如何在tf.keras中设置Conv2D的默认参数？
在tf.keras中，可以通过创建一个自定义的Conv2D类来设置Conv2D的默认参数。以下是一个示例：
from tensorflow.keras.layers import Conv2D
class MyConv2D(Conv2D):
def __init__(self, filters, kernel_size, strides=(1, 1), padding='valid', activation=None, **kwargs):
super(MyConv2D, self).__init__(filters=filters, kernel_size=kernel_size, strides=strides, padding=padding, activation=activation, **kwargs)
self.my_default_param = 'default_value'
# 使用自定义的MyConv2D类
conv = MyConv2D(filters=32, kernel_size=(3, 3))在上述示例中，我们创建了一个名为MyConv2D的自定义类，继承自tf.keras.layers.Conv2D类。在MyConv2D的构造函数中，我们可以设置Conv2D的默认参数，例如strides、padding等。同时，我们还添加了一个自定义的默认参数my_default_param。
通过使用自定义的MyConv2D类，我们可以直接使用默认参数创建Conv2D层，无需每次都手动指定参数。例如，conv = MyConv2D(filters=32, kernel_size=(3, 3))会创建一个具有默认参数的Conv2D层。
需要注意的是，这里的示例只是一种设置默认参数的方式，你可以根据实际需求进行修改和扩展。
相关·内容
2回答
以下代码
from tensorflow import keras
from keras.layers import Conv2D
model = keras.Sequential()
model.add(Conv2D(1, (3, 3), padding='same', input_shape=(28, 28, 1)))
执行时抛出错误：
TypeError: The added layer must be an instance of class Layer. Found: <keras.layers.convolutional.Conv2D object at 0
浏览 0提问于2018-12-17得票数 0
回答已采纳
1回答
我正在使用flask编写一个简单的应用程序。首先，我尝试了一下：
def get_model():
global model
model = load_model('mobilenet.h5')
print("** Model loaded!")
但是我得到了一个错误：
Traceback (most recent call last):
File "C:\Users\Agnieszka\Anaconda4\Scripts\flask-script.py", line 10, in <module>
浏览 1提问于2019-08-22得票数 1
过程是这样的：x(batch, time, w, h, c) => Reshape => (batch*time, w, h, c) => Conv2D =>重塑=> (batch,time, w, h, c') => ConvLstm2d => .
tf.keras.layers.Reshape只能重塑非批处理_ size部分，我无法从以前重塑的大小(batch*time,w,h,c)中提取time。
有什么像样的方法来实现这样的模式吗？
浏览 1提问于2020-06-17得票数 1
回答已采纳
1回答
在构建卷积自动编码器时，在选择图层大小时，是否有任何建议的最佳实践？ 例如，如果我正在处理一个28x28x1 MNIST图像，并使用tf.keras创建我的模型，我如何才能将我的Conv2D和MaxPool2D层与Conv2DTranspose和Upsampling2D层相匹配，以便返回到28x28x1图像？ 谢谢你的帮忙!
浏览 11提问于2020-07-21得票数 0
回答已采纳
我正在尝试转换，然后用Tensorflow模型运行推理。
我用tf.keras生成了一个Tensorflow模型：
model = Sequential()
model.add(Conv2D(64, kernel_size=3, activation='relu', input_shape=(224,224,3), name='image'))
model.add(Conv2D(32, kernel_size=3, activation='relu'))
model.add(Flatten())
model.add(Dense(num_class
浏览 1提问于2019-05-02得票数 1
作为激活函数或层的relu之间有什么区别吗？例如
Conv2D(filters=8, kernel_size=(3, 3), activation='relu',padding='SAME', name='conv_2')
或
Conv2D(filters=8, kernel_size=(3, 3),padding='SAME', name='conv_2'),
ReLU()
浏览 5提问于2021-11-10得票数 1
回答已采纳
def Classifier(parameters):
learning = parameters[0]
layers = parameters[1]
nodes = parameters[2]
hidden_layers = [nodes for i in range(layers)]
activation_function = tf.nn.sigmoid if parameters[3] == 0 else tf.nn.relu
age_var = tf.feature_column.numeric_column('Age&
浏览 0提问于2020-06-02得票数 0
嗨:现在我正在将tensorflow检查点模型转换为caffe模型。我已经成功地读取了图形，并提取了每个节点中的attr值。我在"Conv2D“节点中获得了”dilations“、”strides“和”padding“属性的值，在"weights”节点中获得了形状，但我无法获得“shape”属性的值，它在Conv2D的输入节点中为空。然而，这些形状显示在tensorboard的图表中。下面是我的代码：
new_saver = tf.train.import_meta_graph(meta_path)
new_saver.restore(sess, tf.tr
浏览 3提问于2018-03-22得票数 4
Nvidia模型显示步幅错误，即使我将它们初始化为默认值(1,1)我使用' strides‘代替以前版本的keras中的'subsample’参数有人能解释一下使用它们的新语法吗？ def nvidia_model():
model = Sequential()
model.add(Conv2D(24,5,5, strides = (2,2), input_shape= (66,200,3), activation='relu'))
model.add(Conv2D(36,5,5, strides = (2,2), activation =
浏览 465提问于2020-11-05得票数 0
回答已采纳
1回答
第一个Conv2D层中的输入形状应为(100,100，1)，但输出为(None，98，98,200)。我知道200和None决定了什么，但我不确定98作为参数。此外，我还随机选择了200作为我的模型在Conv2D中的过滤器数量。我应该如何为我的模型确定合适的过滤器数量。它是基于试验和错误吗？请帮帮忙。谢谢！！
from keras.models import Sequential
from keras.layers import Dense, Activation, Flatten, Dropout
from keras.layers import Conv2D, MaxPooling2D
f
浏览 0提问于2020-08-21得票数 1
想知道为什么conv2d中的参数数量比我预期的多1个… import tensorflow as tf
import tensorflow.keras as keras
input_shape = (40, 512, 512, 1)
conv2d = keras.layers.Conv2D(input_shape=input_shape[1:],
filters=1,
kernel_size=3,
strides=(1, 1),
浏览 29提问于2020-10-03得票数 1
回答已采纳
1回答
我使用了带有512x512x1输入形状的unet模型，但我有一个问题。我得到了一个ValueError :维数必须相等。我知道输入形状出了问题。我需要解决这个problem.maybe模型丢失的问题
X列车形状：(512,512，1) Y列车形状：(512,512，1)
型号：
from keras.models import Model
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import concatenate, Conv2D, MaxPooling2D, Conv2DTr
浏览 1提问于2021-06-13得票数 0
回答已采纳
Conv2D (keras.layers.Conv2D)中的默认内核大小、零填充和步长参数是什么？如果没有指定这些参数会发生什么？
浏览 1提问于2018-11-21得票数 5
回答已采纳
我正在尝试用keras运行一个相对简单的CNN (tensorflow后端，版本1.14.0)。这是上下文的代码。
from keras.layers import Dense, Conv2D, MaxPooling2D, BatchNormalization, GlobalAveragePooling2D
from tensorflow.python.keras.callbacks import EarlyStopping, ModelCheckpoint
from keras import models
from keras.applications.vgg16 import prepro
浏览 8提问于2019-11-18得票数 0
回答已采纳
所以我试着用角星CNN进行二值分类。当试图将我的模型安装到生成器时，我会得到以下错误。这是发电机：
image_gen = ImageDataGenerator(
rotation_range=30,
width_shift_range=0.1,
height_shift_range=0.1,
horizontal_flip=True,
rescale=1/255)
training_generator = image_gen.flow_from_directory('dataset/DATASET/TRAIN',target_si
浏览 1提问于2020-04-26得票数 1
回答已采纳
我想使用tf.keras的方法clone_model，并更改由functional API创建的tensorflow/keras模型的输入形状。因此，我尝试使用参数input_tensor来更改形状。但是，它似乎没有使用提供的input_tensors，名称和形状与原始模型保持不变。input_tensors的参数是什么？
代码：
import tensorflow as tf
from tensorflow.keras import layers
inputs_small = layers.Input((64, 64, 3), name="small")
outputs
浏览 0提问于2021-07-15得票数 0
我正在使用tf.keras，并得到以下错误：
ValueError:检查输入时出错:期望conv2d_input有4个维，但得到了形状为(24946、50、50)的数组
有人能帮我吗？
代码(Image_Size是：50x50)
import tensorflow as tf
import numpy as np
import pickle
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Flatten, Conv
浏览 0提问于2019-05-06得票数 4
回答已采纳
1回答
我想在我的神经网络中引入一个自定义的层。数学运算应该是具有不可训练核的离散2D互相关(或卷积)。内核中的值取决于三件事:内核形状、步幅和填充。我打算将输出逐个元素与一个权重矩阵相乘。
PyTorch已经实现了一个称为'Conv2d‘的离散2D互相关类，但是它生成一个随机核，并使用所述核的条目进行训练。如果可能的话，我想要一个类似于'Conv2d‘的类来做我需要的事情，以确保最有效地使用我的图形处理器。我试着自己实现它，但不知道如何为输入数组获得正确的形状。如果我没理解错的话，'Conv2d‘只使用'in_channels’。
浏览 0提问于2020-06-04得票数 2
2回答
我对蟒蛇和自动编码器很陌生。我只想先构建一个简单的自动编码器，但是我一直收到这样的错误：
ValueError: Error when checking target: expected conv2d_39 to have 4 dimensions, but got array with shape (32, 3)
除了flow_from_directory方法之外，还有更好的方法来获取我自己的数据吗？我像一样构建了自动编码器，但是我去掉了一些层。
我不知道，但是我是用flow_from_directory方法生成的元组来给自动编码器喂食吗？有办法将这个元组转换成自动编码器接受的格式吗？
im
浏览 0提问于2018-12-21得票数 0
回答已采纳
我在Google colab运行cnn，我使用tensorflow或Keras。但是我收到了这个反馈
Negative dimension size caused by subtracting 3 from 2 for '{{node conv2d_11/Conv2D}} = Conv2D[T=DT_FLOAT, data_format="NHWC", dilations=[1, 1, 1, 1], explicit_paddings=[], padding="VALID", strides=[1, 1, 1, 1], use_cudnn_on_gpu=
浏览 8提问于2022-08-29得票数 0
1回答
当我们用Tf1.15将tf.keras模型与PReLU进行转换时，PReLU层变成了ReLU，似乎与以前的算子融合了。因此，28 MB的keras h5文件在size.It中变为1.3MB，看起来参数的数量明显减少，因为我没有在PReLU中使用共享权重轴选项。那么，这种转换工作正常，没有任何准确性损失？PReLU的权重被完全丢弃了吗？同样，融合是否考虑了转置卷积层的偏置(在netron中没有将偏置作为输入特性)。这些融合是否在内部保留了训练过的权重参数，它们是否影响tflite的推理精度？
Prelu融合：-
input = Input(shape=(512,512,3), name='
浏览 5提问于2020-04-08得票数 0
1回答
我试图用Keras训练一个分割模型，但我一直在耗尽数据。我在数据集中有29张图片，我制作了1400张图片。所以这个模型是
inputs = tf.keras.layers.Input((512,512,1))
conv1 = Conv2D(64, 3, activation = 'relu', padding = 'same', kernel_initializer = 'he_normal')(inputs)
conv1 = Conv2D(64, 3, activation = 'relu', padding = 'sa
浏览 13提问于2021-05-31得票数 1
如何用一个热编码的基因组序列数据设计一个二维-CNN模型？
我有近5万条固定长度的基因组序列。我试图为一个2类分类问题建立一个2D-CNN模型.首先，我用一个热编码来转换序列。因此，每个样本(序列)成为一个4 x 200矩阵。从这里，我假设从许多mnist例子中可以得到Github，我可以把这个矩阵当作任何其他的图像矩阵。因此，我编写的代码类似于mnist示例中给出的代码。这是我的密码
X_train = sample_matrices[0:N1]
X_valid = sample_matrices[N1:N2]
X_test = sample_matrices[N2:num_sample]
浏览 1提问于2019-08-02得票数 0
回答已采纳
我正在尝试将一些代码从tensorflow 1.x转换到tensorflow 2.x。到目前为止一切都很顺利，但我被困在了atrous卷积上。与其他层不同，似乎没有一对一的转换。 到目前为止，我一直在将所有东西统一到tf.keras。有一个纯粹的keras实现here和一个tf.nn.atrous_conv2d实现here，但我也不确定是否可以在tf.keras.Model函数here中使用它们。 代码如下： with tf.variable_scope('aconv1d_' + name):
shape = [None, 30, 128]
k
浏览 373提问于2020-10-30得票数 1
回答已采纳
1回答
我试图确定我的Keras网络中‘神经元/节点’的数量，而不是参数。我正在使用一个已经实现的变体，所以我没有自己开发任何东西。
我知道，我可以通过汇总了解网络的概况和参数的数量。问题是，我不想知道我有多少参数，但是有多少‘神经元’。背景是，对于一个8到8个完全连接的层，我得到64个参数。但是我想讲到16，我也知道，Conv2D层的整个故事并不容易制作。
我的第一种方法是乘以output_shape变量的所有值，然后再添加它们。我能这么做吗，还是说错了？
这就是列表表单模型摘要：
Layer (type) Output Shape
浏览 1提问于2019-01-28得票数 0
回答已采纳
如果我在Keras中有带有pool_size=(2,2), strides=(2,2)的MaxPooling2D层。应用于3x3输入要素地图，它将导致1x1空间输出大小。在Caffe (pool: MAX; kernel_size: 2; stride: 2)中的相同操作将导致大小为2x2的输出。 众所周知，Caffe和Tensorflow/Keras behave differently when applying max pooling。 2D卷积有一个解决方法:为了避免asymmetric padding of Conv2D in TensorFlow，可以在它前面加上一个explic
浏览 17提问于2019-01-28得票数 0
回答已采纳
2回答
我是DL和Keras的新手。目前，我试图实现一个类似于Unet的CNN，现在我想在我的非顺序模型中包括批化层，但现在并不是这样。
这就是我目前试图将其包括在内的原因：
input_1 = Input((X_train.shape[1],X_train.shape[2], X_train.shape[3]))
conv1 = Conv2D(16, (3,3), strides=(2,2), activation='relu', padding='same')(input_1)
batch1 = BatchNormalization(axis=3)(conv1)
浏览 5提问于2017-09-20得票数 3
回答已采纳
我正在使用Tensorflow 1.14和Python3.5。我得到了以下错误：
UnboundLocalError: local variable 'batch_index' referenced before assignment
完整的追踪结果是：
---------------------------------------------------------------------------
UnboundLocalError Traceback (most recent call last)
<timed ex
浏览 1提问于2019-10-29得票数 1
到目前为止，我试图解决这个问题已经有24小时了，但不幸的是我没能想出什么办法。
问题很简单:我有两个子目录中的两个类别，子目录中的图像是RGB格式，但我只对绿色通道感兴趣。我使用flow_from_directory函数(图像@ size (3,224,224) )读取图像批次，然后尝试使用Lambda层提取绿色通道，如下所示：
def get_model_bw(input_shape=(3,224,224), classes = 2, lr=1e-4):
model = Sequential([
Lambda(lambda x: x[:,1,:,:], input_s
浏览 6提问于2017-09-14得票数 0
我正在使用tf.keras运行一个内存紧张(估计约为6GB)的GAN模型，而我的GPU似乎无法处理这个模型(只报告nans，预测失败)。有办法支持我的4GB GPU内存与系统内存吗？还是一种在GPU和CPU之间共享计算工作量的方法？
我的规格：
操作系统: Windows 10 64
GPU: Geforce GTX 960 (4GB)
CPU: Intel Xeon-E3 1231 v3 (4核)
Python : Spyder 5
Python: 3.8.5 / 3.8.10在只安装了tensorflow和chess模块的conda环境中
Tensorflow: 2
浏览 2提问于2021-06-07得票数 1
上传图像进行预测时错误消息
ValueError:层block1_conv1的输入0与层不兼容:期望输入形状的ed轴-1有值3，但接收到的输入没有形状，2 24,224，4。
代码处理/图像预处理
def model_predict( img，model)：img=img.resize(224,224)
# Preprocessing the image
x = image.img_to_array(img)
x = np.true_divide(x, 255)
x = np.expand_dims(x, axis=0)
# Be careful how your trained model
浏览 9提问于2020-07-25得票数 0
1回答
我正在构建一个神经网络，更具体地说，是一个CNN，用来对人类细胞细胞器中各种蛋白质的位置进行分类。我有4个通道R、G、B和Y中的512 x 512图像：
def ModelMaker(intTuple):
model = Sequential()
model.add(Conv2D(8, (7, 7), strides=(2, 2), kernel_initializer='he_normal', bias_initializer='zeros',
kernel_regularizer='l2&
浏览 11提问于2020-03-13得票数 0
回答已采纳
在谷歌colab工作。使用tf.keras和tensorflow version2.3.0我快疯了，因为我不能使用我训练的模型通过model.predict运行预测，因为它耗尽了CPU RAM。我已经能够用一个非常小的例子重现这个问题。
import numpy as np
import tensorflow as tf
from tensorflow.keras import backend as K
from tensorflow.keras.layers import Input,Conv2D, Activation
matrixSide = 512 #define a big eno
浏览 0提问于2020-10-05得票数 5
当我们在Keras2.中迁移学习时，这些参数需要"input_shape“和"input_tensor”。但我只使用input_tensor，从未使用过input_shape。我认为只有input_tensor就足够了，我不知道什么时候使用input_shape。我该如何分开使用它们？
我同时使用input_tensor和input_shape，同时使用单独的值，只采用input_tensor的值，忽略input_shape。
vgg16_model = VGG16(include_top=False, weights='imagenet',
浏览 3提问于2019-07-05得票数 3
回答已采纳
这里有一个例子来澄清我的意思：
First session.run()：
稍后的session.run()：
--我知道TensorFlow在这里做了一些初始化，但是我想知道这个清单在源中的位置。这是在CPU和GPU上发生的，但是在GPU上效果更明显。例如，在显式Conv2D操作的情况下，第一次运行在GPU流中有更多的Conv2D操作。实际上，如果我更改Conv2D的输入大小，它可以从几十个流Conv2D操作变为数百个流Conv2D操作。但是，在以后的运行中，GPU流中总是只有五个Conv2D操作(不管输入大小如何)。在CPU上运行时，与以后的运行相比，我们在第一次运行中保留相同的操作列表
浏览 1提问于2017-07-12得票数 14
回答已采纳
1回答
更新1:当移除批处理规范化层时，运行良好。显然，批处理标准化的工作方式在迭代之间发生了变化。还在调查。
更新2:下面的问题报告了两种可能的解决方法:改变批规范中的动量值(这对我不起作用)和简单地注释掉鉴别器中的批规范。在甄别器中对BN的评论似乎对我有用。还不知道为什么。
报告类似问题的问题/链接：
问题开始：
我试着从"GANs in Action“中运行一个DCGAN。GAN从MNIST数据集生成图像。
源代码可以在这里找到，。
代码运行良好，生成的图像很好。
当我更改源代码使其与tf.keras而不是keras兼容时，DCGAN模型生成图像的能力就变得毫无用处。
--以下
浏览 3提问于2020-11-09得票数 2
我按照预期使用pytorch和learn.predict() works训练并测试了一个图像分类器(Resnet34，Fast.ai，3个类)。当我转换pytorch -> onnx -> mlmodel时，无论我提交的是什么图像，它都会预测相同的softmax值。 这是我的pytorch模型： Sequential(
(0): Sequential(
(0): Conv2d(3, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False)
(1): BatchNorm2d(64, ep
浏览 82提问于2019-10-08得票数 2
回答已采纳
4回答
如何在CNN中获得高精度？
、、、、
ML和数据科学世界。
我是CNN的新手，但对ML和神经网络有基本的理解。
我想创建我自己的CNN，工作在猫和狗的数据集。我对数据进行了预处理并建立了自己的网络，但当我用数据拟合模型时，我的准确率不能超过55%，这意味着模型没有学习任何东西。
有人能解释我在这里做错了什么吗？
model = Sequential()
model.add(Conv2D(filters=32, kernel_size=(3,3),padding='SAME', input_shape=X[0].shape))
model.add(Activation('relu'))
model.
浏览 0提问于2019-06-25得票数 2
回答已采纳
我正在使用Tensorflow和Keras创建一个图像分类器，但是当我试图训练我的模型时，我得到了一个错误：
IndexError:列出超出范围的索引。
我认为问题在于我的模型，因为当我删除conv2D层时，代码就不会抛出错误。
model = Sequential()
model.add(Conv2D(64,(3,3),activation='relu',padding='same'))
model.add(Conv2D(64,(3,3),activation='relu',padding='same'))
model
浏览 0提问于2019-05-15得票数 3
回答已采纳
我正在数据集上开发自动编码器。
import tensorflow
tensorflow.__version__
输出：
'2.2.0-rc3'
from tensorflow.keras.preprocessing import image
data_gen = image.ImageDataGenerator(rescale=1.0/255)
batch_size = 20
train_data_gen = data_gen.flow_from_directory(directory=train_dest_path,
浏览 2提问于2020-04-17得票数 7
回答已采纳
要编译tf.keras模型，您可以这样做：
model.compile(
optimizer='sgd',#'adam', or what not
loss='sparse_categorical_crossentropy',
metrics=['accuracy','mae']
)
还有哪些指标可以用作' metrics‘的参数值？我试图在中寻找它们，但没有结果。我在找整个名单。
编辑:我知道可以使用显式的形式。例如：
metrics=[tf.keras.metrics.Mean
浏览 3提问于2020-09-24得票数 1
我制作了一个音频检测模型，并将其保存为h5文件。但当加载模型和参数时，会出现误差。
我又一次尝试重新启动spyder和保存模型，但是没有什么改变。
这句话的意思是“TypeError”
model = load_model('.\\Data\\Keras_Model\\(19.07.30).h5')
TypeError: tuple indices must be integers or slices, not list
这是我的回溯
File "<ipython-input-32-5bad2284b610>", line 1, in <m
浏览 0提问于2019-07-30得票数 0
回答已采纳
将softmax用作tf.keras中的顺序层与将softmax用作密集层的激活函数之间有何区别？ tf.keras.layers.Dense(10, activation=tf.nn.softmax) 和 tf.keras.layers.Softmax(10)
浏览 7提问于2020-09-28得票数 5
回答已采纳
我试图建立一个类似于ResNet的模型，只用于底层的每一个细节，但是当我使用get_config作为conv2D层时，在conv2D层中的规模、模式和分布都不同于默认的解析。我怎样才能改变这个参数？请参见第14-18行，第一行是resnet Conv2D，第二行是常规Conv2D。
1 #resnet Conv2D
2 resnet_model.layers[2].get_weights()
3
4 {'name': 'conv1',
5 'trainable': True,
6 'filters': 64,
7
浏览 0提问于2019-01-31得票数 0
我正在做一个项目，我指的是一个已经在Pytorch中建立的网络。它的一个层有conv2d层，其中group =某个值。当我在Tensorflow中构建项目时。考虑到我在tensorflow的conv2d层中没有找到任何组参数，我该如何处理这个特定的层呢？我在网上搜索，但找不到任何具体的东西，比如小组所说的是每个通道的卷积。我找到的最接近的东西是tf.nn.separable_conv2d，但仍然不确定如何在其中设置参数。 Pytorch层是conv2d(input ,weight , groups = x )，其中输入和权重是4d张量。有人能帮我在Tensorflow中创建这个层吗？
浏览 56提问于2019-06-22得票数 2
我有个很奇怪的问题。
我在用两种不同的方式建立同样的模型。
我检查了摘要(参数的数量)，并绘制了两个模型，并没有看到任何不同。
模型给出了不同的预测(在相同的数据集上训练它们之后)。
模型有什么不同？(我搞不懂)
如何将第二个模型更新为与第一个模型相同？
第一种模式(“来源”模式)：
input_img = Input(shape=(dim_x, dim_y, dim_z))
x = Conv2D(16, (3, 3), activation='relu', padding='same')(input_img)
浏览 1提问于2021-06-22得票数 0
回答已采纳
1回答
如何解决验证精度波动的问题？
、、、、
我试过用SGD，Adadelta，Adabound，Adam。每件事都给了我验证准确性的波动。我尝试了keras中的所有激活函数，但是，我仍然会看到val_acc中的波动。
培训样本: 1352
验证样本: 339
# first (and only) CONV => RELU => POOL block
inpt = Input(shape = input_shape)
x = Conv2D(32, (3, 3), padding = "same")(inpt)
x = Activation(
浏览 2提问于2020-01-04得票数 0
回答已采纳
支持我有一个具有5个卷积的网络。我是由Keras写的。
x = Input(shape=(None, None, 3))
y = Conv2D(10, 3, strides=1)(x)
y = Conv2D(16, 3, strides=1)(y)
y = Conv2D(32, 3, strides=1)(y)
y = Conv2D(48, 3, strides=1)(y)
y = Conv2D(64, 3, strides=1)(y)
我要将所有卷积的kernel_initializer设置为xavier。其中一种方法是：
x = Input(shape=(None, None, 3))
y
浏览 13提问于2019-03-27得票数 0
回答已采纳
我很好奇如何将steps_per_epoch设置在tf.keras中，以便在tf.dataset上进行培训？因为我需要有多少个例子来计算它，所以我想知道我是怎么得到这个的？
由于它的类型是tf.data，您可以假设这更容易一些。如果我将steps_per_epoch设置为None，我就会得到“未知”。
为什么使用tf.data会使生活变得如此复杂？
浏览 0提问于2020-09-25得票数 1
回答已采纳
在一个典型的CNN中，conv层将具有大小为NxM的Y滤波器，因此它具有NxM可训练参数(不包括偏差)。
因此，在以下简单的keras模型中，我期望第二个conv层有16个大小的内核(7x7)，从而具有大小的内核权重(7x7x16)。为什么它的重量是实际大小(7x7x8x16)?
我理解正在发生的事情的机理: Conv2D层实际上正在进行三维卷积，将前一层的输出映射作为通道处理。它有16个3D内核的大小(7x7x8)。我不明白的是：
为什么这是Keras的默认行为？
如何获得“传统的”卷积层而不跳入低级API (避免这是我首先使用Keras的原因)？
_
from keras.
浏览 2提问于2017-09-29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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
