这条线工作得很好
self.conv = nn.Conv2d(3, 64, kernel_size=3, stride=2, padding=1, bias=False)
我介绍了ResNet18
self.conv = ResNet18()
**ResNet Class**
'''ResNet in PyTorch.
For Pre-activation ResNet, see 'preact_resnet.py'.
Reference:
[1] Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian
浏览 5提问于2020-07-16得票数 0
在构建ResNet时，我得到了一个未定义的秩错误；我在下面提到了一个可重复的代码：
这是我的身份座：
def IdentityBlock(X, f, filters):
F1, F2, F3 = filters
X_shortcut = X
X = Conv2D(filters = F1, kernel_size = (3, 3), padding = 'valid')(X)
X = BatchNormalization()(X)
X = Activation('relu')(X)
X
浏览 1提问于2021-09-07得票数 0
您好，我正在制作一个用于训练数据集的模型，但是在我的resnet_model中，我遇到了属性错误，所以请帮助我解决这个错误。下面是代码： from Lib.data_loader import DataLoader
from Lib.resnet_model import Resnet3DBuilder
from Lib.HistoryGraph import HistoryGraph
import Lib.image as img
from Lib.utils import mkdirs
#import tensorflow as tf
import os
from math impor
浏览 411提问于2021-05-08得票数 1
回答已采纳
正在尝试在poly-u数据集上实现resnet 50。我在这里试图做的是，我想做一个模型，将个人的掌纹划分为不同的身份，我发现resnet对这类问题最有效，似乎无法克服这个错误尝试了许多解决方案，但由于某些原因无法解决： TypeError: Failed to convert object of type <class 'tensorflow.python.framework.sparse_tensor.SparseTensor'> to Tensor. Contents: SparseTensor(indices=Tensor("Deserialize
浏览 79提问于2021-04-14得票数 1
在一些用于构造正在查看的ResNET的代码中，我发现了以下语法：
.
.
.
# Save the input value. You'll need this later to add back to the main path.
X_shortcut = X
.
.
.
# Final step: Add shortcut value to main path, and pass it through a RELU activation (≈2 lines)
X = Add()([X, X_shortcut])
X = Activation('relu')(X)
参
浏览 1提问于2019-08-04得票数 0
回答已采纳
我使用以下代码尝试创建resnet32体系结构并训练模型。代码包含了输入形状的Resnet32模型架构，它抛出了一个错误，声明ValueError: Layer conv2d_3需要1个输入，但它收到了3个输入张量。
from keras.datasets import cifar10
(X_train, y_train), (X_test, y_test) = cifar10.load_data()
X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_train =
浏览 0提问于2021-07-14得票数 0
我已经创建了自定义ResNet模型，如下面的代码片段所示：
class ResNet:
@staticmethod
def residual_module(data, K, stride, chanDim, reduce=False, reg=0.0001, bnEps=2e-5, bnMom=0.9):
# the shortcut branch of the ResNet module should be
# initialize as the input (identity) data
shortcut = data
浏览 10提问于2020-05-13得票数 0
1回答
如你所知，在CNN中，只有几层卷积，BatchNormalization有权重。通常情况下，它们都是这样构造的。Conv - BN - ReLU - Conv - BN - ReLU，但是，如你所见，结构下面仍然不寻常.
conv2_block1_0_conv/kernel:0
conv2_block1_0_conv/bias:0
conv2_block1_3_conv/kernel:0
conv2_block1_3_conv/bias:0
conv2_block1_1_bn/gamma:0
conv2_block1_1_bn/beta:0
conv2_block1_1_bn/moving_m
浏览 1提问于2021-08-03得票数 0
回答已采纳
我正在尝试Resnet架构，以便与CNN进行性能比较。我在我的第一个测试中使用了这个Resnet。我重用我的代码为网络加载和准备数据，它工作得很好。脚本的其余部分似乎也工作得很好，但在fit_generator中除外。在fit_generator，它暂停了一段时间，然后似乎退出了，我有一条打印语句说“发生了什么？”我很困惑，因为我希望看到一条错误消息，或者程序会崩溃，或者别的什么。我使用的是运行最新版本的anaconda的windows10。在我的公寓环境中，我使用的是Python3.6，最新版本的Keras 2.3，最新版本的TensorFlow。如果您有任何见解，我将不胜感激。
def b
浏览 31提问于2020-02-04得票数 0
1回答
我正在尝试通过遵循的代码来实现用于视频分类的ResNet 101
Tf版本- 1.14.0
输入尺寸- 256帧X 80 X 60 X 1
我不能理解如何给这个模型提供输入，也不能解决这个错误：
图像->
TypeError Traceback (most recent call last)
<ipython-input-147-9d112a71e8b5> in <module>
10 #cnn = c3d_model(32)
11
---> 12 cnn = resnet
浏览 2提问于2021-01-28得票数 0
我编写了这段代码，当我运行它时，我得到了以下错误: forward()接受一个位置参数，但给出了两个位置参数。据我所知，我只传递一个论点来转发()。
ResNet是一个基本的剩余块。
class ResNet(nn.Module):
def __init__(self, in_channels, mid_channels, mid2_channels ,out_channels):
super().__init__()
self.conv1 = nn.Conv2d(in_channels,mid_channels,kernel_size = 3, str
浏览 4提问于2020-08-20得票数 0
回答已采纳
我一直在使用这里提供的代码的resnet56模型：。
我注意到这个实现与许多其他在线可用的ResNet示例不同，我想知道PyTorch使用损耗()的反向传播算法是否可以解释所提供的代码中的lambda层和快捷方式。
如果是这样的话，是否有人能深入了解PyTorch如何能够为反向传播解释lambda层(例如，PyTorch如何知道如何区分该层的操作)？
我还不得不修改代码以适应我自己的用例，而且我自己使用选项== 'A‘的实现似乎没有产生很好的效果。这可能只是因为选项== 'B‘，它使用卷积层而不是填充，对我的数据更好。
self.shortcut = nn.Se
浏览 4提问于2020-01-19得票数 1
回答已采纳
我想将我的3,320,320张图片添加到现有的ResNet模型中。实际上，模型期望输入的大小为3,32,32。由于我害怕失去信息，我不想简单地调整我的图片大小。对我的图像进行预处理的最佳方法是什么，以便它们能够在ResNet34上运行？我应该在ResNet的前向方法中添加额外的层吗？如果是，在我的情况下，什么是合适的组合？
import torch
import torch.nn as nn
import torch.nn.functional as F
from pytorch_fitmodule import FitModule
from torch.autograd import Var
浏览 0提问于2020-05-22得票数 0
回答已采纳
我正在尝试使用Slim API加载Tensorflow检查点。我所做的仅仅是为函数内部的模型创建初始化器，如下所示： def generate_image_feature_map_with_resnet(self, cnn_input, name="Pre-trained ResNet101"):
"""
Computation graph defnition (with the help of tf.slim) for a ResNet101 architecture to extract image feature maps.
浏览 10提问于2019-01-14得票数 0
回答已采纳
3回答
最近，我把vgg16和resnetv1和20层进行了比较，我发现虽然vgg上的每一个阶段都需要更多的时间来完成，但是达到一定的训练精度所需要的时间通常比reach 20少。为什么vgg学习得更快？我的实验正确吗？我在Cifar100和一部分imagenet(来自斯坦福大学cv课程的微型图像网络)上试过它。
vgg有近14m个参数，但resnet只有0.3m。以下是我对“怨恨”的实现：
def resnet_layer1(inputs,initializer,
num_filters=16,
kernel_size=3,
浏览 0提问于2019-08-24得票数 5
回答已采纳
1回答
我设法找到了ResNet-18的这种实现：
def __init__(self):
super(ResNet18,self).__init__()
self.block1 = nn.Sequential(
nn.Conv2d(1,64,kernel_size=2,stride=2,padding=3,bias=False),
nn.BatchNorm2d(64),
nn.ReLU(True)
)
self.block2 = nn.Sequential(
nn.MaxPool2d(1,1),
浏览 0提问于2019-12-23得票数 0
回答已采纳
下面是我从github获得的ResNet 3D架构。它是R3D的Keras实现。该架构旨在对视频分类模型进行训练。
## Resnet 3D architecture
# Taken from https://github.com/JihongJu/keras-resnet3d/blob/master/resnet3d/resnet3d.py
def _bn_relu(input):
"""Helper to build a BN -> relu block (by @raghakot)."""
norm = BatchN
浏览 3提问于2020-09-11得票数 0
回答已采纳
1回答
我非常感谢你提供的帮助，我是python的新手。我尝试用3个类对色情图像进行分类，我使用RESNET50作为架构。现在，我有一个问题，在火车，瓦尔，测试预测(结果附后)的准确性差。此外，验证的损失并没有减少，使我的训练是提前停止在大约40个时代，目前。
我不知道我的数据集是坏的(我有6267个总图像，其中火车:测试为80:20，火车:val为50:50 )，或者我的代码中有一些错误或遗漏。目前，我正在寻找一个解决方案，最近我发现在resnet中冻结某些特定的层或阶段可能有助于提高我的结果。
(对于resnet代码，我在github中使用了pskrunner14，我只是添加了一些代码来调整我的需
浏览 4提问于2020-02-23得票数 1
回答已采纳
1回答
我在课程中学习NN，通过deeplearning.ai和我的一个家庭作业是通过使用Keras来实现ResNet50，但我认为Keras太高级了)，并决定在更复杂的库PyTorch中实现它。我录下来了，但出了点问题。请有人告诉我，当我将ResNet.parameters()方法放在Adam优化中时，为什么会出现参数错误。
类实现：
class ResNet50(torch.nn.Module):
def __init__(self, input_shape = (3, 96, 96), classes = 10):
super(ResNet50, self).__init
浏览 5提问于2020-08-26得票数 2
我使用cifar-10研究了Resnet 50。
但是，我面对了RuntimeError。
这是代码
class BasicBlock(nn.Module):
def __init__(self, in_planes, planes, stride = 1):
super(BasicBlock, self).__init__()
self.conv1 = nn.Conv2d(in_planes, planes, kernel_size = 1, stride = stride, padding = 1, bias = False)
se
浏览 6提问于2022-09-11得票数 0
回答已采纳
我正在尝试实现一个ResNet1D，它应该以一个包含单个心跳的心电信号窗口作为输入，在我的例子中，有950个样本，我想预测QRS间隔的长度。
以下是网络实现的代码：
class Bottleneck(nn.Module):
expansion = 4
def __init__(self, in_planes, planes, stride=1):
super(Bottleneck, self).__init__()
self.conv1 = nn.Conv1d(in_planes, planes, kernel_size=1, bias=Fa
浏览 7提问于2021-09-21得票数 0
回答已采纳
1回答
我已经训练了我的ResNet50模型与毕火炬闪电框架。一切都和往常一样。在获得我的.pth文件(这是我的模型的状态dict文件)之后，当我重新加载该文件并尝试测试该模型时，我得到了这个错误。它可以看出state_dict中的每一个键都有“模型”。在每个键名的上方添加。有没有办法从根本上解决这个问题，而不是仅仅替换.pth文件中的键？
---------------------------------------------------------------------------
RuntimeError Traceback (mos
浏览 22提问于2022-02-14得票数 0
我遵循代码来创建我自己的ResNet，并使用这个上的代码作为我的输入。然而，它是用tensorflow编写的，我正在使用tensorflow.keras。大多数代码我已经能够转换，但是我在卷积层中将两个路径添加在一起。
这是tensorflow代码
X = Add()([X, X_shortcut])
这是我在tensorflow.keras中创建的函数
def Convolutional_Block(model, f, filters, stage, block, s = 2):
F1, F2, F3 = filters
model_shortcut = model
###
浏览 0提问于2020-03-04得票数 0
我试图使用来自https://github.com/jzuern/cifar-classifier的代码在Google Colab上实现ResNet- Cifar10模型。我使用的不是ReLU激活，而是我自己的自定义激活函数。代码如下： def fonlaaf(x):
return x/(1-tf.exp(-x))
def resnet_layer(inputs,
num_filters=16,
kernel_size=3,
strides=1, activation='
浏览 11提问于2019-04-23得票数 0
回答已采纳
我最近开始研究神经网络。我在MNIST和MLP上取得了很好的结果，并决定使用CNN为CIFAR-10数据集编写一个分类器。我选择了ResNet架构来实现，并尝试遵循著名的文章“用于图像识别的深度残差学习”：。但我的实现在没有增强测试数据的情况下获得了大约84% - 85%的准确率，在没有增强的情况下获得了大约88%的准确率，这与文章中显示的结果绝对相去甚远--大约91% - 92%。
下面是我的ResNet实现：
class Block_of_net(nn.Module):
def __init__(self, in_channels, out_channels, kernel_size,
浏览 1提问于2020-05-17得票数 0
2回答
我在Pytorch上有以下Resnet原型： Resnet_Classifier(
(activation): ReLU()
(model): Sequential(
(0): Res_Block(
(mod): Sequential(
(0): Conv1d(1, 200, kernel_size=(5,), stride=(1,), padding=same)
(1): ReLU()
(2): BatchNorm1d(200, eps=1e-05, momentum=0.1, affine=True, track
浏览 26提问于2021-10-03得票数 0
回答已采纳
1回答
我是这里的新手，所以如果我事先写错了什么，对不起。
我试图使用Resnet50模型对皮肤病进行分类。当我试图运行模型时，会出现一个错误。首先，我考虑了将图像转换为数据类型的原因，并将它们转换为张量，但没有工作。
这是我的密码
directory_infection_negative = glob.glob("/content/drive/MyDrive/DFU_Classification_Datasets/DFU_Classification_Datasets/PartB_DFU_Dataset/Infection/Aug-Negative/*")
for img in di
浏览 21提问于2022-01-08得票数 0
回答已采纳
1回答
我是深度学习和计算机视觉的新手，在完成CNN上的Courseera课程后，我想要复制作业，但使用PyTorch而不是Tensorflow。其中一项任务涉及使用ResNet架构进行手势分类。
我创建了ResNet34 & ResNet50，这是我对纸上描述的最好理解，然而，当我训练它时，损失不会消失。已经3天了，我想不出任何解决办法。在这一点上不确定是模型问题还是任何脚本问题。请参考上的代码。
下面是我如何创建模型并对其进行训练。
class Block34(nn.Module):
def __init__(self,in_c,out_c):
super().__
浏览 77提问于2021-06-09得票数 1
1回答
我有一个基于ResNet的深度CNN和一个数据集(10000，50,50,1)来对数字进行分类。当我运行它开始精简，准确性只是停留在一些值，并轻轻地(约0.2)。我想知道它是否过火，还是涉及另一个问题？
以下是标识块：
def identity_block(X, f, filters, stage, block):
# defining name basics
conv_name_base = 'res' + str(stage) + block + '_branch'
bn_name_base = 'bn' + str(stage) + blo
浏览 0提问于2020-03-09得票数 2
回答已采纳
我想用tensorflow设计一个建立在预先训练好的网络上的网络，以Reset50为例。，然而，我不知道如何使用他们的检查点来构建我的模型？resnet的定义可以在resnet.py中找到。有谁能帮帮我呢？非常感谢!
def inference(x, is_training,
num_classes=1000,
num_blocks=[3, 4, 6, 3], # defaults to 50-layer network
use_bias=False, # defaults to using batch norm
浏览 20提问于2017-03-03得票数 6
1回答
我正在尝试简单地保存一个resnet50模型，但我得到了一个错误。重现错误的代码如下：
from tensorflow import keras
import keras_resnet
inputs = keras.layers.Input(shape=(None, None, 3))
resnet = keras_resnet.models.ResNet50(inputs, include_top=False, freeze_bn=True)
resnet.save("my-model")
我得到的错误是："KeyError：'inputs'“。这
浏览 41提问于2021-02-17得票数 0
回答已采纳
1回答
我想使用相同的ResNet50多次与不同的输入，即权重共享。下面是我的代码，但是我得到了行AttributeError: 'Tensor' object has no attribute 'output'的错误消息resnet_x = resnet_x.output。
我要改变什么才能让它发挥作用？
from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.layers import Input
from tensorflow.keras.layers im
浏览 2提问于2021-03-06得票数 1
回答已采纳
1回答
resnet的会导致以下模型：
ResNet(
(conv1): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(layer1): Sequential(
(0): BasicBlock(
(conv1): Conv2d(64, 64, kernel_size=(3, 3), stri
浏览 18提问于2021-05-15得票数 0
回答已采纳
1回答
我有一些网，如以下(增广的) resnet18：
num_classes = 10
resnet = models.resnet18(pretrained=True)
for param in resnet.parameters():
param.requires_grad = True
num_ftrs = resnet.fc.in_features
resnet.fc = nn.Linear(num_ftrs, num_classes)
我希望在闪电模块中使用它们，并让它处理所有优化、to_device、阶段等等。换句话说，我想为我的闪电模块注册这些模块。我也希望能够接触到他们的公
浏览 5提问于2022-07-31得票数 1
回答已采纳
1回答
我想在Keras中加载经过预先训练的ResNet50v2模型。我试过了
keras.applications.resnet_v2.ResNet50V2()
这引起了一个错误
Traceback (most recent call last):
File "<input>", line 1, in <module>
AttributeError: module 'keras.applications' has no attribute 'resnet_v2'
在搜索该错误时，建议使用keras_applications包
浏览 0提问于2019-11-09得票数 5
回答已采纳
from classification_models.resnet import ResNet18, preprocess_input
model = ResNet18((224, 224, 3), weights='imagenet')
ModuleNotFoundError Traceback (most recent call last)
<ipython-input-43-ff8b34ae99fa> in <module>()
----> 1 from classification_models.
浏览 6提问于2022-04-12得票数 0
1回答
微调尺寸误差
、、、
我试图使用Resnet50来解决图像分类问题。然而，它显示了错误，我无法修复它。
RuntimeError: inconsistent tensor size, expected tensor [120 x 2048] and src [1000 x 2048] to have the same number of elements, but got 245760 and 2048000 elements respectively at /Users/soumith/code/builder/wheel/pytorch-src/torch/lib/TH/generic/THTensorCopy
浏览 0提问于2017-11-15得票数 0
回答已采纳
我想在我的模型中使用预训练的resnet_50，并且我想为resnet中的所有操作指定GPU:1。但我不知道该怎么做。有谁可以帮我？
下面是我的代码：
slim = tf.contrib.slim
with slim.arg_scope(nets.resnet_v1.resnet_arg_scope()):
features, _ = nets.resnet_v1.resnet_v1_50(inputs, num_classes=None)
我试着
slim = tf.contrib.slim
with slim.arg_scope(nets.resnet_v1.resnet_arg_
浏览 0提问于2018-09-10得票数 0
1回答
伙计们！
我试图在本地运行猫的例子，但我在训练步骤中卡住了。我得到了这个很长的错误。有没有人能帮我弄清楚哪里出了问题？
提前谢谢。
命令: bertalan@mbqs:~/tensorflow/models$ python对象检测/Train.py --logtostderr --pipeline_config_path=/home/bertalan/tensorflow/models/object_detection/samples/configs/Myfaster_rcnn_resnet101_pets.config _dir=TrainCat
下面是带错误的输出：
INFO:tensor
浏览 6提问于2017-07-26得票数 0
我使用Resnet-50和ResNet-152来实现我的代码，我阅读了以下内容：
我们还注意到，ResNet-152 (3×+SK)仅略优于ResNet-152 (2×+SK)，
那么，我想指出ResNet-152 (3×)和ResNet-152 (2×)之间的主要区别，意思是什么对应2和3？谢谢
浏览 7提问于2021-03-15得票数 1
比方说，我试图表达的是，一个FunctionalClass绑定必须有一个合作伙伴，这是一个，也就是一个合作伙伴，它是蛋白。
我想知道这是否足够
resnet:Binding
rdf:type owl:Class ;
rdf:type sh:NodeShape ;
rdfs:label "Binding" ;
rdfs:subClassOf owl:Thing ;
sh:property [
sh:path resnet:partner ;
sh:NodeKind sh:IRI ;
sh:qualifiedMaxCount
浏览 1提问于2021-06-23得票数 0
回答已采纳
2回答
在keras预训练模型中添加层
、、、、
我试图建立一个ResNet50 CNN图像分类为5个不同的类别。我从导入这个模型开始：
ResNet = ResNet50(
include_top= None, weights='imagenet', input_tensor=None, input_shape=([128, 217, 3]),
pooling=None, classes=5)
然后，我尝试为分类添加一些最后的层：
ResNet.add(Flatten())
ResNet.add(Dense(units=512, activation='relu'))
ResNet.add(D
浏览 4提问于2020-11-24得票数 2
回答已采纳
1回答
我试图将resnet34和resent50导入到Kaggle中，但没有成功。当我跑步时：
from keras.applications.resnet50 import ResNet50 as resnet50
resnet = ResNet50(weights='imagenet')
learn = ConvLearner.pretrained(resnet, data, precompute=True)
它开始下载：‘下载：’‘到/tmp/.tmp/模型/resnet34-333f7ec4.pth’
但是说“上的URL失败: None - Errno -2名称或服务不知道
浏览 0提问于2018-05-19得票数 0
回答已采纳
class ResNet(nn.Module):
def __init__(self):
super(ResNet, self).__init__()
resnet = models.resnet50(pretrained=True)
modules = list(resnet.children())[:-1]
self.resnet = nn.Sequential(*modules)
self.fc=nn.Linear(2048,10)
def forward(self, x):
x1 = self.resnet(x)
x1=s
浏览 0提问于2019-06-03得票数 1
1回答
我有以下代码，它在预先训练的VGG模型上工作，但在ResNet和初始模型上失败。
vgg_model = keras.applications.vgg16.VGG16(weights='imagenet')
type(vgg_model)
vgg_model.summary()
model = Sequential()
for layer in vgg_model.layers:
model.add(layer)
现在，将模型更改为ResNet，如下所示：
resnet_model=keras.applications.resnet50.ResNet50(weights
浏览 2提问于2019-08-12得票数 0
我正在使用Lasagne+Theano创建一个ResNet，并且正在与DenseLayer的使用进行斗争。如果我在上使用这个例子，它就能工作。
l_in = InputLayer((100, 20))
l1 = DenseLayer(l_in, num_units=50)
但如果我想在我的项目中使用它：
#other layers
resnet['res5c_branch2c'] = ConvLayer(resnet['res5c_branch2b'], num_filters=2048, filter_size=1, pad=0, flip_filters=
浏览 2提问于2016-09-29得票数 1
回答已采纳
1回答
CNN特征提取
、、、、
class ResNet(nn.Module):
def __init__(self, output_features, fine_tuning=False):
super(ResNet, self).__init__()
self.resnet152 = tv.models.resnet152(pretrained=True)
#freezing the feature extraction layers
for param in self.resnet152.parameters():
param.requires_grad = f
浏览 1提问于2021-08-22得票数 0
回答已采纳
model_urls = {
'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth',
'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth',
'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth',
&#
浏览 22提问于2022-07-20得票数 0
1回答
如何进行中间迁移学习输出。？例：
from keras.models import Sequential
from keras.layers import Dense
# ... Other Imports..
from tensorflow.keras.applications.resnet50 import ResNet50
model = Sequential()
resnet = ResNet50(include_top = False, pooling = 'avg', weights = 'imagenet')
model.add(resnet)
浏览 7提问于2022-03-26得票数 1
回答已采纳
我想包装一个keras ResNet34模型，但似乎只有ResNet50可以从keras.applications导入。有没有办法可以直接导入ResNet34而不是构建一个？ 我在网上找到了以下代码，但我想知道classification_models.models.resnet.ResNet34是从哪里来的？这跟凯拉斯有关系吗？ import keras
from classification_models.keras import Classifiers
ResNet34, preprocess_input = Classifiers.get('resnet34') 非
浏览 45提问于2020-01-08得票数 1
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
