作为一个激励的例子，假设我们在一个由异构节点组成的网络中有一个边权重预测问题，例如图像和文本，并希望连接每一对可能的输入。下面是数据外观的一个简单示例： # two inputs of different shape [2, 2],4, 4, 4], some_model.fit(inputs=[x,y], outputs=
浏览 19提问于2019-04-25得票数 1
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<
浏览 3提问于2018-07-15得票数 2
回答已采纳
1回答
我有一系列的处理音频文件，我使用作为输入到CNN使用Keras。Keras一维卷积层支持可变序列长度吗？Keras文档使这一点变得不清楚。在文档的顶部，它提到您可以使用(None，128)来处理128维向量的可变长度序列。但是在底部，它声明输入形状必须是给出了下面的示例，如何将可变长度
浏览 6提问于2017-11-30得票数 6
回答已采纳
SPP网用于可变大小的输入图像。在中的keras中，SPP实现使用两个model.fit来处理两个大小的图像。我有278个不同大小的图像，那么在这种情况下如何使用model.fit呢？在两次model.fit使用之后，keras如何计算效率和其他性能参数？我引用了spp 中<
浏览 1提问于2018-04-14得票数 2
1回答
我有一个模型，它本质上是一个辅助条件GAN；模型的第一部分是生成器，最后一部分是鉴别器。鉴别器进行多类(k=10)预测。在的工作之后(pp3是一个有用的图，但请注意，为了这个问题的目的，我忽略了网络结构的修改)，我通过生成合成输入和类标签(“内部循环”)来训练整个模型进行T=32迭代。我可以使用判别器(Learner)对真实数据和标签进行预测，以获得损失。但是，我需要通过内部循环将鉴别器的错误反向传
浏览 1提问于2020-03-16得票数 1
2回答
Keras能处理不同大小的输入图像吗？例如，在完全卷积神经网络中，输入图像可以具有任意大小。但是，当我们通过Keras创建网络时，我们需要指定输入形状。因此，我们如何使用Keras来处理不同的输入大小而不将输入图像调整到相同的大小？谢谢你的
浏览 4提问于2016-10-02得票数 44
最近，我收集了几个Keras模型，我正在使用keras.Models.model_from_json函数导入它们的体系结构(注意，还没有进行任何培训)。我的图像数据生成器可以进行定制，以生成不同大小和形状(在相同的流生成器中变化)的批量样本。例如，我可以使用形状(*batchsize*,32,32,3)和总共6个类生成数据。目前，导入的模型具有不同</em
浏览 0提问于2018-08-16得票数 0
1回答
我想将两个输出相似但输入不同的网络连接起来。输入分别是相同视频剪辑的光流和RGB版本。
我已经成功地连接了这两个网络，但我想使用一种融合参数来实验全局网络以不同的重要性级别对子网络进行训练的可能性。因为我的网络是在Keras中实现的，所以我不知道如何使用这些函数来实现
浏览 1提问于2019-12-02得票数 0
1回答
我目前正在开发一个系统，该系统可以对两个句子是否具有相同的内容进行分类。为此，我使用了预训练的词向量，因此有一个包含句子一的词向量的数组(s1)和一个包含句子二的词向量的数组(s2)。为了对它们是否相似进行分类，我通过将s1中的所有向量与s2中的向量进行成对比较来创建一个矩阵。然后将该矩阵输入到CNN分类器<e
浏览 1提问于2018-10-11得票数 0
2回答
Keras序列模型输入层
、、、、
在Keras中创建顺序模型时，我知道您在第一层中提供了输入形状。这个输入形状是否构成一个隐式输入层？例如，下面的模型显式地指定了两个密集层，但实际上这是一个由输入形状所隐含的一个输入层、一个隐藏的密度层和32个神经元组成的三个层组成的模型，然后是一个具有10个可能输出的输出层吗？
浏览 0提问于2017-10-04得票数 19
回答已采纳
1回答
我希望使用传输学习来处理图像，我的图像有不同的大小。我认为在一般情况下，卷积层可以接受可变的输入大小，但是完全连接的层只能接受特定大小的输入。然而，VGG-16或ResNet50的Keras实现可以接受任何大于32x32的图像大小，尽管它们确实有完全连接的层。我想知道如何为<
浏览 3提问于2018-10-26得票数 0
我有不同大小的输入图像，我将它们通过CNN中的Conv层，然后我应该将Conv输出连接到一个完全连接的层进行分类。
由于该过程必须矢量化，因此输出必须具有相同的形状，以便一批图像可以用于前向传递。因此，对于在全连接层的输入处的所有图像具有相同形状的问题。但是由于我的输
浏览 0提问于2018-06-12得票数 0
input_shape = (28, 28, 1)
l.Conv2D(32, 5, padding现在，我希望将不同op的结果分配给model.layers[0].kernel，也就是说，我希望在训练期间以一种特殊的方式形成kernel，并依赖于另一个可训练参数。
我为什么要那样？我正在试验权重聚类，权重应该从一个可训练的数组中查找。在<
浏览 3提问于2019-09-18得票数 1
由于预先训练过的模型是关于具有特定宽度和高度的ImageNet图像的，那么Keras模型(例如ResNet50)如何允许一个不同的input_size？我也想知道“197”这个神奇数字是从哪里来的：
input_shape:可选的形状元组，只能在include_top为False时指定(否则输入形状必须为(224、224、3) (带有“channels_last它应该有准确的3个输入通道，宽度和高
浏览 5提问于2017-11-15得票数 4
我想在Keras中合并一个前向LSTM和一个后向LSTM。后向LSTM的输入阵列不同于前向LSTM的输入阵列。因此，我不能使用keras.layers.Bidirectional。前向输入是(10，4)。向后的输入是(12，4)，并且在输入到模型之前是反转的。我想在LSTM之后再次将其反向，并将其与正向合并。
简化后的模型如下。
浏览 5提问于2017-07-01得票数 1
我有一个Keras模型，它在训练过程中需要2个输入(2个输出对应于2个损失函数)。 2个输入和2个输出彼此成对连接。 因此，在推断中，我实际上不需要传递第二个输入，也不需要第二个输出。有没有办法让使用predict方法的Keras/tf.keras只接受第一个输入并产生第一个输出，而忽略第二个输入和第二个输出。我可以为第二个输入
浏览 21提问于2020-06-25得票数 1
回答已采纳
我想要计算一个损失函数，它在不同的输入上两次使用网络的输出。second_output = model(second_input)如何在tensorflow或keras中实现这一点？
浏览 0提问于2019-01-28得票数 2
如何将两个不同输入行中的对应元素配对，在C++中形成一个对数组？例如：投入：5 6 7 8 9
编辑:输入是由用户通过stdin提供的，而不是以两个不同数组的形式提供的我想直接以成对数组的形式存储这个<em
浏览 1提问于2020-09-24得票数 0
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
