1回答
我试着用这个建立深度学习模型。# My code nowinput_shape = (1, img_rows, img_cols)model.add(Conv2D(64, (3, 3), activation='relu', input_shape=input_shape))model.add(MaxPooling2D(pool_size=(2
浏览 4提问于2022-05-30得票数 0
回答已采纳
1回答
X_train.shape是(363, 1, 40, 40, 15)，目前我正在使用4个类，我从这些数据中学习的模型如下所示： model.add(Conv3Dchannels_first')) model.add(Conv3D(128, (3,3,3), activation='relu'))
model.add(<em
浏览 1提问于2018-05-09得票数 2
回答已采纳
问题这是我用来加载数据的代码：images = f.get('key_name')
images = np.ar
浏览 0提问于2017-10-30得票数 0
1回答
这是我的模型：x = MaxPooling3D((3, 2, 2), data_format='channels_first', padding='same')(x)x = MaxPooling3
浏览 5提问于2021-12-18得票数 0
回答已采纳
= x x = Conv3D(f, 3, activation = 'relu', padding = 'same') (x)
x = Conv3D(f, 3, activation = 'relu', padding = 'samelayers.append(x) # append the output f
浏览 9提问于2022-04-23得票数 1
代码: X.shape[1:]), border_mode
浏览 1提问于2018-06-16得票数 1
回答已采纳
from keras.layers import Input, Conv3D, MaxPooling3D, concatenate, Conv3DTranspose, BatchNormalizationinputs #Contraction path
c1 = Conv3Dkernel_initializer=kernel_initializer, padding='same'
浏览 7提问于2022-04-23得票数 1
回答已采纳
TypeError追溯(最近一次调用)在1 model= tf.keras.models.Sequential() ->2 model.add(Conv3D(64，kernel_size =(3,3,3)，model.add= (1,1,1)，填充=“相同”，input_shape=(input_shape)，激活=‘relu’)3 model.add(Conv3D(64，kernel_size =3,3,3)，strides = (1,1,1)，4 model.add(MaxPooling3D(pooling_size = (2,2,2)，strid
浏览 0提问于2020-02-07得票数 0
回答已采纳
1回答
parsed_example = serialised_example.map(parse_tfrecord)from tensorflow.keras.layers import Conv3D4
Rescaling(scale = 1./255),
Conv3D(filters = 64, kernel_size = 3, strides = 2, activation =
浏览 3提问于2021-11-29得票数 1
回答已采纳
为了开始一个基本的示例，我以VGG-16为例，实现了这个网络的"3D“版本(没有FC层)：x = Conv3D(64, (3, 3 ,(128, (3, 3 ,3), activation='relu', padding='same', name='block2_conv1')(x)
x = Conv3D(128, (3, 3 ,3(256, (3, 3 ,3), activation='relu',
浏览 2提问于2018-09-21得票数 2
回答已采纳
include_top=False, input_shape=(224, 224, 3))
model.add(Conv3Dheight, channels) model.add(Conv3D(128, (3, 3, 3), activation='relu'))
model.add(Con
浏览 1提问于2019-06-23得票数 0
2回答
sample_width, sample_height, sample_depth, 1)) conv1 = Conv3D(32, (3, 3, 3), activation='relu', padding='same')(inputs)
conv1 = Conv3D(32, (3, 3, 3), activationpool1 = MaxPooling3D(pool_size=(2
浏览 3提问于2020-02-01得票数 1
我有一个关于keras Conv3D层的问题。我的输入是具有4个通道(图像加上分割蒙版)的3D体积。Conv3D(64, (3, 3, 3), activation='relu', padding='same')(inputs) Conv3D(64, 3, activation='relu', padding='same')(inputs)
浏览 17提问于2019-11-08得票数 0
='he_normal')(layer_in) conv1 = Conv3D(n_filters, (3,3,3), padding='same', activation='relu', kernel_initializer='he_normal')(layer_in) conv2 = Conv3D(n_filters, (3,3,3),________________________________________
浏览 5提问于2021-10-31得票数 1
1回答
model = Sequential()
model.add(MaxPooling3D(pool_size=(1,2,2),strides= (1, 2, 2)))
#model.add(Conv3D(128,3,activation(256,3,activation= 'relu',padding="same&q
浏览 0提问于2019-04-07得票数 0
回答已采纳
1回答
input_shape = (224, 224, 3, 5)Conv3D(64, (3, 3, 1), input_shape=input_shape, padding
浏览 2提问于2020-01-10得票数 0
回答已采纳
1回答
这是行和列为4时的工作示例：
x = Conv3D(64, (5, 3,'same')(x) x = Conv3Dsame')(x)
x = MaxPooling3D((1, 2, 2)
浏览 13提问于2021-12-29得票数 0
1回答
1, 1, 1], expected input[5, 1, 3, 126, 126] to have 5 channels, but got 1 channels instead
我想我可能误解了conv3d
浏览 0提问于2020-07-10得票数 0
2回答
三维卷积神经网络输入形状
、、、、
、1、25、25、5、5、5、25、32的“Conv3D”(op：“Conv3D”)中减去5所导致的负维大小。tensorflow_backend.py"，)文件"/usr/local/lib/python3.6/site-packages/tensorflow/python/ops/gen_nn_ops.py"，行2831中，在conv3dtf.nn.conv3d(x，内核，大步，填充)文件“/usr/
浏览 2提问于2017-03-09得票数 7
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
实时音视频活动推荐
腾讯云开发者
