我想问一下，我是否可以将Keras层中的权重初始化器设置为二进制值-例如，简单密集层的权重仅为0和1？例如，在Conv1D层的情况下，这将有助于放松计算时间。 谢谢你，J
浏览 10提问于2021-02-09得票数 1
回答已采纳
2回答
关于Keras和分类
、、、
我有两个输入X和Y，输出C是一个热编码0,1或1,0。 ? X，Y(转置)矩阵的大小为2* 320，C的大小为1* 320。我应该如何在Keras中编写网络，以便： <>层0:有2个输入(和2个节点) <>第1层有4个单元和从第0层到第1层的线性激活函数 <>第2层有1个节点(和softmax激活功能？从第1层到第2层)
浏览 35提问于2021-09-02得票数 0
回答已采纳
1回答
Keras矩阵乘求预测值
、、、、
我希望获得Keras模型的输出，通过矩阵乘法手动计算预测值。我想这样做是为了帮助理解Keras是如何在幕后工作的。我将使用简单的异或问题。history = LossHistory()
training_data = np.array([[0,0],[0,1z2 = wa + b2print('g =\n', a2)
据
浏览 0提问于2018-10-26得票数 4
回答已采纳
2回答
(x_train, axis=1)B = tf.reshape(y_train, [-1,1*80])
A = tf.dtypes.cast(A, dtype = tf.float32我测试过的其他几个激活函数，如tanh、softmax或sigmoid也做了同样的事情。我是机器学习的新手，但我不认为累计值应该在如此一致和低的数字上达到峰值。编辑:将最后一层
浏览 12提问于2019-01-18得票数 0
1回答
我目前已经使用Keras创建了一个LSTM网络，并且必须获取该网络的每个节点的内部忘记门值。每次调用predict()函数时，我都必须获取忘记门/值。这样做是可能的吗？
浏览 1提问于2018-01-12得票数 5
1回答
我使用tf.keras.layers.Dense构建我的模型。在我的模型的第一层，我希望一些权重是常数零。在梯度计算中，这些权重应该是梯度=零(因为链规则中的最后一个项对应于权值，对于一个常数来说是0)。import tensorflow.contrib.eager as tfe tf.keras.la
浏览 0提问于2019-01-09得票数 3
回答已采纳
我有一段代码用于以前版本的Keras，但是在Keras2.2中，我在将一个没有足够层的模型加载到更大的模型时出错了：from keras.layers import MaxPooling2Dnfilters = 3x = inputs
x = Conv2D(nfilters, kernel_size, strides=(1,1在加载imagenet权重时会出现问题；如果
浏览 0提问于2019-01-27得票数 0
回答已采纳
1回答
对于深层神经网络的验证，大多数算法都要求每个层(如Reluplex)都有ReLU激活函数。
如何在最后一层使用/训练带有ReLU的DNN，用于一个输出单元的二进制分类任务？什么损失函数能起作用？还是我必须把我的问题从分类重新表述为回归？
浏览 0提问于2022-07-14得票数 0
1回答
白化输入数据时模型未训练和负损失
、、、、
我正在使用keras文档中提供的生成器，它生成了一个元组，其中包含一批图像和相应的掩码，并以同样的方式进行了增强。编辑:我的模型是具有自定义Conv2D和Conv2DTranspose块的U-Net： return x
def Conv2DTranspose_BN(x, filters, kernel_size, strides=(1,1* 1, (3,
浏览 14提问于2019-07-25得票数 0
回答已采纳
1回答
获取上一层的权重
、、、
是否可以获取上一层的权重，修改它们并再次设置为下一层。我想在网络中引入一个自定义的层，它将修改权重(根据所需的逻辑)，然后将修改后的权重值设置为下一层。如下图所示：我不确定这是否可能。我知道我们可以转储快照，然后使用它来设置新的权重。我也可以使用快照转换权重。但是，我不知道如何在网络本身中做到这一点
浏览 0提问于2017-01-07得票数 1
3回答
一个时代后的神经网络扁平化
、、、、
我正在使用keras创建一个卷积神经网络，尝试将图像分类为两个不同的类别，并且由于某些原因，在第一个时期之后，精度永远不会改变。使用Keras的to_categorical()之后，我的标签看起来像这样：[1. 0.][0. 1.]]
浏览 8提问于2017-06-27得票数 4
输出是一个包含五个二进制值的列表，如下面的0,0,0,1,1inp = tf.keras.layers.Input(shape = (*IMAGE_SIZE, 3), name = 'inp')x = tf.keras.layers.GlobalAveragePooling2D
浏览 54提问于2021-06-04得票数 0
1回答
我的训练集是用-PI、PI和它们的0,1比例正弦值之间的随机值生成的(这是因为"Sigmoid-net“只产生0，1之间的值，而非缩放的正弦-function产生的值在-1，1之间)。有了这个训练集，以及学习率为0.5的1-10-1的网集，一切都很好，网络学习罪恶的功能就像它应该做的那样。但是..。如果我用同样的方式为余弦-function做每件事，网络就不会学习它。没有任何隐藏层大小或学
浏览 0提问于2012-11-19得票数 3
最近，我在Keras中使用内核约束来限制训练过程中的梯度。对于我的用例(回归)，我发现约束非常有用。
据我理解，非the类将梯度限制为仅为正(可能使用绝对梯度)。因此，我想知道在添加非vs.约束时，使用线性激活layers.Dense(1, activation = "linear", kernel_constraint = "non_neg")激活层与使用ReLU激活layers.Dense(1, activation = "relu", kernel_constraint = "non
浏览 11提问于2022-02-22得票数 1
回答已采纳
我试图在Keras中实现鉴别条件码，如
其主要思想是将每个条件编码为输入参数，让网络学习条件与特征标签映射之间的依赖关系。在一个新的数据集中，而不是适应整个网络，你只需调整这些权重使用反向道具。数学看起来很简单，但我不知道如何在没有访问后台支持的情况下在keras中实现这一点。例如，我是否可以添加一个trainable=True的输入()层，并将所有其他层设置<em
浏览 2提问于2017-04-11得票数 5
2回答
我已经训练了我的深度学习模式，最初有5门课，现在我想增加另一门课，而不用再为这5门课重新训练整个模式。我怎么能这么做？
浏览 0提问于2019-08-05得票数 2
如果我有一个由20个隐藏节点组成的层，这意味着如果我们要避免使激活函数最大化，那么权重就需要小一些--在.05标记周围？那我们为什么要把起重设定在-1到1之间呢？最好从很小的地方开始？a) 0到1之间的值？( b) 0或1？( c)其他东西？是否有神经元输出在-1到1之间(我想我已经看到了？)
4)似乎输入层和输出层的规则发生了变化？对于输入层，我猜您必须将输入数据编码成适当的格式。这是否总是意味着编码为0到1之间的值？同样地，对于输
浏览 2提问于2013-09-12得票数 5
回答已采纳
将图像调整为固定的输入大小，并将输入通道重新调整到-1,1的范围。我所理解的是，image = tf.image.resize(image, (IMG_SIZE, IMG_SIZE))将图像(可以有任意大小)调整为一个一致的大小。据我所知，image = (image/127.5) - 1并没有改变图像的实际大小，而是将值(像素)(0到255之间)更改为-1,1。在其他示例中，我看到在0,1的范围内进行了标准化/标准化，因此，按1.0/255重新标度。我不明
浏览 4提问于2020-07-09得票数 1
我是这样做的：
对于卷积层的lr_mult值，我没有做任何更改。在prototxt文件中，卷积层(如conv1_1等)具有非零的lr_mult值，而批处理规范化层的lr_mult值设置为0(<
浏览 3提问于2019-02-23得票数 1
1回答
任务：
我不能用caffe训练这个网络，必须使用给定的权重和偏差值来进行分类。是否有可能在caffe上实现这个网络，并直接使用我的权重/偏差和训练集来对图像进行分类？这里有哪些可供选择的方案？我是个处男，所
浏览 1提问于2016-04-06得票数 3
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
