate = rate
浏览 6提问于2017-02-26得票数 2
回答已采纳
2回答
我正在学习神经网络，并试图用tensorflow创建说话人识别系统。我想知道话语长度是如何影响神经网络的。例如，我有1000个相同长度的不同录音和1000个不同长度的录音。那么，从理论上讲，神经网络如何处理这些数据呢？具有相同长度记录的数据库的神经网络会做得更好还是更差？为什么？
浏览 1提问于2017-01-04得票数 5
让我们以标准MNIST的例子为例
www.tensorflow.com
其中有用于单个图像和28*28图像的100,000 X参数。
然后，如果我是使用没有隐藏层的单纯的神经网络，那么如何确定第一层中的神经元数。
谢谢。
PS: TF新成员
浏览 3提问于2017-04-06得票数 0
回答已采纳
(venv) nvidia@tegra：~/tensorflow-供诗人使用-2美元IMAGE_SIZE=128 (venv) nvidia@tegra-ubuntu：~/tensorflow-for-诗人-2美元建筑=‘mobilenet_0.25_128_量化’(venv) nvidia@tegra：~/tensorflow-为诗人-2美元ARCHITECTURE="mobilenet_0.25_128_quantized“
(文)nvidia@tegra：~/tensorflow-供诗人使用-2美元python -m scripts.retrain \
我使用上面的代码在ubun
浏览 1提问于2019-03-04得票数 0
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
