我目前使用的是在最终分类层之前使用全局平均池(GAP)的VGG16。使用的VGG16模型是由torchvision提供的模型。 然而，我注意到在GAP层之前，有一个Max Pooling层。还是应该在GAP层之前删除Max Pooling层？下面可以看到网络架构。stride=2, padding=0, dilation=1,
浏览 41提问于2020-01-03得票数 0
回答已采纳
通常它是用卷积层和最大池层构建的，比如在vgg16中就是这样。对于我的神经网络，我想将最大池化层更改为最小池化层，但在池化时，该层应该忽略零。例如： [0，16，72，0] 2x2池层应该池化16，而不是72 (最大池化)。 在keras中有没有一种简单的方法来编写这个定制层
浏览 26提问于2019-04-23得票数 2
回答已采纳
下面提到的是我的代码行。第1行初始化自定义VGG16模型(所有最大池层被平均池替换)。行也初始化目标。第三行表示损失函数，第四行是抛出错误的线。任何帮助都是感激的，谢谢！
浏览 5提问于2020-12-01得票数 1
julia语言深度学习框架，这是Knet.jl，的快速入门using Knet, MLDatasets, IterTools我不知道池子在那个矩阵里找什么。
这(池(conv4 ...))通过relu激活函数传递。在最后的Conv (w1，w2，cx，cy，f= relu) = Conv (param (w
浏览 1提问于2021-02-10得票数 1
keras层提供keras.layers.GlobalAvgPool2D和keras.layers.GlobalAvgPool2D api来实现全局平均2d池化和最大池化。但是，最小池也可能是有用的，现在我想使用GlobalMinPool2D，keras layers没有implement.So如何编写代码来实现keras layers GlobalMinPool2D？
浏览 24提问于2021-11-05得票数 1
2回答
来自数组的全局平均池
、、、、
我使用Keras中的InceptionV3模型来提取特征。假设我有1000张图片，最后一层是shape (1000, 8, 8, 2048)。如何实施全局平均池化？我期望这个形状是(1000, 1, 1, 2048)。
浏览 19提问于2018-03-03得票数 1
来自PyTorch's official tutorial的示例具有以下ConvNet。我的理解是，输出层使用softmax来估计图像对应的数字。为什么代码没有softmax层或全连接层？
浏览 93提问于2020-04-11得票数 1
我想在我的CNN中添加一个全局时间池层，它有三个不同的池化函数:均值、最大值和L2范数。Keras有均值和最大池化函数，但我还没能为L2找到一个。我如何自己实现这一点？
浏览 5提问于2017-05-02得票数 4
1回答
为了简单起见， Sriving谈到了如何用额外的卷积层和步长r= 2来取代最大池化，但平均池化能否实现同样的效果呢？
浏览 3提问于2020-04-21得票数 1
我在一个时期内的随机时期和随机步长上得到以下错误。有时它就能正常工作，没有任何问题。到我所面临问题的代码。
浏览 99提问于2021-05-15得票数 2
我有最顶层的resnet50网络，包括全局平均池与shape (1,2048)和密集层，使用softmax与shape (1，3)。对于密集层的输出，全局平均池化层中的(1,2048)的输出形状如何变为(1，3)？它怎麽工作?我找不到可靠的消息来源来解释这件事
浏览 83提问于2019-02-02得票数 0
回答已采纳
我正在学习这个使用layers.MaxPooling2D的TensorFlow-2.x-Tutorials。自动补全也提示layers.MaxPool2D，所以我搜索它们之间的区别。提到这个api_docs，我发现它们的全名是tf.compat.v1.layers.MaxPooling2D和tf.keras.layers.MaxPool2D，它们有几乎相同的参数，我可以考虑layers.MaxPooling2D此外，我还发现了tf.keras.layers.GlobalMaxPool1D(一维时态数据的<
浏览 23提问于2020-08-01得票数 3
2回答
keras lib中的现有函数包括最大池化、平均池化等。model = Sequential()model.add(Conv2D(32, (3, 3)))model.add我对此很
浏览 2提问于2017-06-29得票数 2
1回答
我在CNN工作，我有不同大小和纵横比的图像，在预处理步骤中调整大小和中心裁剪图像可能会丢失一些有价值的信息(特别是从边缘-右，左，上和下)。我认为，更好的方法是应用自适应最大池化(给定目标输出尺寸)，以便在将图像传递到最终层之前调整图像大小。在keras中，我可以添加一个简单的最大池化层，但是在keras中有没有一种方法来告诉/绑定最大
浏览 7提问于2018-10-23得票数 2
1回答
在它中，他们建议使用扩展卷积来获得全局上下文，而不是最大池/下采样，因为池会缩小您的图像，而扩展卷积不会。，我的第一个问题是：，它们修改VGG16并删除最后两个最大池层，但它们将其他3个max池层留在其中。为什么他们不只是删除所有的最大池层？计算效率？这不是会导致更小的图像吗？如何将其扩展到原来的大小，双线性插值？
我
浏览 5提问于2017-11-12得票数 5
回答已采纳
其中a随样本的变化而变化。我正在使用batch size = 1进行训练，以避免可变批量大小的问题。我创建了以下LSTM网络。现在的问题是，我的目标是形状[1,a,1]的概率向量。对于每个样本，概率向量的和是1。以下是我<em
浏览 2提问于2018-05-29得票数 0
1回答
我想使用Tensorflow和Keras来训练由大小非常不同的图像组成的数据集，以便对它们进行分类。但有些是水平的(1400x100)，有些是垂直的(100x1000)。据我所知，Keras接受相同大小的输入图像。我不确定将它们全部转换为150x150或180x180这样的经典分辨率是否明智，因为它们是水平和垂直的。 我该如何解决这个问题？
浏览 17提问于2020-07-27得票数 2
回答已采纳
1回答
最大/平均池是基于LSTM输出生成表示的方法。在这种情况下，反向传播是如何发生的？
我理解在未完成池化的情况下反向传播是如何发生的。但我想知道在上述情况下是如何发生的。提前谢谢。
浏览 0提问于2018-07-20得票数 0
我对如何使用huggingface transformers输出来训练一个简单的语言二进制分类器模型感到有点困惑，该模型可以预测阿尔伯特·爱因斯坦是否说过一句话。things are infinite: the universe and human stupidity; and I'm not sure about the universe. 95
正如您所看到的，输出的尺寸随输入的长度而变化。现在假设我想训练一个二进制分类器，它预测爱因斯坦是否说了输入的句子，网络的输入将是B
浏览 29提问于2021-08-26得票数 1
假设我们想要在我们的模型中使用VGG16的预先训练的权重，直到第三个最大池之前的层，然后添加我们选择的层，我们如何实现这一点？
浏览 0提问于2020-08-09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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
