keras

    0熱度

    1回答

    如何將時間分佈的密集層應用於形狀張量（batch_size，600,105,8）以生成輸出（batch_size，600,48）

    我有一個Conv2D圖層產生形狀張量(batch_size, 600, 105, 8)。這是一批feature_map爲8的歌譜圖。現在我想在每個時幀（600）上應用一個大小爲48的「密集」圖層，以生成形狀(batch_size, 600, 48)的張量。默認Keras Dense層似乎並沒有削減它... 有什麼建議嗎？ 這是我的功能 def build_cnn(input_shape=(None
    machine-learning neural-network computer-vision deep-learning keras 2017-10-11

    0熱度

    2回答

    如何在keras中進行多級圖像分類？

    這是我做的。我得到了狗/貓圖像分類的代碼，我編譯並運行了80％的準確性。我添加了一個班級（飛機）文件夾到火車和驗證文件夾。在下面的代碼 model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy']) train_generator = train_
    image-processing machine-learning keras conv-neural-network multiclass-classification 2017-10-11

    0熱度

    2回答

    categorical_crossentropy損失，無屬性'get_shape'

    我想爲我的模型（用於訓練）得到categorical_crossentropy損失，它有最後一層：model.add(Dense(num_classes, activation='softmax'))。所以我想借此層，並使用follwing代碼的輸出使用下面的代碼獲取損失輸出： from sklearn.metrics import confusion_matrix from __future_
    numpy tensorflow keras 2017-10-11

    0熱度

    1回答

    keras中的BatchNormalization圖層如何在測試階段實現？

    我最近想用批標準化的keras構建原來的文件中提及神經network.As，在批標準化測試和培訓再寄一次行爲不同檢查文檔： keras.layers.BatchNormalization(axis=-1, momentum=0.99, epsilon=0.001, center=True, scale=True, beta_initializer='zeros', gamma_initializ
    keras batch-normalization 2017-10-11

    0熱度

    1回答

    如何實現紙張'深度生成模型的語義圖像修復'的損失函數

    我已經在celebA數據集上訓練了GAN。之後，我分開G和D.然後我從celebA訓練數據集中選擇一個圖像，說yTrue，現在我想找到最接近的圖像yTrue，G可以生成說yPred。因此，G的輸出損失爲|| yTrue - yPred || _2^{2}，並且我將它最小化爲發生器輸入（來自正態分佈的潛變量）。以下是提供良好結果的代碼。現在的問題是我想也添加先前的損失（log（1-D（G（z）））1
    keras 2017-10-11

    0熱度

    1回答

    keras中的model_weights和optimizer_weights之間的區別

    keras中的model_weights和optimizer_weights之間有什麼區別。運行後的代碼如下model.summary顯示共有9個參數，它顯示在1.h5文件的model_weight中。但是optimizer_weight顯示總共18個參數。我只用了1個時代。代碼如下： from __future__ import print_function import keras fro
    keras keras-layer 2017-10-11

    1熱度

    1回答

    減少cnn的培訓時間

    我在努力改進下面的cnn架構。我正在使用cnn進行圖像分類。任何人都可以建議對下面的體系結構進行任何更改，以減少訓練時間而不會失去太多的準確性？ 上建築注： 它具有利用3,3窗口處理的神經網絡的初始輸入16個濾波器卷積層。 它隨後與2,2- 接着一個最大池層，是另一種卷積層，其大小與第一層相同，以便保持這是通過從現有層傳遞的數據。 繼第一層2是第三卷積層爲包括過濾器32，因爲這允許對網絡開始尋找更
    python python-3.x tensorflow keras conv-neural-network 2017-10-11

    0熱度

    1回答

    如何用resnet50模型進行微調？

    我在互聯網上看到過很多關於如何微調VGG16和InceptionV3的例子。例如，有些人在微調VGG16時會將前25層設置爲凍結。對於InceptionV3，前172層將被凍結。但是，如何resnet？當我們做微調的時候，我們會凍結一些底層模型，如下： from keras.applications.resnet50 import ResNet50 base_model = ResNet50(
    machine-learning neural-network deep-learning keras resnet 2017-10-11

    1熱度

    1回答

    掩膜如何在keras中的經常模型中工作？

    我發現了一個訓練有素的基於LSTM的網絡。 網絡允許屏蔽。 for l in range(len(model.layers)): d=model.layers[l].__dict__ print(d['supports_masking']) print(d['name']) 是True對於我來說，輸入圖層旁邊的所有「名稱」。 我也有一個時間系列，缺少時間戳，我用正
    tensorflow keras lstm recurrent-neural-network sequential 2017-10-11

    1熱度

    1回答

    Keras二進制分類壓扁輸出爲零/一個

    我有一個前饋DNN模型，有幾個圖層來執行二進制分類。輸出層是1 sigmoid單位和損失函數binary_crossentropy。作爲預測，我期望一個帶有零/一個的矢量。爲此，我圍繞預測並對他們進行打擊。然後我使用sklearn分數函數來計算（f1score，rocauc，precision，recall，mcc）。問題是我得到的預測向量與我假裝的單熱編碼不匹配。儘管如果我使用一個mse損失函數
    python-3.x machine-learning deep-learning keras theano 2017-10-11
最新問題