在Keras中可以将image_dataset_from_directory()与卷积自动编码器一起使用吗？
是的，在Keras中可以将image_dataset_from_directory()与卷积自动编码器一起使用。
image_dataset_from_directory()是Keras提供的一个函数，用于从一个目录加载图像数据集。它可以根据目录结构自动将图像分配到各个类别，并生成一个带有标签的数据集。
卷积自动编码器是一种基于卷积神经网络的无监督学习算法，用于学习输入数据的稀疏表示和特征提取。它由一个编码器和一个解码器组成，可以用于图像降噪、特征提取、图像生成等任务。
将image_dataset_from_directory()与卷积自动编码器一起使用，可以实现对图像数据集的自动编码和特征提取。首先，使用image_dataset_from_directory()加载图像数据集，并将其转换为适合输入卷积自动编码器的格式。然后，使用卷积自动编码器对图像数据集进行训练，学习数据的稀疏表示和特征提取能力。最后，可以使用已经训练好的卷积自动编码器对新的图像数据进行编码和解码，或者提取图像的特征。
在腾讯云的产品中，可以使用腾讯云的AI引擎服务，如腾讯云机器学习平台Tencent Machine Learning（TML），来支持Keras和卷积自动编码器的使用。TML提供了丰富的机器学习算法和模型训练环境，可以方便地进行模型的训练、调优和部署。您可以通过访问腾讯云的Tencent Machine Learning（TML）产品介绍页面了解更多信息。
相关·内容
1回答
我一直在查看keras博客中的自动编码器：https://blog.keras.io/building-autoencoders-in-keras.html
我想知道，为了能够给出不同的表面，也就是二维矢量，需要什么母题，其中一些向量有很大的尖峰。
例如，这里我们看到一个表面看起来很干净：
📷
如果我想从这个表面去除单个的刺，神经网络会是什么样子的呢？
我是否正确地认为，一个正常的完全连接的前馈传播就足够了？如果是的话，是否有任何方法来控制阈值时，峰值是应该消除的？
此外，你是否同意训练原则仍会与在卡拉斯博客中显示的一样？如果我简单地用许多清洁表面的好例子训练它来识别自己，它会起作用吗？
浏览 0提问于2017-08-09得票数 2
回答已采纳
2回答
我有一个问题，在一个卷积自动编码器过滤器的数目。据我所知，随着网络的深入，convolutional layer中的过滤器数量增加了。一个典型的模式是16, 32, 64, 128, 256, 512 ...
现在，我正在查看Autoencoders，在Keras博客上，我注意到他们的做法正好相反。它们从第一层的16过滤器开始，然后减少过滤器的数量：
https://blog.keras.io/building-autoencoders-in-keras.html
现在，我想知道在使用Autoencoders时，这种情况是否常见，还是取决于网络应该学习什么样的特性？
提前谢谢你，
干杯,
迈克
浏览 0提问于2019-07-03得票数 0
回答已采纳
1回答
如何从神经网络输出3D张量？
、、、、
我的主要输入特性是60x256x256的numpy数组，它将生成一个60x256x256的二进制掩码(也是numpy数组的形式)。二进制掩码起到了标签的作用，但我不知道如何从我的神经网络生成3D数值数组或张量输出。这是我当前的代码：
model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(32, kernel_size=(5, 5), strides=(1, 1),
activation='relu',
input_shape=(60, 25
浏览 0提问于2021-08-06得票数 1
2回答
我目前的项目是对物体在各种成像过程中的模糊/卷积效果进行建模。现在，我要从一个初步的，人工的模型开始。我正在使用Keras来完成这一任务。
在128 x 128的图像中，我以随机位置上的一组圆圈来创建人工理想数据。然后，我有一个例程，它以这些圆圈的坐标和大小作为输入，并在相同的位置用椭圆替换圆圈。
我试图训练一个卷积神经网络来执行这个函数的逆函数，即用椭圆作为输入读取图像，然后用圆圈代替它们。我通过将这两种图像类型与以椭圆作为输入的图像和以圆圈作为输出的图像组合来创建训练对。
我如何设计一个神经网络来实现这一点？现在，我用的那个只是返回椭圆图像的扭曲拷贝，而不是用圆圈输出图像。
我使用了多种不
浏览 0提问于2019-07-09得票数 1
1回答
我正在开发一个使用MLP的自动编码器来检测多变量时间序列中的异常。为了简化这个问题，我只使用了一个系列变量。
单变量病例
我应用它的方式是将时间序列分解成几个部分，并将这些片段呈现给网络。例如，我的系列由1000个点组成，我将其分成50个长度为20的子系列，每个子系列都成为学习网络的示例。
DAE input_shape应该是什么？我发现如果shape=(20, )和shape=(20,1)是不同的。我把我一直在做的DAE代码放在下面。DAE最后一层的格式应该是怎样的？当我使用只有一个神经元的输出层时，模型工作正常，为什么？
model = keras.Sequential([
浏览 4提问于2021-01-06得票数 0
1回答
我在keras中有一个图像数据集，我将其分别加载在列车和测试之间，直接从各自的函数中加载：
from tensorflow import keras
tds = keras.preprocessing\
.image_dataset_from_directory('dataset_folder', seed=123,
validation_split=0.35, subset='training')
vds = keras.preprocessing\
.image_data
浏览 3提问于2021-02-25得票数 2
回答已采纳
1回答
我正在尝试训练一个去噪的自动编码器，以两条简单的线组成的图像作为输入进行去噪。然而，即使使用像这样的简单图像，它也不能输出良好的输出。更神秘的是，当输入单个线性图像数据作为输入时，它完全消除了噪声。
我使用了使用leakyReLU函数的通用卷积自动编码器结构，代码如下所示。
即使我增加作为输入的训练数据的数量或增加训练周期，结果也总是相同的。
任何关于如何提高去噪自动编码器性能的建议都将不胜感激。谢谢。
卷积自动编码器代码：
from tensorflow.keras.layers import BatchNormalization
from tensorflow.keras.
浏览 2提问于2021-06-03得票数 0
1回答
当我训练我的自动编码器时，无论我训练多少，损失都不会改变。
#Importing training data
inp = open('train.csv',"rb")
X = pickle.load(inp)
X = X/255.0
X = np.array(X)
X = np.reshape(X,(-1,25425))
input_img =tf.keras.layers.Input(25425,)
encoded1 = tf.keras.layers.Dense(75,activation=tf.nn.relu)(input_img)
encoded2
浏览 0提问于2019-08-25得票数 1
还有一个类似的问题here，它询问如何在自动编码器中使用image_dataset_from_directory()。问题实际上是没有回答的，因为answer建议使用其他东西。 我的问题是，在Keras中使用image_dataset_from_directory()作为卷积自动编码器的输入是可能的吗？
浏览 48提问于2021-11-02得票数 2
回答已采纳
2回答
我的工作是分析脑电数据，这些数据最终需要分类。然而，获得唱片的标签有点昂贵，这促使我考虑了无监督的方法，以更好地利用我们相当数量的未标记数据。
这自然导致考虑堆叠的自动编码器，这可能是一个好主意。然而，使用卷积神经网络也是有意义的，因为某种类型的滤波通常是一种非常有用的EEG方法，很可能考虑的时间应该是局部的，而不是作为一个整体来分析。
有什么好办法把这两种方法结合起来吗？似乎当人们使用CNN的时候，他们通常使用监督训练，还是什么？为我的问题探索神经网络的两个主要好处似乎是无监督的方面，以及微调(例如，创建一个关于人口数据的网络，然后对一个人进行微调)。
那么，有没有人知道我是否可以把CNN训
浏览 0提问于2017-03-21得票数 12
回答已采纳
1回答
从输入图像到输出图像存在映射。假设输入图像是一张纸，中间有一个方形的孔，输出图像是当光线照射在纸上时输入图像的阴影，它看起来也像一个正方形，但有一些模糊和大小不同。(实际的模式要比这个正方形的洞复杂得多)我正在尝试实现一个神经网络，它可以学习这种映射，当给定输入图像时，网络可以预测输入图像的“阴影”。我尝试使用一个卷积的自动编码器结构(如这个https://blog.keras.io/building-autoencoders-in-keras.html)，将目标图像从输入图像替换为self到输出图像训练集。但看起来不太好用。我想知道什么样的神经网络适合这个任务？什么样的损失函数是合适的？
浏览 0提问于2018-04-23得票数 2
1回答
如何实现深度自动编码器(eHow，我从惊厥神经网络中获得滤波器)？我的想法是这样的:对输入图像(28x28)进行随机图像处理，并获得随机补丁(8x8)。然后使用自动编码器来学习补丁的共同特性(功能=隐藏单位；例如，大约100个)。然后将特征滤波器应用于输入图像并进行卷积。我说的对吗？
我很困惑，因为有时文献状态只使用like，例如8，过滤器，但在我的例子中，我有100.g。2层或3层)？有什么想法或资源吗？
浏览 5提问于2014-10-22得票数 7
1回答
我试着用自动编码器来解决captcha数据集。是RGB图像。
我将RGB图像转换为一个通道，即：
(图像的形状为(48,200))。
我接下来要做的是使用captcha的文本(在我们的例子中是"emwpn")，并创建另一个图像，与这个文本具有相同的形状(48,200)，即：
我试着用captchas给自动编码器的编码器喂食，然后用我创建的图像填充解码器。
我不知道这种方法会不会很好，但我没想到它什么也学不到。当我试图预测测试数据集时，我得到的只是紫色图像，即：
capchas_array_test_pred = conv_ae.predict(capchas
浏览 2提问于2020-04-14得票数 0
2回答
我想比较两张图片。
我采用的方法是对它们进行编码。
然后计算两个编码向量之间的角度以进行相似性度量。
下面的代码用于对图像进行编码，然后使用CNN与Keras一起解码图像。
但是，我需要得到张量encoded的值。
如何实现这一目标？
非常感谢。
from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D
from keras.models import Model
from keras import backend as K
input_img = Input(shape=(28, 28, 1))
浏览 2提问于2018-05-30得票数 2
回答已采纳
1回答
问题所在
我正在尝试用构建卷积自动编码器，但在代码部分
encoded_input = Input(shape=(1, 28, 28))
# retrieve the last layer of the autoencoder model
decoder_layer = autoencoder.layers[-1]
# create the decoder model
decoder = Model(input=encoded_input, output=decoder_layer(encoded_input))
我得到了错误
[...]lib/python3.5/site-packages/
浏览 13提问于2017-03-04得票数 2
回答已采纳
我想训练一个CNN，用Keras从100x100x1图像中预测224x224x13矩阵(热图)。我的想法是完善keras提供的经过预先培训的网络(resnet、Xception、vgg16等)。
第一步是用预先训练过的顶层来代替那些满足我的问题约束的层。我试图预测值从0到1的100x100x1热图图像，因此我希望我的网络输出是一个100x100x1矩阵。我相信，如果我使用Flatten，然后使用Dense层的1000x1x1，我将失去空间信息，我不想(对吗？)
我希望我的代码是灵活的，能够独立运行，使用的是经过预先训练的体系结构(我需要运行许多实验)。因此，我想堆叠一个Dense层，它连接到它
浏览 0提问于2017-06-09得票数 4
回答已采纳
我正在尝试对属于10个类的一些图片数据训练一个简单的模型。图像是黑白格式(不是灰度)，我使用image_dataset_from_directory将数据导入到python中，并将其拆分成验证/训练集。我的代码如下： 我的导入 import matplotlib.pyplot as plt
import numpy as np
import os
import PIL
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.m
浏览 23提问于2020-12-10得票数 0
回答已采纳
我正在处理一个多标签分类问题，并面临一些内存问题，因此我将使用Keras image_dataset_from_directory方法作为批处理加载所有图像。如何在此方法上应用多标签技术？
我有这些文件夹：
['Tomato_BacterialSpot', 'Tomato_EarlyBlight', 'Tomato_Healthy', 'Tomato_LateBlight']
我使用下面的代码生成类名。
这里是多标签的示例代码教程，但是他们没有使用image_dataset_from_directory技术。
label = i
浏览 0提问于2021-01-04得票数 1
我在网上没有找到这个问题的明确答案(如果它存在的话，很抱歉)。我想了解这两个函数(SeparableConv2D和Conv2D)之间的区别，一步一步地处理，例如输入数据集(3,3,3) (作为RGB图像)。
基于运行此脚本：
import numpy as np
from keras.layers import Conv2D, SeparableConv2D
from keras.models import Model
from keras.layers import Input
red = np.array([1]*9).reshape((3,3))
green = np.array(
浏览 1提问于2019-02-15得票数 12
回答已采纳
我有一个大的数据集，我想用它来训练我的卷积自动编码器。
和每个自动编码器一样，我的卷积式自动编码器需要使用: x=y作为输入(X和Y参数中相同的x_train和x_test )。
例如：
autoencoder.fit(x_train, x_train,
epochs=50,
batch_size=256,
shuffle=True,
validation_data=(x_test, x_test))
如何使用image_dataset_from_
浏览 3提问于2021-07-05得票数 1
我注意到，TensorFlow的image_dataset_from_directory的输出不同于直接加载映像(通过PIL、Keras‘load_img等)。我设置了一个实验:我有一个尺寸为2400x1800x3的RGB映像，并尝试比较不同方法产生的numpy数组：
from PIL import Image
from tensorflow.keras.utils import image_dataset_from_directory, load_img, img_to_array
train_set = image_dataset_from_directory(
'..
浏览 6提问于2022-05-23得票数 0
我的工作是命名实体识别(在训练中，每个单词都有一个标签)，标签的数量是6个，我运行模型
from keras.models import Sequential
from keras.layers import Dense, LSTM, InputLayer, Bidirectional, TimeDistributed, Embedding, Activation
from keras.optimizers import Adam
from keras import initializers
model = Sequential()
model.add(InputLayer(input_sh
浏览 0提问于2020-01-03得票数 1
1回答
我正在尝试使用自动编码器和Keras来检测欺诈。我以的形式编写了以下代码
import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
from sklearn.preprocessing import StandardScaler
from keras.layers import Input, Dense
from keras.models import Model
import matplotlib.pyplot as plt
data
浏览 14提问于2017-08-07得票数 4
回答已采纳
1回答
在实践中使用反褶积
、、、
假设我有一个224 * 224 *3维的输入图像。我通过一个卷积层64个滤波器和相同的卷积操作。假设我希望使用大小为224 * 224 * 64的卷积层的输出来重建原始图像。我有以下问题：
我应该使用反褶积吗？如果是的话，反褶积层的排列(滤波器的数目和权值)是如何安排的。还应该在什么时候应用激活)？
前传中的滤镜和权值是否等于后传？
除反褶积外，还有其他技术吗？
是否有任何可用的Keras代码满足我的需要？
我见过这里和这里，但是它们代表了一个高层次的抽象，并且没有包含适当的详细答案。
浏览 0提问于2017-12-23得票数 1
我正试着生产大型车型。如果我想要的输出是120x100图像，那么在它之前是否需要一个120*100=12,000神经元密集层？
...
model.add(Dense(120*100))) #<--- mandatory?
model.add(Reshape((120, 100)))
return model
如果我这样做的话，5GB+就会看到型号大小。
浏览 0提问于2021-07-29得票数 0
回答已采纳
2回答
基于卷积神经网络的语言翻译
、、、、
许多语言翻译神经网络的例子：
猫坐在“-> 模型 ->”的垫子上。
使用RNN，特别是LSTM。例如，参见句子语言的神经网络翻译，具有简单的层次结构(如果可能的话)和关于Keras中的序列对序列学习的十分钟介绍。
是否有(不太复杂)只使用CNN而没有RNN/LSTM?
进行语言翻译的尝试？
你会在Keras有一个例子吗？
浏览 0提问于2020-02-28得票数 1
我正在使用image_dataset_from_directory来获取我的列车数据，并且工作正常(我的列车数据在子文件夹中)。现在我想加载我的测试数据(不在子文件夹中)，但我无法做到这一点，我尝试使用flow_from_directory，结果显示以下错误： ValueError:形状(None，41)和(None，1)不兼容 这就是我加载图片的方式： ds_train = image_dataset_from_directory(
'final_database',
labels='inferred',
label_mode=
浏览 11提问于2021-04-19得票数 0
1回答
我在Keras中使用Inception模型和图像网络的预先训练的权重。 问题是，根据Keras文档，此模型的默认输入大小为299x299。虽然我的图像是230 * 350，但我不想调整它们的大小，因为这会扭曲图像。所以我正在尝试找到一种改变输入层大小的方法。 下面是我到目前为止尝试的代码，但我怀疑图像的净权重是否会被保留，因为我认为当我改变输入大小时，体系结构会发生变化。 任何想法.. input = Input(shape=(230, 350, 3), name='image_input')
base_model = InceptionV3(weights='ima
浏览 19提问于2019-01-31得票数 2
回答已采纳
1回答
正确设置堆叠式自动编码器
、、、、
我试图在Keras (tf.keras)中构建一个堆叠的自动编码器。叠层并不是指deep。我为Keras找到的所有例子都是生成例如3个编码器层，3个解码器层，他们训练它，并称之为一天。然而，训练叠层自动编码器的正确方法似乎是本文所描述的方法：。
简单地说，SAE应该是按层方向训练的，如下图所示。第一层训练后，作为第二层训练的输入，重建损失应与第一层而不是输入层进行比较。
我的麻烦就从这里开始。如何告诉Keras在哪些层上使用损失函数？
我就是这么做的。由于Keras中不再存在自动编码器模块，所以我构建了第一个自动编码器，并在第二个自动编码器的第一层设置了编码器的权重(trainabl
浏览 3提问于2018-09-07得票数 20
1回答
改进卷积式自动编码器
、、、、
我刚刚建立了一个卷积自动编码器，试图重建一个形状(4000, 10, 30)的时间序列。这是代码，我使用了32的批处理大小，但我认为它过于适合，因为它在训练集上表现很好，但在验证和测试集中却没有很好地开始重构。我能做些什么来改善它呢？如何为每个层定义正确数量的过滤器？
kernel_size = 7
stride = 1
model = Sequential()
model.add(Conv1D(filters=128, kernel_size=kernel_size, activation='relu', padding="same", strides=str
浏览 0提问于2021-04-02得票数 2
回答已采纳
我在ubuntu-20.04操作系统中使用了anaconda。
Keras版本是: 2.4.3
Tensorflow版本: 2.2.0
I导入了下面的软件包，
import os
import keras
import numpy as np
import tensorflow as tf
from keras.models import Model
import matplotlib.pyplot as plt
from keras.optimizers import Adam
from keras.applications import MobileNet
from sklearn
浏览 13提问于2020-11-12得票数 2
嗨，我试着在一小部分kaggle狗-vs-猫数据集上训练一个tensorflow卷积模型。
我正在以下列方式建立模型：
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.utils import image_dataset_from_directory
import pathlib
new_base_dir = pathlib.Path("../8/cats_vs_dogs_small")
data_augmentation = keras.Sequen
浏览 15提问于2022-11-12得票数 0
回答已采纳
1回答
我正在尝试使用编码器集群一个数据集，因为我是这个领域的新手，我不知道如何做it.My主要问题是如何定义损失函数，因为数据集是未标记的，据我所知，我已经从书目中看到了他们定义为损失函数的内容期望的输出和预测的output.My之间的距离问题是，我没有期望的输出，我应该如何实现这一点？
浏览 1提问于2017-10-24得票数 0
1回答
建立非图像数据的深度学习模型
、、、、
你能告诉我如何用CNN和池层构建一个带有整数的矩阵(4，4)的自动编码器吗？例如，input data = array([[ 4, 3, 8, 6], [ 1, 1, 2, 2], [24, 18, 32, 24], [ 6, 6, 8, 8]])
autoencoder(data)
output data= array([[ 4, 3, 8, 6], [ 1, 1, 2, 2], [24, 18, 32, 24], [ 6, 6, 8, 8]])
说明：
浏览 5提问于2022-02-08得票数 0
我试图在我自己的图像分类问题上利用kera的。我的代码在很大程度上基于Francois的示例(Python-中的深度学习第8章)。
我想预测三节课。目录结构：
data/
training/
class_1
class_2
class_3
注意:这是我第一次使用Keras，所以我可能做错了什么。
我对model.fit()的调用失败了：ValueError: Shapes (32, 1) and (32, 3) are incompatible。有关完整的错误消息，请参阅此问题的底部。如果我查看.summary()调用的输出，我就看不到维度层(32，1)。
impo
浏览 31提问于2022-12-03得票数 0
我正在研究tensorflow分类教程。
在“下载数据集”一节中，有导入dataset_url的代码：
import pathlib
dataset_url = "https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz"
data_dir = tf.keras.utils.get_file('flower_photos', origin=dataset_url, untar=True)
data_dir = pathlib.Path(data_
浏览 8提问于2022-02-17得票数 0
1回答
所以我想进入“自动编码器”的主题，测试它在200大小的随机向量上的工作效果。
model = keras.models.Sequential()
model.add(keras.layers.Dense(50, activation='tanh'))
model.add(keras.layers.Dense(200))
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc'])
model.fit(vectors, vectors,
浏览 0提问于2019-05-27得票数 1
回答已采纳
我尝试在tensorflow.It中使用dataset_from_directory加载数据，但没有检测到任何图像。我只有一节课。 from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Convolution2D
from keras.layers import UpSampling2D
import tensorflow as tf
from keras.models import Sequential
from keras.models import Model
from tensorflow.ker
浏览 55提问于2021-07-30得票数 1
回答已采纳
1回答
我有一个自动编码器，我用不同的解决方案检查了我的模型的准确性，比如改变conv层的数量并增加它们，添加或删除批处理规范化，更改激活函数，但是它们的准确性都是相似的，而且没有任何奇怪的改进。我很困惑，因为我认为这些不同的解的精度应该是不同的，但它是0.8156。你能帮帮我吗?有什么问题吗？我也训练它10000个时代，但输出是相同的50个时代！我的代码是错误的还是不能变得更好？！
我也不确定学习率衰不起作用？！我也把我的代码放在这里：
from keras.layers import Input, Concatenate, GaussianNoise,Dropout,BatchNormalizat
浏览 0提问于2019-02-12得票数 3
回答已采纳
我正试图为一个面部识别项目构建一个去噪自动编码器，在最初的测试中，我使用的是剪裁的yalefaces数据集，在一个文件夹中使用训练(噪声)图像(每个类/人有单独的文件夹)，在另一个结构相同的文件夹中使用测试(常规)图像。但是，对于每个测试，我都有以下错误：
sparse_categorical_crossentropy/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits InvalidArgumentError:日志和标签必须具有相同的第一维，得到logits形状986624,38和标签形状32节点Op
浏览 7提问于2022-02-06得票数 0
我目前正在用Tensorflow 2和Keras构建一个GAN，并注意到许多现有的神经网络用于生成器和鉴别器，在Keras中使用Conv2D和Conv2DTranspose。
我很难找到某种功能上可以解释两者之间区别的东西。有人能解释这两个不同的选择在Keras中建立一个NN意味着什么吗？
浏览 5提问于2021-08-29得票数 5
回答已采纳
1回答
用相同图像训练自动编码器
、、、
我正在训练自动编码器与2000年相同的图像。我的期望是，如果自动编码器有足够的容量，在一定的训练时间后，损失将接近0，精度将接近1。相反，我看到损失= 0.07和accuracy=0.76的快速收敛。减少卷积层数有一定的改善作用。减少每层籽粒的数量增加了损失。在那之后没有任何改善。我的期望错了吗？或者我的自动编码器架构有什么问题吗？怎样做才能使一个几乎无损的自动编码器？
input_img = Input(shape=(image_size_x, image_size_y, 1))
x = Conv2D(32, (3, 3), activation='relu', paddin
浏览 4提问于2020-03-23得票数 2
回答已采纳
2回答
我想用Keras创建一个音频分类系统，它简单地确定给定的示例是否包含人工声音。没别的了。这将是我第一次尝试机器学习。
这个音频预处理程序已经存在。它声称没有做，但它已经被叉了几次：
我不明白这是怎么回事，但我准备试一试：
但假设我有其中一个工作，其余的过程会类似于图像分类吗？基本上，我从未完全理解何时使用Softmax和何时使用ReLu。当我把数据映射成张量时，这和声音和图像相似吗？
浏览 8提问于2017-09-21得票数 6
回答已采纳
谁能告诉我在include_top=中定义模型时keras是什么意思？
我在Keras文档中读到了这一行的含义。上面写着include_top:是否将全连接层包含在网络的顶部。
我仍然在寻找这行代码的直观解释。
ResNet50(include_top=True)
谢谢!
浏览 3提问于2017-09-04得票数 20
回答已采纳
我正在使用ADE20K数据集来训练一个类似Unet的模型，以便在Keras中进行分割。
数据集有超过1000个类。我试图使用Keras方法image_dataset_from_directory()将数据集加载到tf.dataset对象中。
以下文档向您展示了如何加载dataset对象并将其传递到您的模型中：
# directory for training data
training_data/
...class_a/
......a_image_1.jpg
......a_image_2.jpg
...class_b/
......b_image_1.jpg
......b_image_2
浏览 3提问于2021-12-15得票数 0
回答已采纳
我的笔记本一直工作到今天。在我的colab笔记本的开头，我每晚安装tf，但是现在它给了我这个错误：
---------------------------------------------------------------------------
ImportError Traceback (most recent call last)
<ipython-input-1-589c442233c5> in <module>()
7 import tensorflow as tf
8 f
浏览 6提问于2021-04-06得票数 40
回答已采纳
1回答
我有以下问题：
Input: a set of 6 images
Output: a probability for each image determining whether the image is the correct one out of the 6 images
我知道如何使用keras创建CNN，但不知道如何将多张图像作为输入。如何解决这个问题呢？
浏览 19提问于2020-05-11得票数 0
我正在处理tensorflow中的Keras，试图实现一个自动编码器。顺序模型可以工作，但我希望能够分别使用编码器(前两层)和解码器(最后两层)，但使用我已经训练过的模型的权重。有办法这样做吗？我要做定制的模特吗？
model = keras.Sequential()
model.add(encoder_1)
model.add(leaky_relu)
model.add(encoder_2)
model.add(leaky_relu2)
model.add(decoder_1)
model.add(leaky_relu3)
model.add(decoder_2)
encoder_mode
浏览 2提问于2018-07-27得票数 0
回答已采纳
1回答
我想使用自动编码器在现实生活中的照片(而不是简单的MNIST数字)。我已经参加了和它的训练。我的参数是：
我坚持一个灰度和128x128px图像的缩小节，并在ImageDataGenerator中做一些数据增强的预处理。
我训练不同的数据集大约2000张图片或猫和狗。我可以花10000英镑，但时间太长了。
我选择了一个具有基本下采样器和上采样器的卷积网络，并对参数进行了处理，最终得到了一个引导函数为8x8x8 = 512 (这是128x128px原始图像的1/32 )。
下面是python代码：
from keras.preprocessing.image import I
浏览 0提问于2018-08-16得票数 2
回答已采纳
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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
