2回答
我想制作3D卷积U网。为此，我使用了Keras。data_ch.shape94例患者，50个MRI切片，50x50图像，1个通道：
我想制作3D卷积U- net，因此这个网络的输入和输出是相同的3d数组。3D U-net：
input_img= Input(shape=(data_ch.sha
浏览 18提问于2017-07-05得票数 1
回答已采纳
1回答
我有一个包含100000个二进制三维形状数组(6，4，4)的数据集，所以我输入的形状是(10000，6，4，4)。我正在尝试使用Keras建立一个三维卷积神经网络( input_shape )；但是，我输入的这个3D卷积神经网络似乎有一个问题。不过，当我用整数替换None并试图将模型拟合到我的数据集时，我得到的错误是：
ValueError: sequential_13层的输入0与层：：预期的min_ndim=5，found ndim=4不兼容
浏览 1提问于2021-06-11得票数 0
回答已采纳
1回答
我正在尝试使用一个用Keras实现的U-Net版本来分割医学图像。我的网络的输入是3D图像，输出是两个单热编码的3D分割图。我知道我的数据集非常不平衡(没有太多需要分割的东西)，因此我想对我的损失函数(目前是binary_crossentropy)使用类权重。有了类权重，我希望模型能更多地关注它必须分割的小东西。如果您知道数据库的不平衡，可以将参数class_weight传递给model.fit()。这也适用于我的用例吗？
浏览 23提问于2021-01-25得票数 3
回答已采纳
1回答
我正在训练一个U-Net架构来完成分割任务。这是使用Keras在Python中实现的。我现在遇到了一个问题，我正在努力理解：然而，这些方法实际上总是在分类网络领域讨论-
浏览 1提问于2020-06-25得票数 0
我正在尝试对属于10个类的一些图片数据训练一个简单的模型。图像是黑白格式(不是灰度)，我使用image_dataset_from_directory将数据导入到python中，并将其拆分成验证/训练集。matplotlib.pyplot as pltimport osfrom tensorflow import kerasfrom tensorflow.keras import la
浏览 23提问于2020-12-10得票数 0
回答已采纳
1回答
标签将另存为强度值(值1=标签1，值2=标签2，依此类推)。共4个班。假设我找到了一个使用keras模型API构建的模型。我如何知道如何准备我的标签数据，以使其被模型接受？它依赖于损失函数吗？我想构建一个用于语义分割的3D卷积神经网络，但我无法理解如何在keras中正确地输入数据。预测的输出应该是一个4通道的3D图像，每个通道显示每个像素属于某个类别的概率值。
浏览 18提问于2019-07-04得票数 1
回答已采纳
我试图用10个内核(output_dim = (None，14，14，3， 10 ))将角核层的输出整形到所需的输出(None，14，14，30，1)，以便在所有核合并上执行另一个3D卷积。对于如何将numpy.reshape与numpy.permutate一起用于numpy矩阵，已经有了一个全面的解释，并且假设keras也能工作，因为我也可以使用keras.layers.permutate问题是，在与keras.layers.reshape重新组合以保持顺序之前，我根
浏览 4提问于2020-03-18得票数 0
1回答
我正在一个数据集中进行训练，其中(一些)相邻特性具有很强的相关性。为了帮助神经网络，我正在考虑增加一些一维卷积作为第一层。尽管一维卷积主要用于时间序列/nlp数据，但我认为它们不能在任何类型的数据中按矢量使用的理论理由。model = keras.Sequential([
keras
浏览 3提问于2020-05-20得票数 1
回答已采纳
1回答
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)。卷积池过程的输出也是一个4D张量。它被送入扁平层。Now...the扁平层，用于接收在将其传递给卷积之前需要整形相同列表元素。但是，为什么这两种方法都适用于扁平层呢？它正在接收项目列表(不能直接馈送到卷积)，现在正在接收4D张量。
因此，如果没有卷积</em
浏览 1提问于2020-04-06得票数 1
2回答
我有形状为(100,100，3)的图像，我想使用keras 对图像进行分类。我想知道这是否可能，以及我需要使用的输入的形状是什么。PS:我使用tf.data.Dataset，我的数据集是批处理的(20,100,100，3)。
浏览 1提问于2020-11-23得票数 1
我想在网络中添加一个卷积层，但似乎无法使其工作。我的训练数据如下所示： n_samples = 20features = np.random.random((n_samples, length_feature([ keras.layers.Dense但是如果我加一个像这样的
浏览 13提问于2020-01-16得票数 1
回答已采纳
3回答
因此，我是计算机视觉的新手，我不知道keras中的层是做什么的。在keras中添加层(dense、Conv2D等)有什么用？他们给它添加了什么？
浏览 1提问于2020-03-04得票数 2
目前，我正尝试用VGG16训练一个简单的图像分类任务的卷积神经网络。它基于本教程：。我的目标是将该模型转换为CoreML，并将其用于iOS上的图像分类。经过一些挣扎之后，通过使用以下转换行，我能够成功地将Keras模型转换为CoreML模型：
但是，在将CoreML模型复制到X
浏览 1提问于2017-12-08得票数 0
我正在使用keras的ImageDataGenerator中的flow_from_directory来训练我的卷积神经网络。我从下载了ILSVRC2012镜像，正在尝试训练和验证我的网络。training文件夹将图像分类到相应的文件夹中，但验证图像没有分类到文件夹中，这使我无法使用flow_from_directory来测试验证的准确性。有没有简单的方法将验证数据分类到相应的文件夹中？
浏览 5提问于2017-07-25得票数 2
1回答
药物一直在服用，所以我有很多结果和数据要处理。到目前为止，我只找到了图像识别的例子，不确定如何将类似的算法应用到我的问题中。
浏览 0提问于2017-05-23得票数 1
4回答
我不明白为什么渠道维度不包括在Keras中的conv2D层的输出维度中。这只是Keras中一个奇怪的符号，还是我对其他东西感到困惑？
浏览 5提问于2019-03-31得票数 13
2回答
我试图用keras实现一个时间序列分类问题的一维卷积。我在解释一维卷积层的输出尺寸时遇到了一些困难。我的数据是由128个单位的时间间隔的不同特征的时间序列组成的，我应用了一个一维卷积层：cnn1_1 = Conv1D(filters，数据只在时间轴(1轴)之间进行卷积，输出的大小是: 119,100*9。很明显，还有别的事情在发生，我无法理解，也无法理解。
我
浏览 3提问于2018-12-10得票数 1
回答已采纳
1回答
我正在训练每只猫和狗的8600张图像，这应该是足够的数据，为体面的模型，但在测试集的准确性是49%。我的代码中是否有明显的遗漏？import osimport kerasfrom sklearn.model_selectionimport train_test_splitfrom PIL import Image
from keras.utils.n
浏览 3提问于2019-07-10得票数 0
回答已采纳
我试图建立一个基本的卷积神经网络的图像分类。我有一个属于4个类的图像数据集。我使用ImageDataGenerator和flow_from_directory创建了Tensorflow数据集model.add(tf.keras.layers.Conv2D(64, (3, 3), act
浏览 1提问于2021-04-21得票数 1
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
