如何使用yolo.h5设置model工具转换模型输出形状
yolo.h5是一个预训练的深度学习模型，用于目标检测任务。要使用yolo.h5设置model工具转换模型输出形状，可以按照以下步骤进行操作：
- 导入必要的库和模块：
- 导入必要的库和模块：
- 加载yolo.h5模型：
- 加载yolo.h5模型：
- 设置模型的输出形状：
- 设置模型的输出形状：
- 其中，batch_size表示输入的批量大小，grid_size表示网格大小，num_anchors表示每个网格的锚框数量，num_classes表示目标类别数量。
- 保存转换后的模型：
- 保存转换后的模型：
需要注意的是，上述代码只是一个示例，具体的设置可能会因模型和任务的不同而有所变化。此外，yolo.h5模型的转换也可能需要其他的预处理或后处理步骤，具体操作可以参考相关的文档或教程。
腾讯云相关产品和产品介绍链接地址：
相关·内容
2回答
我将在android中使用yolo权重，所以我计划将yolo权重文件转换为tflite文件。
我在anaconda提示符中使用此代码，因为我在env中下载了keras库。
activate env
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
最后，将did.Saved Keras模型转化为model_data/yolo.h5。
我将用这段代码在jupyter笔记本中将这个h5文件转换为tflite文件。
model = tf.keras.models.load_model("./yolo/yolo.
浏览 2提问于2020-05-04得票数 2
我按照官方教程创建了一个UWP应用程序，它可以使用预先训练过的模型来检测手写数字。
但我需要用Keras模型。
因此，我从示例中将MNIST模型转换为ONNX，这些示例也是在使用python的MNIST上进行的：
onnx_model = winmltools.convert_keras(model, 7, name='mnist')
print(onnx_model.graph.input)
winmltools.save_model(onnx_model, "mnist_tf.onnx")`
当我在中导入此代码时，会为输入生成以下代码：
publ
浏览 3提问于2020-01-17得票数 0
回答已采纳
1回答
我有一个UNet，我训练并拯救了模型。我希望看到模型摘要，但是当我使用model.summary()时，Output Shape列被切断，看不到完整的形状。该模型是在三维图像上进行训练的，因此输出应该显示(None, shapeX, shapeY, shapeZ, num_features)。如何显示输出的完整形状？
from tensorflow.keras.models import load_model
model = load_model('model.h5',compile = False)
model.summary()
model.summary
浏览 2提问于2020-10-12得票数 3
回答已采纳
我有这样的输入
x=[[0,0,0,0,1,0,0,0]....[n,n,n,n,n,n,n,n]] x.shape=(18998,8)
像这样的输出
y= 11 11 11 11 ... 10 y.shape=(18998,)
我建立了这样的模型
env_model = Sequential()
env_model.add(Dense(8, activation='relu', input_dim=8))
env_model.add(Dense(128, activation='relu'))
env_model.add(Dense(256, activati
浏览 0提问于2019-03-11得票数 0
回答已采纳
我在Windows 10上使用Tensorflow 2，并从下载了一个模型
我使用的模型是ssd.mobilenetv2.oid4
模型的详细内容如下：
[<tf.Tensor 'image_tensor:0' shape=(None, None, None, 3) dtype=uint8>]
注意:我还有frozen_inference_graph.pb以及配置文件和检查点。
我使用TensorFlowLiteConverter片段将saved_model.pb文件转换为具有自定义形状的.tflite：
import tensorflow as tf
input
浏览 10提问于2020-01-19得票数 1
1回答
我已经为单个对象检测任务在自定义数据集上训练了一个移动的SSD V2模型，并将其转换为tflite。当我使用解释器加载.tflite模型进行测试，并使用：input_details = model.get_input_details()获取输入详细信息时，它将输出
[{'name': 'normalized_input_image_tensor',
'index': 272,
'shape': array([ 1, 300, 300, 3], dtype=int32),
'dtype': numpy.uint
浏览 2提问于2019-12-26得票数 0
回答已采纳
遇到的问题：
E/AndroidRuntime:致命异常:主进程: org.tensorflow.lite.examples.detection，PID: 14719 java.lang.AssertionError:当初始化ObjectDetector:移动SSD模型时发生错误，预计只有4个输出
问题描述
资料来源: TensorFlow Lite对象检测示例
启动示例应用程序时显示的错误
模型描述
使用自定义模型？，YES，
预训练模型:ssd_mobilenet_v2_fpnlite_640x640_co17_tpu-8
推理类型:浮点
浏览 8提问于2021-03-05得票数 2
回答已采纳
1回答
我有两个onnx模型。第一个模型是之前训练过的，我无法访问保存的模型的pytorch版本。模型的输入形状如下图所示：Model 1。此模型只有一个用于模型形状的参数，并且没有批量大小的空间。理想情况下，我希望模型有一个像this这样的输入。这个模型有7个变量的相同输入，但也有一个批量大小的参数。我尝试过使用onnx中的更新模型工具，但它没有为批量大小添加额外的维度。
浏览 65提问于2021-10-04得票数 1
我已经将Keras模型转换为与OpenVino一起使用。最初的Keras模型使用sigmoid返回从0到1的分数，用于二进制分类。将模型转换为与OpenVino一起使用后，两个类的分数都接近0.99，但其中一个类的分数似乎略低。
例如，test1.jpg和test2.jpg (来自相反的类)的分数分别为0.00320357和0.9999。
使用OpenVino，相同的图像分别得到0.9998982和0.9962392的分数。
编辑*一种怀疑是输入数组仍然被OpenVino模型所接受，但在某种程度上被改变了形状或“置乱”，因此永远不匹配第一类？换句话说，如果你给它随机的噪音，分数也将永远是0.9
浏览 5提问于2022-01-01得票数 6
回答已采纳
1回答
我正在做一个小实验，以了解序列模型是如何构建的。 我有一个形状为(10，10，5)的numpy数组，称之为feature_0。我创建了序列模型，如下所示： model = tf.keras.models.Sequential([
layers.Dense(units=16, input_shape=(10, 5)),
layers.Dense(units=8),
layers.Dense(units=1)
])
model(features_0)
model.summary() 这将向我返回一个模型摘要，如下所示： Model: "sequential_16&
浏览 9提问于2020-06-24得票数 0
回答已采纳
我有一些ONNX Model Zoo的模型。我想在安卓( TensorFlow )应用程序中使用这里的模型，但我在弄清楚如何转换模型时遇到了问题。 根据我所读到的，我需要遵循的过程是将ONNX模型转换为TensorFlow模型，然后将该TensorFlow模型转换为TensorFlow Lite模型。 import onnx
from onnx_tf.backend import prepare
import tensorflow as tf
onnx_model = onnx.load('./some-model.onnx')
tf_rep = prepare(onnx
浏览 53提问于2020-08-15得票数 4
回答已采纳
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？
model = Sequential([
Dense(32, input_shape=(784,)),
Activation('relu'),
Dense(10),
Activation('softmax'),
])
浏览 0提问于2017-10-04得票数 19
回答已采纳
1回答
使用顺序模型，如何获取2d输入的数组(三维输入)，并让模型对每个2d输入执行预测，以生成标量？输入形状(板)：153，8，8。输出形状(结果)：153。
型号：
const model = tf.sequential();
model.add(tf.layers.dense({units: 8, inputShape: [8]}));
model.add(tf.layers.dense({units:1, activation: 'sigmoid'}));
// Prepare the model for training: Specify the loss and the
浏览 0提问于2019-02-21得票数 0
1回答
性能较差的角光机
、、、
我想要创建一个lstm模型来分类信号。
假设我有1000个信号文件。每个文件包含一个形状矩阵( 500，5)，这意味着在每个文件中，我有5个特性(列)和500行。
0 1 2 3 4
0 5 5.3 2.3 4.2 2.2
... ... ... ... ... ...
499 2500 1.2 7.4 6.7 8.6
对于
浏览 2提问于2018-05-22得票数 4
回答已采纳
我正在寻找一个解决我的问题，我尝试了几个建议，但没有成功。我希望有人能帮我这个忙。
我用Autokeras训练和保存了一个模型。我使用了以下代码来保存最好的模型。
try:
model.save("model_autokeras", save_format="tf")
except Exception:
model.save("model_autokeras.h5")
它被保存为tf (一个文件夹)。
我加载了模型，并尝试使用一个新的CSV文件来预测目标。
我用熊猫(read_csv)导入了CSV，该文件没有目标属性(需要预测的目
浏览 12提问于2022-06-09得票数 0
3回答
我正在研究“触发词检测”模型，并决定将该模型部署到我的手机上。 模型的输入形状为(None, 5511, 101)。输出形状为(None, 1375, 1)。 但在实际部署的App中，该模型不能一下子获得5511个时间步长，而是手机传感器产生的音频帧是一个接一个的。 如何将这些数据一个接一个地提供给模型，并在每个时间步获得输出？ 该模型是一个递归模型。但是"model.predict()“的第一个参数是(None,5511,101)，我想做的是 output = []
for i in range(5511):
a = model.func(i, (None,1,101))
浏览 35提问于2020-04-01得票数 1
1回答
我有个小问题我解决不了。
我想实现CNN模型，完全连接MLP到我的蛋白质数据库，其中有2589个蛋白质。每个蛋白质有1287行和69列作为输入，1287行和8列作为输出。实际上有1287x1输出，但我在模型中使用了类标签的热编码来使用交叉熵损失。
还有我想要
如果把输入**的三维矩阵** X_train =(2589,1287，69)和y_train = (2589,1287，8)输出考虑为图像，则输出也是矩阵。
下面是我的克拉斯代码：
model = Sequential()
model.add(Conv2D(64, kernel_size=3, activation="relu&#
浏览 0提问于2018-12-03得票数 0
回答已采纳
1回答
我需要训练一个包含42个CT扫描的(128x128x128)补丁的3D_Unet模型。 我的输入数据是128x128x128，用于CT扫描和面罩。我将数组的形状扩展为(128,128,128，1)。其中1是通道。 问题是如何向模型提供我的40个4D阵列的列表？ 如何将model.fit()或model.train_on_batch与我的模型中指定的正确输入形状一起使用？ project_name = '3D-Unet Segmentation of Lungs'
img_rows = 128
img_cols = 128
img_depth = 128
# smooth =
浏览 9提问于2020-04-01得票数 0
回答已采纳
我知道这有点愚蠢，因为BigQueryML现在为KM棍提供了良好的初始化。尽管如此，我还是被要求在tensorflow中训练一个模型，然后将它传递给BigQuery进行预测。
我保存了我的模型，一切都很好，直到我尝试将它上传到bigquery。我得到以下错误：
TensorFlow SavedModel output output has an unsupported shape: unknown_rank: true
因此，我的问题是:在BigQuery中不可能使用tensorflow训练的kmeans算法吗？
编辑
创建模型：
kmeans = tf.compat.v1.estimator
浏览 6提问于2020-02-11得票数 3
1回答
我试图在Keras中构建一个顺序模型，该模型将使用shape(1, n, 5)的输入特性和shape(1, 1)的输入标签，并返回shape(1, 1)的输出以匹配输入标签。
我从一个教程中构建了一个模型，它与特性shape(n, 5)和标签shape(n, 1)很好地兼容，并返回一个与输入标签匹配的shape(n, 1)输出。
这是模型
class Model(keras.Model):
def __init__(self, units):
super().__init__()
self.dense1 = keras.layers.Dense(
浏览 1提问于2022-03-20得票数 1
4回答
我试着用两个类训练一个图像分类器，这是我的神经网络。
model=Sequential()
model.add(tf.keras.layers.Conv2D(3,(3,3),activation="relu"))
model.add(tf.keras.layers.Conv2D(32,(3,3),activation="relu"))
model.add(tf.keras.layers.Conv2D(16,(3,3),activation="relu"))
model.add(tf.keras.layers.Conv2D(8,(3,3),acti
浏览 1提问于2020-08-23得票数 0
回答已采纳
1回答
输出层的形状总是(1，)
、、、
我正在尝试做一个简单的Keras模型。但是，不管我指定的输出形状是什么，输出层总是形状(1,)，所以由于输出层和目标数据形状不匹配，所以不能训练我的模型。
import keras
from keras.models import Sequential
from keras.layers import InputLayer, LSTM, Dense
# 63 is the number of unique characters
# 128 is the length of a sequence of characters
X = ... # X is an one-hot ndarray;
浏览 6提问于2019-09-23得票数 0
回答已采纳
1回答
输入输出数据形状困难
、、、
我是凯拉斯的初学者。我现在的主要问题是如何建立一个适合我的数据的模型。
对于模型本身，我希望构建它，以便输入/输出如下：
输入数据：(包含)三个整数，例如24、63、122
期望输出：(列表计算)在0到1范围内的32个浮点值，例如0，0，0，0.2，0.25，0，0.4，0.1，…，0
我想把这32个浮动点之和为1。
我的数据格式如下：
X_Data = [104、56、64，96，-8，80，.
Y_Data = [0，0，0，1，…，0，[0，0，0，0，.
visible = Input(shape=(3,1))
extract1 = LSTM(10)(visible)
out
浏览 0提问于2022-01-20得票数 0
我使用VGG16和keras进行迁移学习(在我的新模型中有7个类)，因此我想使用内置decode_predictions方法输出模型的预测。但是，使用以下代码：
preds = model.predict(img)
decode_predictions(preds, top=3)[0]
我收到以下错误消息：
ValueError：decode_predictions需要一批预测(即二维形状数组(样本，1000))。找到具有形状的数组：(1，7)
现在，我想知道为什么在我的再培训模型中只有7个类的情况下，它期望1000。
我在堆栈溢出( )上发现了一个类似的问题，建议在模型定义中包括“
浏览 0提问于2018-03-13得票数 5
回答已采纳
2回答
密集层给我二维阵列
、、、
我正在为CartPole做强化学习，我遇到了这个问题
model = keras.models.Sequential()
model.add(Dense(8,activation = 'relu'))
model.add(Dense(2,activation = 'linear')
这是我的模型
state = env.reset()
print(state)
output:
[-0.00315391 -0.0150189 0.01804181 0.02032083]
这就是我对我的模型的预测
model.predict(state)
output:
浏览 1提问于2021-08-30得票数 0
回答已采纳
1回答
是否可以更改CoreML模型的输出类型？我的模型以图像作为输入，将图像作为输出，但当我将Keras模型转换为mlmodel时，我得到：
coreml_model = coremltools.converters.keras.convert('/Users/user/Desktop/model.h5',input_names='input_img',image_input_names='input_img',output_names='image')
coreml_model.save('/Users/user/Deskto
浏览 1提问于2017-09-07得票数 2
我尝试在opencv中实现一个tensorflow模型。这就是我所犯的错误：
OpenCV:无法创建层“平面1/形状”类型的“形状”
我用卡拉斯做我的模型
model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape = (32,32,1), activation = 'relu'))
model.add(Conv2D(32, (3, 3), activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2, 2)))
model.ad
浏览 2提问于2019-01-09得票数 1
回答已采纳
我正在Keras中训练一个LSTM下一个字符/单词预测器，并希望将它包含在一个iOS项目中。当我将它转换为CoreML时，输出形状和值与我原来的Keras模型不匹配。
总结我的问题：
为什么转换后的模型与原始模型有不同的输出形状，如何确保它们匹配？
为什么我要从转换的模型中得到不同的预测值？
我培训的模型有以下布局：
model = Sequential()
model.add(LSTM(128, input_shape=(SEQUENCE_LENGTH, len(chars))))
model.add(Dense(len(chars), activation = 's
浏览 1提问于2019-04-09得票数 0
回答已采纳
1回答
具有k个预测因子X1、X2、.、Xk和响应Y的多元线性回归模型可以表示为y=β0 +β1X1 +β2X2 +··βkXk +“。
我按照这里的教程使用tf.keras进行基本回归。。是否可以输出β变量，以便检查它们如何对响应作出贡献？
顺便说一下，本教程构建的模型如下所示：
def build_model():
model = keras.Sequential([
layers.Dense(64, activation='relu', input_shape=[len(train_dataset.keys())]),
layers.Dense(64, act
浏览 3提问于2020-06-02得票数 0
回答已采纳
我是Tensorflow的新手。我的工作是使用2d array作为输入来推断标量。我的输入有shape of (2,3)，输出是标量。
我按如下方式实现该模型：
my_model = Sequential()
input_layer = layers.InputLayer(input_shape = [2,3])
xs = np.array(
[[1,1,1],
[1,1,1]],
[[2,2,2],
[2,2,2]],
[[3,3,3],
[3,3,3]])
ys = np.array([1,2,3])
my_model.add(in
浏览 0提问于2021-09-13得票数 0
1回答
我有一个医学纵向数据，我正在做一个研究。首先，我使用了4000行样本，3个时间步骤(3列)的骨大小对应于3个不同月份测量的骨大小。
我受够了基本模式。现在我想确定我对模型的理解是否正确。
model = Sequential()
model.add(layers.SimpleRNN(units=10, input_shape=(3,1),use_bias=True,bias_initializer='zeros',activation="relu",kernel_initializer="random_uniform"))
model.add(l
浏览 4提问于2019-12-21得票数 2
2回答
我一直在研究一个简单的卷积神经网络模型，但是输出似乎不符合我想要的形状。
from keras.layers import Input, Conv2D, MaxPooling2D, Reshape, Flatten, Dense, Dropout, Activation
from keras.models import Sequential
from keras.layers.convolutional import *
from keras.layers.pooling import *
from keras.optimizers import Adam
from keras.optimiz
浏览 0提问于2019-10-04得票数 0
回答已采纳
1回答
我正在建立一个预测地理空间-时间数据集的模型。
我的数据有原始的维度(特征，lat，lon，时间)，即对于每个特征，在每个lat/lon点都有一个时间序列。
我已经像这样使用Keras创建了一个CNN-LSTM模型(我假设需要修改下面的内容，这只是第一次尝试)：
def define_model_cnn_lstm(features, lats, lons, times):
"""
Create and return a model with CN and LSTM layers. Input and output data is
expecte
浏览 0提问于2018-09-28得票数 4
回答已采纳
我正在尝试为Quora问题对数据集构建一个模型，其中输出是二进制的1或0，但我得到了这个错误。我知道我的模型的输出形状与输入形状不同，但我不知道如何修复它。批处理大小设置为16 class Bert_model (nn.Module):
def __init__(self) :
super(Bert_model,self).__init__()
self.bert = BertModel.from_pretrained('bert-base-uncased', return_dict=False)
self
浏览 307提问于2021-11-21得票数 0
2回答
我有一个Keras模型，当我拟合时会失败，错误如下
> kerasInput = Input(shape=(None, 47))
> LSTM(..)(kerasInput)
...
> model.fit(realInput, ...)
ValueError: Error when checking input: expected input_1 to have 3 dimensions, but got array with shape (10842, 1)
在查看我的输入时，我发现它有一个(10842, 1)形状，但对于每一行，它实际上是一个列表列表。我可以通过以下方式
浏览 3提问于2018-10-14得票数 1
1回答
Keras多维输入
、、、、
我输入的时间序列数据是形状的(nb_samples，75，32)。
75是时间步骤，32是输入维度。
model = Sequential()
model.add(LSTM(4, input_shape=(75, 32)))
model.summary()
LSTM的权重向量，[W_i, W_c, W_f, W_o]都是32个维，但是输出只是一个单一的值。该模型的输出形状为(1,4)。但是在LSTM中，输出也是一个向量，所以对于上面的许多实现来说，它不应该是(32,4)吗？为什么它也给多维输入一个单一的值？
浏览 0提问于2017-03-05得票数 3
首先，如果问题没有意义，对不起，请纠正我。
所以..。我有这个顺序模型。
model = Sequential()
model.add(LSTM( 524 , input_shape = (sequeces, size) , return_sequences = True ))
model.add(Dropout(0.2))
model.add(BatchNormalization())
model.add(LSTM( 256, return_sequences = True ))
model.add(Dropout(0.1))
mo
浏览 0提问于2020-05-22得票数 1
回答已采纳
1回答
我对神经网络都很陌生。我有一个三维关节位置数据集(6400*23*3)和四元数方向数据集(6400*23*4)，我想预测所有22个关节和3个运动平面(6400* 22 *3)的关节角度。我试图建立一个模型，但是它不会运行，因为输入数据与输出形状不匹配，我也想不出如何更改它。
我的代码
import scipy
import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv1D, MaxPooling2D, Dense, Flatten
from
浏览 1提问于2019-11-01得票数 0
回答已采纳
我保存了一个tensorflow模型，与中的所有模型相同。
我想将它转换为tesorflow lite，我从tensorflow github (我的tensorflw版本是2)中找到了以下方法：
!wget http://download.tensorflow.org/models/object_detection/tf2/20200711/ssd_resnet50_v1_fpn_640x640_coco17_tpu-8.tar.gz
# extract the downloaded file
!tar -xzvf ssd_resnet50_v1_fpn_640x640_coco17_tp
浏览 15提问于2020-08-09得票数 5
回答已采纳
1回答
我加载了一个模型的角星
model = keras.models.load_model('myModel.h5')
model.fit(x,y, batch_size=1, epochs=2)
在最后一行中，它显示了一个错误，因此它希望y是一个2D输入。我的y文件的示例是0,0，-1，可以在第一种情况下改为[0,0，-1]或[，，-1]，在第一种情况下，错误是:带有形状(3)的got数组，其中期望形状(1)；在第二种情况下，错误:有3个期望为1的样本。
在本培训部分之前，我运行model.predict()，在此期间它给出格式的输出[0.00251，-0.00526，0.005
浏览 1提问于2018-10-01得票数 0
回答已采纳
2回答
我希望下面的模型采用8，1的输入形状，批量大小为16。我一直试图使模型的输出形状与输入相同，但我只能在需要(16、8、1)时才能得到它输出的形状(16、8、1)。有可能这样做吗？谢谢你的帮助。
model = tf.keras.models.Sequential([
tf.keras.layers.Conv1D(filters = 512,
batch_size = 16,
input_shape = [8, 1],
kern
浏览 15提问于2022-07-09得票数 0
回答已采纳
2回答
我正在使用一个预先训练好的初始V3模型来完成面部识别任务。但是，我想在此模型的开头添加一个重整层，以将示例转换为不同形状的张量，然后通过预先训练的模型进行反馈。我知道有一种方法可以使用构造器的input_shape参数来配置初始V3的输入形状：
inception_model = InceptionV3(weights="imagenet", include_top=False, input_tensor=Input(shape=(224, 224, 3)))
但这并不能解决我的问题。由于技术限制的原因，我希望我的模型接收(150528, 1, 1)的向量，并希望在将其传递到我
浏览 5提问于2020-05-12得票数 1
列车尺寸: 13974测试尺寸: 3494列车形状：(13974,101，6，5)测试形状：(3494,101，6，5)列车输入形状：(13974,100，6，5)列车输出形状：(13974，1，6，5)测试输入形状：(3494,100，6，5)测试输出形状：(3494，1，6，5)
model = Sequential()
model.add(TimeDistributed(Conv2D(32, (3, 3), padding='same'),
input_shape=(100, 6, 5,1)))
model.add(TimeDistributed(Activation(
浏览 0提问于2019-10-01得票数 0
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的输入和输出形状，比如(5*100*100*3)和分配给它们层的两个类。我的目标是改变这些层的输入和输出形状，以便在模型性能中比较不同的图像大小。
首先，在输入层，我尝试了：
model.layers[0].input.set_shape((None
浏览 0提问于2018-08-16得票数 0
1回答
我已经建立了一个无问题的NLP分类模型与我的模型，显示了83.5%的评估准确性。但是，当我想使用我的模型来预测一组新的标记化单词时，我的模型返回x个数组数，其中x是我给我的模型的标记语句中的标记数。
‘下面是代码示例
toPredict = np.array([1,2])
prediction = self.model.predict(toPredict)
print(prediction)
‘值1和值2显然只是令牌值，但这将返回输出为’
[[0.24091144 0.20921658 0.3415633 0.20830865]
[0.2015979
浏览 2提问于2022-08-29得票数 0
1回答
我已经在互联网上搜索了几天，试图找到一个解决这个错误的方法，但我找不到的任何东西都是特别适用的：
ValueError: Error when checking target: expected dense_2 to have shape (300,) but got array with shape (60,)
下面是生成错误的代码(数据预处理除外)：
model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'),
keras.laye
浏览 3提问于2018-12-08得票数 0
回答已采纳
最近，我在一次面试中被要求使用tensorflow构建一个符合以下要求的神经网络：
模型的输入层必须具有(32，10，1)的输入形状。
模型的输出形状必须为(32，10，1)
作为回应，我提供了以下解决方案：
import tensorflow as tf
from tensorflow.keras.layers import Dense, Conv1D
model = tf.keras.models.Sequential([
Conv1D(filters=32, kernel_size=1, activation='relu', input_sha
浏览 12提问于2022-04-27得票数 1
通过附加操作和未定义的形状将Keras Upsampling2d操作转换为此操作。
但是，Tensorflow在没有此操作的情况下以正确的形状进行转换。
这会导致未定义的整体模型输出形状，并导致设备上的错误。怎么解决这个问题呢？
浏览 2提问于2021-04-07得票数 0
回答已采纳
1回答
我试图用人工智能来预测素数序列中的数字，但是我的模型输出了"[nan]“。我的csv文件的格式如下：
素数，素数
它包含了78498行，遵循这个模式。
我试着查看模型，结果发现我有(None, 1)的输入形状。
有人知道怎么解决这个问题吗？
这是我的代码：
import pandas as pd
import tensorflow as tf
from tensorflow import keras
data = pd.read_csv('primes.csv')
data = np.array(data, dtype=float)
data = data.T
nu
浏览 2提问于2022-04-21得票数 0
2回答
如何在不指定初始输入形状的情况下，将Keras张量从形状(1,1,10)重塑为形状(10)？使用Flatten()(作为命令)给出
<tf.Tensor 'flatten_11/Reshape:0' shape=(?, ?) dtype=float32>
作为输出，在模型中使用时会出错。
model = Sequential()
model.add(Convolution1D(filters=self.nb_filters,
kernel_size=self.n_gram,
浏览 8提问于2017-05-05得票数 2
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
实时音视频
云直播活动推荐
腾讯云开发者
