我不确定是我没有很好地理解输入张量的概念，还是我用错误的输入形状训练了模型，或者我是否需要以某种方式指定图像。该模型的构建方法如下：………………………………………………………
……………………
浏览 0提问于2019-11-20得票数 0
1回答
按照惯例，图像张量总是三维的:一维表示其height，一个表示其width，另一个表示其color channel。它的形状看起来像(height, width, color)。例如，128个大小为256x256的彩色图像可以存储在形状为(128, 256, 256, 3)的4D张量中。颜色通道在这里表示RGB颜色。另一个例子，128个灰度图像存储在一个4D张量的形状(128, 256, 256,
浏览 1提问于2019-03-15得票数 6
回答已采纳
我正在做一个项目，把声音部分从音频中分离出来。我使用的是DSD100数据集，但在进行测试时，我使用的是DSD100subset ，我只使用了混音和人声。maxVal = prepareData(filenameMix, n_fft=1024, hop_length=256)接下来，我将构建模型
浏览 0提问于2020-09-06得票数 8
回答已采纳
我试图在卷积网络中对手写数字的MNIST数据库进行分类，但得到了这个错误：ValueError: Error when checking input: expected conv2d_40_inputto have 4 dimensions, but got array with shape (28, 28, 1) 我的任务是使用交叉采样，这就是为什么数据被分成5组。epochs=1, validation_data=(validation_data,
浏览 18提问于2019-12-17得票数 0
2回答
就像标题上说的。此代码仅使用以下方法工作：在卷积层和稠密层之间。Sequential, Modelfrom keras.layers import Conv2Dnp.random.randint(10, size=(100, 1)), num_classes=10)
input_layer = Input(shape=(100, 100, 3))
x = Conv2D</em
浏览 3提问于2017-07-07得票数 5
回答已采纳
1回答
我正在尝试通过插入CNN层来微调一个预先训练好的BERT模型(huggingface transformers)。在该模型中，使用了所有变压器编码器的输出，而不仅仅是最新变压器编码器的输出。通过连接这些值，生成一个矢量，该矢量作为全连接网络的输入。通过在输入上应用softmax，执行分类操作。 ? 我的问题是，我似乎找不到正确的参数来对该
浏览 202提问于2020-12-25得票数 1
2回答
目前，我正试图将CNN与LSTM模式结合起来进行视频分类，但在搜索了Google和Stackoverflow之后，我无法找到解决问题的方法。validation_data_dir, target_size =(img_width, img_height), batch_size = batch_size, class_mode ='categorical')
为了避免此错误，
浏览 3提问于2019-08-12得票数 4
回答已采纳
很抱歉提出了一个非常基本的问题(我是Keras的新手)。我想知道Keras如何为每个层计算早期(在拟合之前)的参数数，尽管model.summary显示在这个阶段仍然没有值的维度。这些值是否已经以某种方式确定，如果是，为什么不在摘要中显示？我问这个问题是因为我很难计算出我的“张量形状错误”(我试图确定resnet50模型
浏览 4提问于2021-01-29得票数 0
回答已采纳
我试着遵循这个教程我不太喜欢这里的输出形状。如果输入形状为3x150x150，内核大小为3x3，那么输出形状不是3x148x148吗？(假设没有填充)。然而，Keras Doc说：
输出形状: 4D张量与形状：(批处理，过滤器，n
浏览 0提问于2019-01-08得票数 3
回答已采纳
我正试图将一个RGB图像从模拟器传递到我的自定义神经网络中。在RGB生成源(模拟器)中，RGB图像的维数为(3,144,256)。(K.ndim(x)))为什么当我的实际维数为P.S:我有和一样的问题。理想情况下，我想对那篇文章发表评论，但没有足够的</
浏览 1提问于2018-08-13得票数 2
1回答
我是CNN的新手，我有一个关于CNN的问题。我对CNN的输入形状(特别是Keras)有点困惑。我的数据是不同时隙的2D数据(比方说10X10)。因此，我有3D数据。我将把这些数据输入到我的模型中，以预测即
浏览 10提问于2020-02-11得票数 4
回答已采纳
我使用TensorFlow来重建一个叫做“深度Voxel流”的CNN模型：。
模型的输出为形状的张量。当我试图从4D张量(‘flow=deconv4 :，0:2')中提取前2个通道时，我得到了一个错误：'TypeError：'Conv2dLayer’对象不可订阅‘。deconv4 = Conv2d(deconv3_bn_relu, 3, [5, 5],
浏览 1提问于2019-01-29得票数 2
回答已采纳
3回答
我对keras还不是很擅长，所以请温文点。 我的输入数据是一个大小为60000 x 784的矩阵。我正在尝试在我的完全连接的层之后添加卷积层，类似于： model = Sequential()model.add(Dense(784, activati
浏览 7提问于2019-08-31得票数 0
1回答
我是机器学习和Keras方面的新手。事实上，我曾与scikit合作-学习，但Keras似乎有点复杂。我的问题是，我有一些3D数据，并希望将其放入一个密集的层(我也尝试过使用Conv2D和Conv1D层)。checking target: expected dense_1 to have 3 dimensions, but got array with shape (20, 2)
对于Conv1D层，
浏览 0提问于2018-02-06得票数 4
回答已采纳
1回答
多元时间序列二元分类的输入格式
、、、、
我试图使用LSTM模型对多变量时间序列数据进行二进制分类。我在一天中收集了7个属性，大约100天(即大小为9000，7的100个数组)。这些数组的单个分类状态为1或0。我一开始尝试构建最简单的模型，因为我对Keras和机器学习( Machine )还不熟悉，但是当我尝试训练它们时，我总是会在输入形状方面出现错误。例如，我
浏览 0提问于2018-05-17得票数 1
回答已采纳
我非常困惑，为什么我有一个形状错误后，验证了层的输出形状。有人能帮我找出我哪里错了吗？根据我所包含的层的总结，在第6层和第7层之间似乎出现了错误，但是第6层的输出显示与第7层的输入相同的维度，应该注意的是，误差维度6272与第3/4层的输出相对应。我收到了这个错误：
回溯(最近一次调
浏览 3提问于2022-04-06得票数 2
我目前正在使用ImageNet数据集，正如您可能知道的，它非常大。 我已经把它从.tar文件预处理成了tfrecord文件。: expected ndim=4, found ndim=3 这个问题(我相信)是因为模型一次只有一个图像(所以它没有4d形状)。我的问题是，现在图像的形式是(224,224，3)，我如
浏览 45提问于2021-08-01得票数 1
回答已采纳
1回答
我已经看到这个疑问发布了几次，但没有得到任何答案，至少我特别困惑，关于重塑是如何工作的，为什么它是必要的。我将尽量简短并切中要害。因此，我在TensorFlow文档中读到，当你实现细胞神经网络时，在将数据输入卷积层之前，需要对数据进行整形，因为卷积层接受4D张量，而不仅仅是元素列表(下载的训练数据)。卷积池过程的</em
浏览 1提问于2020-04-06得票数 1
下面是我的代码： model = tf.keras.models.Sequentialloss='sparse_categorical_crossentropy', metrics=['accuracy'])输入数据<em
浏览 308提问于2020-02-25得票数 0
回答已采纳
3回答
我是刚开始深造和深造的。如果如截图中所示，已经创建了CNN，那么如何解释model.summary()所描述的输出。我无法理解不同层次的输出形状。Param # conv2d_14 (Conv2D32) 0
_______________________________________
浏览 4提问于2020-04-06得票数 8
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
云直播
腾讯会议活动推荐
腾讯云开发者
