2回答
我对此代码片段中嵌入层中指定的输出维度感到困惑 from keras.datasets import imdbfromkeras.layers import Densefrom keras.layers import Embedding, SimpleRNNmodel.compile(optimi
浏览 36提问于2019-01-21得票数 0
回答已采纳
我在我的嵌入式处理器上移植代码时，在卷积操作中面临浮点分辨率损失，而嵌入式处理器只支持一半精度，因此我想测试在基于Keras的模型中逐层执行的中间操作，该模型在桌面上的完全精度上执行得很好。为了计算一维卷积，Keras对输入形状进行展开维数，并在其上增加一个维数，这就适合于二维卷积运算。
然后，一系列操作称为、Conv2D、、、挤压、，最后是BiasAdd。最后，将Conv1D层的
浏览 0提问于2019-09-12得票数 0
1回答
寻找选择Keras字嵌入层维数的准则。output_dim=EMBEDDING_DIMS), tf.keras.layers.Dense(6, activation='relu',optimizer='adam',metrics=['accuracy'])我在分
浏览 0提问于2020-10-14得票数 3
1回答
我使用一个热编码作为输入层。我的问题是如何使用嵌入层来解决我的问题。实际上，我不太了解嵌入(为什么、何时和如何工作)，我只知道一个热向量不包含太多信息。我想知道嵌入是否能提高准确性。(至少对我的情况而言，嵌入的使用是否合乎逻辑)
浏览 1提问于2019-05-28得票数 1
回答已采纳
我需要实现word嵌入。, loss='categorical_crossentropy', metrics=['accuracy'])
我想要的单位是嵌入向量的大小在这里，你只设置嵌入向量大小。
编辑:我使用的是Keras2.1.4和tensorflow 1.4.1后端。
浏览 0提问于2018-02-19得票数 1
回答已采纳
1回答
在基于CNN的自动编码器中，您会增加或减少层间的过滤器数量吗？当我们压缩信息的时候，我正在考虑减少。
这里的编码器部分的例子，其中滤波器的数目在每个新的层，从16减少到8到4。
浏览 4提问于2021-11-22得票数 2
回答已采纳
引用自“手工机器学习与Scikit-学习，Keras，和TensorFlow，第二版”：
一次热编码，然后是密集层(没有激活函数，没有偏见)，相当于嵌入层。然而，嵌入层使用的计算量要少得多(当嵌入矩阵的大小增大时，性能差异变得明显)。稠密层的权重矩阵起着嵌入矩阵的作用。例如，使用一个大小为20的热向量和一个10个单元的密集层相当于使用一个嵌入层与input_dim=20和outpu
浏览 0提问于2020-06-30得票数 0
1回答
但是，它是基于早期版本的Keras，我不得不按照2在层中进行更改。
现在，模型正在被正确的建造。因此，在这里，我发现第一个层的输出为112x112x64，输入为224x224x3。但是，当我试图按照斯坦福大学教程中给出的公式计算预期输出维数时，它与我从Keras代码收到的实际输出不同，尽管这是GoogLeNet论文中的预期输出。，要根据公式求出期望维数，输入需要形状为227x227
浏览 5提问于2018-01-16得票数 1
回答已采纳
1回答
我正试图在keras中使用嵌入层和小型批处理训练，并使用tensorflow后端在Python中训练LSTM主题模型(多对一问题)。我正在努力用一种与嵌入层格式兼容的方式格式化我的输入和输出。接下来，我按照以下方式初始化我的模型架构：from keras.layers import Dense
from keras.layersmodel.compile(los
浏览 0提问于2020-02-09得票数 1
1回答
问题描述：
我试图从softmax层的输出(维数(,2))中访问单个元素(即标量)，并将其乘以来自另一个模型的张量，该模型的维数为(,10)。描述我的问题的模拟拨号图如附图所示。我使用带有Tensorflow的Keras作为后端。到目前为止，我的方法是:假设softmax层的输出维数是(,2) (即大小为2的向量)。首先，我的计划是使用keras.backend.gather(a_
浏览 0提问于2018-07-22得票数 0
如果输入值大于input_dim，嵌入层是如何工作的？from keras.layers import Embedding
model.add
浏览 0提问于2020-04-21得票数 0
回答已采纳
1回答
我读过一篇关于机器翻译的论文，它使用了投影层。它的编码器有6个双向LSTM层。如果输入嵌入维数是512，那么编码器输出的维数是多少? 512*2**5？
论文链接：
浏览 1提问于2020-02-11得票数 2
2回答
请有人解释一下下面所述层的输入和输出以及工作情况。Embedding(total_words, 64, input_length=max_sequence_len-1))
max_sequence_len=11
它不应该是每个单词的64维向量吗，也就是说(无，263，64)
浏览 0提问于2020-08-24得票数 1
回答已采纳
在Keras中，Conv2D的输入张量通常是维数为batch_size * n * n * channel_size的四维张量。现在我有一个维度为batch_size * N * n * n * channel_size的5D张量，我想为N中的每个i应用最后三个维度的2D卷积层。例如，如果内核大小为1，那么我期望输出的维度为batch_size * N * n * n * 1。 有人知道用Keras实现它的简单方法吗？ 例如，对于完全连接的层，
浏览 23提问于2019-01-07得票数 0
回答已采纳
我正在编写一个使用机器学习的音乐推荐系统。我试图使合奏网络的意义，使系统可以学习两个基于内容的功能，以及全球‘元’的特点，如流派，年份，艺术家等。或者我的方法有什么根本问题吗？
浏览 0提问于2020-10-27得票数 0
回答已采纳
3回答
如何在Keras嵌入层中训练嵌入层？(比如使用tensorflow后端，意思是类似于word2vec、手套还是快速文本)
假设我们没有使用预先训练过的嵌入。
浏览 0提问于2018-01-25得票数 10
2回答
使用Keras中的Embedding层在相当小的词汇表(~ 300 )上，当给定300维向量时，我正在研究如何选择该层(密集向量)的输出。我认为嵌入向量需要最小长度才能映射给定的词汇表。
浏览 0提问于2018-05-02得票数 8
回答已采纳
1回答
这里100是我的句子长度，200是嵌入单词的维度。
然后利用卷积层提取特征。在Keras中，类似于Conv1D(filters=128, kernel_size=3, padding='same', activation='tanh', strides=1)。，但是为什么输出维度是(100,128)?，我可以理解第一个数字，因为我使用填充相同的，并且跨距1，所以维度应该是相同的。但是为什么第二维度是128，不是应该是200*128吗？内核到底是什么样子的？我假设它只
浏览 0提问于2018-07-13得票数 0
1回答
据我所知，神经网络中的参数通常是层间“权重和偏差”的计数。那么，这是如何根据给定的信息计算的呢? 12_768_768*12？
浏览 2提问于2020-10-22得票数 2
回答已采纳
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
