腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(937)
视频
沙龙
1
回答
对编码器的输入进行展平和整形
、
、
、
、
我有一个包含3D定长线段的数据集 我想将其输入到具有完全连接的层的Antoencoder中,类似于: encoder
autoencoder
.add(Dense(100, input_shape=(self.input_dim,), activation='relu'))
autoencoder
.add(Dense(80, input_sh
浏览 28
提问于2020-09-02
得票数 1
回答已采纳
1
回答
自动编码器网络中的数组形状
、
、
、
、
))
autoencoder
.add(Dense(100, activation
autoencoder
.add(Dense(80, activation='linear'))
autoencode
浏览 2
提问于2020-07-19
得票数 1
回答已采纳
1
回答
使用Keras和Kedro构建自动编码器
、
、
、
、
node(fit_scaler, inputs="train_x", outputs="
autoencoder
_scaler", name="
autoencoder
-fit-scaler", name="
autoencoder
-scale-train"), node(tranform_scaler, inputs=["
autoencoder
_scaler", "test_x"], outp
浏览 49
提问于2021-08-16
得票数 0
回答已采纳
1
回答
没有梯度提供嵌套模型
、
、
、
、
= keras.Model(auto_input, auto_output, name="
AutoEncoder
") self.__call__ = self.
autoencoder
.predict
浏览 0
提问于2021-01-03
得票数 0
回答已采纳
1
回答
连接两个Keras层的输出
、
、
、
、
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Reshape, Concatenate x = layers.MaxPooling2D((2, 2), padding="same", name='last_layer')(x) retu
浏览 37
提问于2022-04-07
得票数 0
回答已采纳
1
回答
如何使用预先训练的编码器解码器创建自动编码器?
、
、
、
import models decoder = model.load_model('path decoder')
autoencoder
.evaluate('some image data')
浏览 9
提问于2022-06-06
得票数 0
1
回答
ValueError:检查目标时出错:要求activation_7具有形状(154,154,1),但得到形状为(200,200,3)的数组
、
、
、
、
autoencoder
= Sequential()
autoencoder
.add3)))
autoencoder
.add(MaxPooling2D(pool_size=(2, 2)))
autoen
浏览 18
提问于2019-06-25
得票数 1
回答已采纳
1
回答
在TensorFlow Functional中用相同的图保存和加载多个模型
、
、
、
、
layers.Conv2DTranspose(16, 3, activation='relu')(x)
autoencoder
.summary() 是否可以在共享相同的图形的情况下保存和加载这两个
浏览 0
提问于2019-09-05
得票数 8
回答已采纳
1
回答
如何分别保存Keras编码器和解码器
、
、
data_format=None)(x) 我可以使用下面的命令保存整个自动编码器模型
autoencoder
浏览 49
提问于2021-06-05
得票数 0
1
回答
使用fit_generator时ImageDataGenerator输入尺寸错误(Keras)
、
、
encoded = Dense(30, activation='relu')(input_img)
autoencoder
= Model(input_img, decoded) #creating ImageDataGeneratorImageDataGenerator(fea
浏览 2
提问于2017-06-04
得票数 1
1
回答
Keras自动编码器不收敛
、
、
自动编码器实现,不收敛encoder = containers.Sequential([Dense(32,16,activation='tanh')])
autoencoder
.add(
AutoEncoder
(encoder=encoder, decoder=decoder, output_reconstruction=
浏览 0
提问于2017-10-13
得票数 5
回答已采纳
1
回答
改进自动编码器网络的性能
、
、
、
、
= Sequential()
autoencoder
.add)))
autoencoder
.add(Dropout(trial.suggest_uniform('dropout_2', 0.0, 0.5)))
a
浏览 3
提问于2021-03-30
得票数 0
3
回答
Python/Keras/Theano深度自动编码器的错误尺寸
、
、
、
、
encoding_dim*4, activation='relu')(decoded)
autoencoder
32-dimensional) inputdecoder_layer =
autoencod
浏览 0
提问于2016-06-10
得票数 9
回答已采纳
1
回答
用于时间序列预测的LSTM自动编码器
、
、
RepeatVector(timesteps)(outE)decoder = Model(inpD,outD)
autoencoder
.compile(loss='mean_squared_error',
autoenco
浏览 3
提问于2018-04-21
得票数 6
1
回答
ValueError:输入0与keras中的层dense_6不兼容
、
、
,128)encoded_input = Input(shape=(encoding_dim,))Traceback (most recent call last): File "<e
浏览 2
提问于2017-06-05
得票数 5
1
回答
为什么LSTM自动编码器使用“relu”作为其激活功能?
、
、
lstm_
autoencoder
= Sequential() lstm_
autoencoder
.add(LSTM(timesteps, activation='relu', input_shape=(timesteps, n_features), lstm_
autoencoder
.add(LSTM(16, activation='relu', return_sequences=True)) lstm_
autoencode
浏览 3
提问于2020-06-15
得票数 1
回答已采纳
2
回答
如何在Keras中得到张量值?
、
、
)decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)
autoencoder
.compile(optimizer='adadelta', loss='binary_crossentropy') .
autoencoder
.fit(x_trai
浏览 2
提问于2018-05-30
得票数 2
回答已采纳
1
回答
如何在Keras中保存编码后的输出
、
、
、
、
我想用Tensorflow后端在Keras的自动编码器模型中保存解码器阶段之前的编码部分。encoding_dim = 210encoded1 = Dense(encoding_dim, activation='relu')(encoded) de
浏览 2
提问于2017-02-27
得票数 5
1
回答
tensorflow/keras模型的内存不足(OOM)错误
、
、
autoencoder
= Sequential()padding='same', input_shape=x_train[0].shape))
autoencoder
.add(UpSampling2D((2, 2)))
autoencoder
.add(Conv2D(64*coml
浏览 171
提问于2018-12-07
得票数 1
回答已采纳
2
回答
深卷积神经网络结构最终会给出错误。为什么?
、
、
、
、
encoding_dim = 512
autoencoder
(BatchNormalization())
autoencoder
.add(
浏览 19
提问于2019-05-18
得票数 0
点击加载更多
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
神经网络在客户分层上的应用—Autoencoder
一种集成AutoEncoder的在线网络入侵检测方法
python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列
简述深度学习预训练和正则化
深度学习的重要内容——自动编码器
热门
标签
更多标签
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
运营活动
广告
关闭
领券