我正在尝试复制中描述的CNN。# Model function for CNN # Reshapeonehot_labels = tf.one_hot(indices=tf.cast(labels, tf.int32), depth=nClass)
loss = tf.losses.softmax_cross_ent
浏览 2提问于2017-06-14得票数 0
回答已采纳
X = np.array(X, dtype='float32')print(len(X)) model.add(Dense(128, activation='relu')) return model
浏览 35提问于2020-12-11得票数 0
回答已采纳
2回答
我在Keras中使用预先构建的ResNet (TensorFlow 2)，其方式如下：x = Dropout(0.5)(x)cnn_model = Model(inputs=base_model.in
浏览 7提问于2021-01-18得票数 1
回答已采纳
我正在从TensorFlow教程网站阅读和测试CNN的基本示例：model = models.Sequential()
在教程中，他们写道，他们在最后一层中使用了<
浏览 1提问于2020-11-15得票数 1
回答已采纳
1回答
密集层如何改变来自LSTM层的输出？从前一层的50个形状的输出中，我如何从用于预测的密集层获得大小为1的输出？假设我有一个基本模型： model = Sequential()model.add(Dense(1, activation="softmax")) 密集层是否采用来自前一层的值，并分配50个输入</em
浏览 16提问于2019-09-01得票数 1
回答已采纳
场景:我一直在为cifar10数据集训练CNN。我使用的是tensorflow，还有一个CNN，它有12个conv层和1个密集层，在softmax稠密层之前。我正在使用数据增强以及批处理规范化。
浏览 0提问于2020-01-23得票数 3
回答已采纳
1回答
cnn = Sequential()
cnn.add(Conv2D(32, (3, 3), input_shape= (64, 64, 3), activation = 'relu')) cnn.add(MaxPooling2D(pool_size =(2, 2)))
cnn.add(Conv2D(32, (3, 3
浏览 1提问于2018-11-16得票数 1
回答已采纳
1回答
卷积神经网络不对测试集角进行分类
、、、、
我有一个三维复杂的神经网络角点，tensorflow和3D脑图像的人晚期阿尔茨海默氏症，早期阿尔茨海默氏症和健康人(3类)。我有324张图像的训练集和74张图像的测试集。当我训练我的CNN时，我有大约65-70%的准确率，但是对于测试集，我只有30-40%。当我使用测试数据作为验证数据时，对于训练集，我的准确率也不超过37%，并且损失始终保持在相同的水平。我将准备好的和规范化的数据从.h5文件加载到Python中，输入具有形状(None，90,120，80，1)。我不知道可能出了什么问题，我检查了很多次代码，一切似乎都是正
浏览 2提问于2017-10-07得票数 0
回答已采纳
我试图在Tensorflow中建立一个多任务CNN，它有两个密集的平行层，一个用于年龄预测，另一个用于性别预测。我如何训练每个密集层的不同数目的时代，因为其中一个可以收敛在另一个和训练两个相同的年代不可能超过其中一个？另外，如果我把年龄和性别的梯度传播给CNN，它会不会过分适合，因为它的重量被更新的速度是密集层速度的两倍？
浏览 0提问于2018-09-04得票数 4
我的工作是用于分类任务的混合CNN-SVM，我的目标是使用CNN进行特征提取和SVM进行分类。因此，在对我的CNN模型进行了如下培训之后：import numpy as npimport tensorflow之前的最后一个完全连接的层中提取最后一个特征，作为SVM分类器的输入：
getFeature = K.function([model.layers[0].input, K.lea
浏览 0提问于2022-01-29得票数 2
1回答
没有创建Keras模型
、、、、
, Softmax, Multiply, Dense, concatenate, Dropout, Flatten, LSTM, BatchNormalizationimport numpy as npfrom keras.callbacks import ModelCheckpointpip install tensorflow-gpu==2.5.0
from
浏览 1提问于2021-06-04得票数 0
1回答
我目前正在使用深度学习算法(通过使用GIST特性或CNN)开发一个图像分类应用程序。我需要帮助理解以下查询。CNN还是GIST，哪个更适合图像分类？与CNN相比，GIST过时了吗？
谢谢你，KK
浏览 0提问于2019-03-20得票数 3
回答已采纳
1回答
CNN的模型结构设计
、、、
我想为有300个类的数据集设计CNN。我用下面的模型对两个类进行了测试。它具有很好的准确性。我如何为300节课设计CNN架构？
浏览 0提问于2020-02-05得票数 0
回答已采纳
我的代码如下： 我的导入 import matplotlib.pyplot as pltimport osfrom tensorflow import kerasfrom tensorflow.keras.modelsimport Sequential
from tensorflow.keras.preprocessing
浏览 23提问于2020-12-10得票数 0
回答已采纳
类似于，我希望有几个图像输入层通过一个更大的CNN (例如，XCeption减去密集层)，然后将所有图像的CNN输出连接到一个密集层。
本质上，我希望训练一个模型，它能接受更大但固定数量的每个样本图像(即具有类似视觉特性的3+图像输入)，但不要通过一次训练几个CNN来增加参数的数量。其想法是只训练一个CNN，可以用于所有的输出。让所有图像都进入相同的密集层
浏览 2提问于2019-11-11得票数 1
回答已采纳
我创建了以下Keras自定义模型：from tensorflow.keras.layers import Layer
self.dense_layer = tf.keras.layers.Dense(num_classes,activation='softmax')模型由具有softmax激活的密集层和作为
浏览 3提问于2022-02-21得票数 1
回答已采纳
3回答
='same')(input_image)KL.Dense(2)(KL.Flatten()(x))
ValueError：“平坦”输入的形状没有完全定义确保将完整的"input_shape“或"batch_input_shape”参数传递给模型的第一层。所以，如果我想要一个包含conv的模型，然后是可以接受任意大小输入的稠密模型，我应该怎么做？
浏览 2提问于2018-08-27得票数 1
我已经训练了支持向量机，细胞神经网络和神经网络上的UCF-101数据集，支持向量机和神经网络使用CSV文件的色调和LBP的特征，而CNN使用的分类图像和我想结合{支持向量机和CNN}和{ANN和CNN我已经提取了数据集中的每个视频的第一个关键帧，然后计算它的LBP histogram.Used它作为图像的特征，写在csv连同它的标签(我只选择了5类数据的101个可用)，然后训练支持向量机和神经网络上的it.ANN是一个简单的网络与Softmax激活函数在输出和2个隐藏层，每个隐藏
浏览 87提问于2019-05-15得票数 0
我正在做一个CNN项目，对玉米病害图像进行分类(4类)，它使用VGG16作为它的基本模型。我创造并保存了模型。我是否需要将输出层神经元设置为8(棉花4，玉米病害4)？这是我的代码，棉花CNN使用玉米植株模型为基础。我尝试了最后两层(输出层和密集层)，然后添加了新的密集层，然后输出层有8个神经元，但当我训练，我得到错误的逻辑和标签必须是可广播的。from tensorflow.ker
浏览 0提问于2022-04-03得票数 0
2回答
AveragePooling2D(pool_size=(2, 2), strides=2))
model.add(Dense(6, activation='softmax'))model.compile(loss=keras.losses.categorical_crossentropy, optimizer
浏览 0提问于2020-08-21得票数 -1
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
