一个简单的提示是值得欣赏的。我们如何使用Keras融合来自2个不同网络的特征表示输出？
更多解释:该模型由CNN和门控RNN组成。，并馈送到标准softmax回归分类器。
浏览 10提问于2017-02-07得票数 2
3回答
我正在使用keras分析一些图像表示的数据集。我被困住了，因为我有两个不同的图像维度。请看快照。特征有14637幅图像的维数(10,10,3)，features2有维数(10,10,100)有任何方法可以合并/连接这两个数据在一起吗？
浏览 0提问于2018-09-21得票数 5
回答已采纳
3回答
神经网络中的特征重要性
、、、、
你好，我正在使用keras开发一个神经网络模型，我有一个45个数值预测变量的数据，两个分类目标将被预测，每一个都有一个不同的模型。正如我所发现的，在keras中没有特征重要性模型。我可以使用三个选项:变量之间的相关比、kendals秩系数值和lasso调节。你认为哪一个适合用于神经网络中的特征选择？
浏览 0提问于2020-05-22得票数 1
回答已采纳
1回答
基于VGG16的聚类特征提取
、、、、
我的要求很多，但我在这一点上很纠结…… 我将这部分代码用于使用SIFT提取特征，我正在尝试将其调整为基于VGG16模型提取特征。 无论我怎么努力，我都不能通过，总是会出现错误。以下是SIFT的代码： # identification of key points and associated descriptorssift_keypointsnp.asarray(sift_keypoints)
sift_keypoints_all = np.concatenate(
浏览 45提问于2021-05-03得票数 0
1回答
我有一个列，列的分类数据具有nunie3349值，在18000 k行数据集中，它代表了世界上的城市。如果我也使用另一种编码，你能指出正确的方向吗？
浏览 0提问于2019-04-08得票数 6
回答已采纳
1回答
请帮助理解如何在Keras中形成LSTM网络的输出序列。例如，我有数据 [2] [4]我可以为输入序列按样本，时间步骤，特征张量-假设3个输入序列和2个输出。所以[[[1,2,3]]] -> [[4, 5]]
但是多变量的输入和输出呢？！神经网络可以是几个神经元--每个特征示例有一个神经元(两个特征数据、两个特
浏览 0提问于2018-11-10得票数 0
1回答
我正在尝试合并两个受过训练的神经网络。我有两个受过训练的凯拉斯模型文件A和B。
模型A用于图像的超分辨率，模型B用于图像的着色.我正在尝试合并两个经过训练的网络，以便我能够更快地推断SR+colorization。(我不愿意使用单一的网络来完成SR和彩色任务。我需要使用两个不同</em
浏览 4提问于2021-01-04得票数 0
回答已采纳
3回答
因此，我是计算机视觉的新手，我不知道keras中的层是做什么的。在keras中添加层(dense、Conv2D等)有什么用？他们给它添加了什么？
浏览 1提问于2020-03-04得票数 2
3回答
为什么会有两层稠密层？
、、、、
我一直在使用以下模型进行图像分类。我想知道为什么在512之前有Dense3稠密层。我应该只使用Dense3吗？而不是丹尼斯512-丹尼斯3？tf.keras.layers.Conv2D(64, (3,3), activation='relu'), tf.keras.layers.Conv2D(128, (3,3), activation='rel
浏览 0提问于2020-08-05得票数 2
1回答
分组卷积的Caffe变换
、、、
我试图从一个非常简单的Caffe模型中获取权重，并将其解释为功能齐全的Keras模型。，但它只需要一个维度的图像( 1280x1280x3 )将其传递到卷积层，然后max将其集合并传递给最终的卷积层。我知道Caffe和Keras有不同的形状顺序，但是顺序不是这里关注的问题。
问题是Keras的最后卷积层与Caffe中的最后卷积层在三维上具有不同<
浏览 1提问于2019-02-09得票数 4
回答已采纳
0回答
我使用Keras作为CNN，有两种类型的输入:物体的图像，以及描述物体的一个或两个以上的参数(例如重量)。如何使用两个数据源训练我的网络？连接似乎不起作用，因为输入具有不同的维度。我的想法是以某种方式将图像分析的输出和参数连接起来，然后再将其发送到密集的层中，但我不确定如何进行。或者可以在Keras</
浏览 3提问于2018-07-15得票数 2
回答已采纳
2回答
Keras有多种不同的输入合并方式，如Add()、Subtract()、Multiply()、concatenate()等.
它们都有相同的效果吗?还是有更好的情况呢？
浏览 0提问于2018-04-23得票数 4
回答已采纳
4回答
我开始用Keras建立神经网络模型。如何执行这些？我的理解是，如果离散特性f可以假定k值，那么嵌入层就会创建带有k列
浏览 4提问于2017-03-13得票数 12
回答已采纳
在keras中，我想定制我的损失函数，它不仅接受(y_true，y_pred)作为输入，还需要使用来自网络内部层的输出作为输出layer.This图片显示的标签而Ax，Ay传统上被称为y_true，而Ax'，Ay‘是y_pred。
我希望将这两个损失分量合并为一个
浏览 0提问于2017-01-16得票数 9
我正在尝试一个分别连接表示和分类部分的TensorFlow模型。然而，我的分类器使用来自相同表示网络的两个输入，当我编码这个体系结构时，我收到错误：“传递给模型的输入列表是多余的。(inp, output)
inp1 = tf.keras.Input(shape=[100, 300])
inp2 = tf.keras.Input
浏览 17提问于2020-09-21得票数 0
1回答
我试着训练一个神经网络来评估国际象棋的位置。作为参考，我使用的数据集可以找到这里。如果您遵循该链接，您将看到有三个CSV文件-我只使用前两个(chessData.csv和randomEvals.csv)。我的问题是，当我对来自一个文件的数据进行培训时，网络对来自另一个文件的数据的表现并不好，尽管培训和测试集的性能都是足够的。这两个文件的<
浏览 0提问于2023-04-27得票数 1
1回答
有一个科学文件，实现了一个卷积神经网络分类3种不同类型的数据，尽管如何准确，是我所不知道的。这一部分描述了我们的神经网络的结构，如图3所示。我们的网络有三种类型的输入:屏幕截图(我们使用尺寸为1280×1280的页面上的裁剪，但是该网络可以处理任意大小的页面)、
浏览 0提问于2019-01-19得票数 2
回答已采纳
我是python keras的新手。随着对Keras的理解，我对Keras的输入形状感到困惑。我觉得在不同的神经网络下，我需要将我的数据重建成不同的形状。例如，如果我正在构建一个简单的ANN，我的训练数据应该是像m，n这样的矩阵，m是样本的数量，n是特征的数量。但最近我正在学
浏览 7提问于2019-08-26得票数 0
2回答
keras模型上的特征选择
、、、、
我试图为我的回归模型的输出找到最好的特征，以下是我的代码。RuntimeError: The classifier does not expose "coef_" or "feature_importances_" attributes
如何克服这个问题并为我的模型选择最好的功能如果没有，我是否可以使用由Scikit中的RFE提供和支持的像LogisticRegression(
浏览 2提问于2018-05-06得票数 6
回答已采纳
1回答
发现损失不够好
、、、
我试图使用神经网络来预测包含24个不同特性的输入中的两个不同的值。到目前为止，我得到的结果还不够好，所以任何建议都会受到赞赏，因为我已经被困了一段时间了。这就是我到目前为止所做的：我有一个包含24个不同特性的输入(整个数据集大约有15万个实例)。因此，我试图标准化我的输入，规范化它，日志转换它，并使用PCA来降低问题的</e
浏览 0提问于2021-04-24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
云直播活动推荐
腾讯云开发者
