1回答
向keras模型添加重缩放层
、、、、
假设我有一个形状为(100,100，3)的输入图像，我想要重新缩放图像，即使其更小，并具有尺寸(50，50，3)，即将其重新缩放为一半。如果在重新缩放后将高斯平滑应用于层内的图像，效果会更好。
浏览 19提问于2020-12-12得票数 0
回答已采纳
我用tensorflow 2.3训练了tensorflow keras模型。该模型以图像作为输入，但是模型经过了缩放输入的训练，因此在将它们输入到模型中之前，我们必须将图像缩放到255。当我们在各种平台上使用这个模型时，我试图通过修改模型来简化它，只需在keras模型的开头插入一个渐升层(即在输入之后)。因此，该模型今后的任何消耗都可以简单地传递图像，而不必对其进
浏览 2提问于2021-02-15得票数 3
回答已采纳
1回答
现在我将使用EfficientNet模型来检测棕榈油的成熟度。我使用的是5852训练图片，分为4个班(1463张/班)，132张测试图(33张/班)。经过200次的测试，结果远远不是很好。这是我的模型精度和模型损失的结果。
这是我的代码
你的帮助对我意义重大。
浏览 6提问于2021-10-23得票数 0
model.add(tf.keras.layers.Lambda(lambda x: x * 200))
我的解释：Lambda就像一个函数。
浏览 5提问于2021-10-18得票数 0
回答已采纳
1回答
如何改进数据少的深度学习模式
、、、、
我已经训练了一个回归的深度学习模型。该模型精度较低。我对深造很陌生。我该如何改进呢？目标变量Y是通过将特征X1和X2相乘得到的。0.000000 35.000000 0.0000000.000000 54.000000 0.000000
模型
浏览 0提问于2020-09-07得票数 1
我创建了一个这样的模型： def CreateModel(optimizer=optimizer, loss=loss, learn_rate=learn_rate, activity_regularizer=activity_regularizer): keras.layers.Conv2D(32,3,input_shape(), keras.metrics.FalsePositives(), keras.metric
浏览 41提问于2020-10-28得票数 1
回答已采纳
1回答
训练中使用归一化后的预测
、、、
假设某只股票的收盘价在0到1之间归一化，我相应地训练了模型，并达到了令人满意的准确性。现在，当我使用新数据进行预测时，我是否也需要对新数据进行标准化？如果是这样的话，我把它放在什么地方？
浏览 31提问于2021-06-16得票数 0
1回答
model这里是tf.keras.Model的一个实例。我对tensorflow官方API文档感到有点困惑。，上面说
与此层相关的损失。
浏览 1提问于2019-06-20得票数 9
我试图在TensorFlow顺序模型中实现一个CRF层，以解决NER问题。我不知道该怎么做。以前，当我实现CRF时，我使用以tensorflow为后端的keras中的CRF，即我在keras中创建了整个模型，而不是tensorflow，然后通过CRF传递整个模型。啊，真灵。但是现在我想在Tensorflow中开发模型，因为Tensorflow 2.0.0 beta已经内置了keras，我正在尝试构建一个顺序层，并在双向lstm
浏览 3提问于2019-11-24得票数 5
回答已采纳
1回答
我正在构建一个使用Keras的2隐藏层MLP。我使用SciKit学习包装器来使用GridSearchCV功能。我的样本大小是有限的，迫使我使用K-折叠验证以及值得信赖的结果。然而，我的理解是，对于K折叠验证中的每一次迭代，输入数据应该只使用训练数据进行缩放(并减少输出)。这需要在Keras模型中执行缩放。为了有可以理解的结果，输出应该被转换回来(使用以前找到的缩放参数)来计算度量。Z-将我的输入数据(X & Y)标准化为规范化层(
浏览 0提问于2020-05-01得票数 0
回答已采纳
1回答
我现在的模型如下：
BATCH_SIZE = 32
INPUT_SIZE2 = (30, 60, 3)EPOCHS = 10
CNN_CR1 =CNN_MAX = Maximum()([CNN_CR1_OUTPUT, CNN_CR2_OUTPUT, CNN_CR3_OUTPUT])
CNN_MODEL
浏览 14提问于2022-04-04得票数 2
我在Keras中找到了一个代码片段，它执行以下操作我不太明白第三行的意思。有人能告诉我它是做什么的吗？
浏览 23提问于2020-03-17得票数 1
回答已采纳
我正在尝试在Keras中创建一个简单的回归模型。 我的模型有两个隐藏层，一个是ReLU激活，另一个是线性激活的输出层。 我假设输入数据将有32个特征。from tensorflow.keras.models import Sequential
model = tf.k
浏览 14提问于2019-04-28得票数 1
回答已采纳
2回答
我使用一个简单的Keras模型来进行序列预测。在训练过程中，模型的预测精度似乎是正确的。但是，当我绘制model.predict()函数的输出时，我可以看到输出已经以某种方式被缩放了。它似乎是某种规范化/标准化的缩放类型。我的假设是，这与每个输入批的规范化或输出规范化有关。我的模型
浏览 3提问于2017-05-21得票数 1
回答已采纳
1回答
对于特定的环境，我有四个不同缩放级别的图像(0,25,50,75)。我需要训练网络，以便在给定测试图像的情况下，我可以对我想要放大或缩小的图像进行分类。因此，我拥有的数据集是图像、地面实况(放大或缩小或不缩放)和当前缩放级别。 如何在网络中添加此当前缩放级别，以便网络正常训练？
浏览 58提问于2018-12-19得票数 1
1回答
我的问题是关于Lambda层的。据我所知，当使用lambda层时，它不能保持权重/可训练参数。但是在this example中，Lambda层仍然有可训练的参数(大约55k)。这是怎么回事？
浏览 13提问于2019-10-08得票数 1
通过传递作为层参数的值，可以在Keras中的基本LSTM或GRU层上应用递归下拉列表。虽然我们可以直接在模型中添加Dropout层，但是我们似乎不能通过递归Dropout来实现这一点。那么，我的问题是：如何在Keras ?中向CuDNNGRU或CuDNNL
浏览 0提问于2018-12-06得票数 5
回答已采纳
1回答
我正在使用Sequential Keras模型，并试图找出特征缩放的最佳方法。relu'))print(model.summary())
在第3行，我有一个LayerNormalization层，它根据文档，缩放到平均值和标准差。但是，我也遇到了批处理规范化和tf.keras.layers.experimental.preprocessing.Normalization。
浏览 0提问于2020-12-12得票数 1
我正在使用TFRecordDataset迭代器作为输入来训练Keras模型。训练阶段运行良好，但是当我调用model.predict时，模型仍然使用训练数据作为输入而不是新的数据。a1)output_layer = Dense(classes_num, activation='sigmoid')(a1)
m
浏览 1提问于2018-12-02得票数 2
回答已采纳
2回答
从神经网络的特定层中提取激活
、、、、
在训练模型之后，我保存了架构和权重。现在，我想使用该模型从其他图像中提取特征，并对其执行SVM。为此，我想删除模型的最后两层，并获得CNN计算的值和到那时为止的完全连接层。我如何在Keras中做到这一点呢？
浏览 12提问于2021-01-23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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
