1回答
但是，我的数据集比MNIST要复杂得多，因此我试图使数据集的图像大小更大: 512 * 512，但是我不断地获取与输入和输出形状相关的错误。我不知道所有这些输入和输出形状的鉴别器和生成器之间的关系。假设我想将我的数据集从28 * 28 (MNSIT大小)更改为y*y (自定义大小)，哪些输入/输出形状是我需要在这些层中调优的？为什么？有人能澄清这个流程吗？我把它正常化：
train_images = (train_images - 127.5) /
浏览 1提问于2019-06-18得票数 0
2回答
重塑图层的输出尺寸
、、、
重塑图层采用1*(7*7*256)作为输入和输出。我的意思是(7，7,256)是什么意思？ 如果我们将输入作为1*100的图像，那么它是7*7维度的图像吗？这是什么？ 我很抱歉，我知道我完全理解错了。
浏览 13提问于2019-05-11得票数 0
回答已采纳
1回答
我正在使用convd2d和conv2dtranspose创建一个CVAE。当使用conv2dtranspose时，我无法复制编码器，因为形状尺寸是奇数而不是偶数。主要问题是在conv2d_transpose1中，输出形状是(None，64，4，32)，而它应该是(None，64，3，32) self.latent_dim = 6
self.encoder
浏览 37提问于2021-04-21得票数 0
1回答
在TensorFlow示例(https://www.tensorflow.org/tutorials/generative/dcgan#the_鉴别器)中，鉴别器只有一个输出神经元(假设为batch_size然后，在训练回路中，利用具有形状BinaryCrossentropy的鉴别器输出，计算发电机的1损耗。然后，它计算损失梯度插入预测和标签到dBinaryCrossentropy导数，其结果形状也是1。当生成器的形状不匹配，而1层期望其形状</e
浏览 0提问于2023-01-28得票数 0
回答已采纳
1回答
我的方法是建立一种类似U网的编解码网络，它利用Conv2dTranspose将移动网的输出缩小到原来的形状，每一个对应的卷积都有捷径路径，从而降低了分辨率。第一个对应层之间的第一个连接工作得很好，但是第二个层失败了，因为它们的输出形状不匹配。正如我所预期的那样，第一个Conv2dTranspose将分辨率提高了2。然而，第二种情况并非如此。它具有输入形状(None，20，80,192)，并且应该输出(None，40,160,144)。不幸的是，实际的<
浏览 0提问于2019-07-14得票数 1
回答已采纳
我有一个图像分割任务，其中输入图像形状为(140，85，95，4)，输出标签形状为(140，85，95)。以下是我的模型：Conv2DTranspos
浏览 0提问于2021-12-23得票数 0
1回答
对于每一张图片，我都有一个形状相同的标签。
现在，我面临一个维度问题。在中也提到了这一点，但我不知道如何解决它。
浏览 1提问于2017-12-27得票数 1
回答已采纳
3883, 128, 128, 3), (1237, 128, 128, 3),
(1237, 128, 128, 10)) 我有3个通道的输入图像，输出有输出： ? 我不确定这里出了什么问题，但这会产生形状不匹配错误。
浏览 107提问于2021-04-18得票数 0
但我得到了
[[{{node custom_variational_layer_21/logistic_loss
浏览 0提问于2019-02-07得票数 1
])
这是它的总结：
______________________________
浏览 12提问于2020-05-15得票数 3
回答已采纳
我正在尝试构建一个像网络一样的自动编码器，但我不知道如何指定网络的输出形状。我有一个大小为mxn的输入和一个大小为pxq的成对的预期输出。Getting the output shape of deconvolution layer using tf.nn.conv2d_transpose in tensorflow 但是，有没有一种方法可以强制输出形状，而不需要为每个输入形状计算出一堆数学运算？
浏览 15提问于2020-04-14得票数 0
1回答
keras.layers.normalization import BatchNormalization x = Reshape((int(L/16), int(L/16), 512))(x) # shape(L/16, L/16, 512)
x = Conv2DTransposesame')(x) # sh
浏览 2提问于2018-04-13得票数 0
回答已采纳
1回答
GPU无机器学习层打印
、、、
import layersprint('transpose',x.shape)
x = Conv2DTranspose(16, 3, activation="relu&
浏览 1提问于2022-03-31得票数 -1
1回答
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
浏览 11提问于2020-07-21得票数 0
回答已采纳
我很难理解keras.layers.Conv2DTranspose的输出形状keras.layers.Conv2DTranspose( kernel_sizedim_size = ((dim_size - 1) * stride_size + kernel_size - 2 * pad + output_padding)
我知道Conv2DTranspose3，3)、strides = (10，10)和填充=“相同”的Conv2DTranspo
浏览 0提问于2019-02-18得票数 9
2回答
未指定
接下来，运行另一个Conv2DTranspose，然后运行另一个3 Conv2d。为什么？!
浏览 0提问于2019-05-31得票数 1
回答已采纳
1回答
我得到了一个值的错误，而试图使一个GAN工作在RGB照片在Tensorflow。我正在努力使它与RGB彩色频道工作，而不是黑白频道。但我得到了上面的错误。tensor = tf.io.decode_image(dataset, channels=1, dtype=tf.dtypes.float32)tensor = tf.io.decode_image(dataset, channels=3, dtype=tf.dtypes.float32)
tensor = tf.io.decode_image(img, channel
浏览 4提问于2022-06-30得票数 0
回答已采纳
1回答
编码器输入与解码器输出不同
、、、、
= BatchNormalization()(x)cx = Conv2DTransposekernel_size=5, strides=2, padding='same', activation='relu')(x)cx = Conv2DTransposekernel_size=5, strides=2, p
浏览 30提问于2021-05-15得票数 2
回答已采纳
2回答
(0.5))model.add(Activation('softmax'))
我想在第一个卷积层(即convolution2d_1 )给出的输出上执行反卷积或转置卷积
浏览 1提问于2016-11-24得票数 7
回答已采纳
在尝试学习keras和深度学习时，我希望创建一个图像遮片算法，该算法使用类似于修改后的自动编码器的体系结构，其中它接受两个图像输入(源图像和用户生成的三元映射)，并生成一个图像输出(图像前景的alpha我验证了我的twin_gen闭包正在为两个输入生成形状为(22,256,256,3)的图像批次，所以我猜问题是我以某种方式创建了错误的模型，但我看不出错误在哪里。VGG16, preprocess_inputfrom tensorflow.keras.layers impor
浏览 56提问于2021-01-15得票数 0
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
