1回答
我正在尝试在每个尺寸为200x200x3的图像数据集上训练我的cnn模型。我的x_train的尺寸是(25290, 200, 200, 3)，而x_test的尺寸是(7026, 200, 200, 3).。我已经尝试使用fit_generator，但错误仍然存在 这是我构建的模型 model = Sequential()
model.add(Conv2D(64, kernel_size=3, activationchecking target: expected activation_3
浏览 21提问于2019-05-08得票数 0
1回答
作为我问题的参考/后续： conv0 = keras.layers.Dropout(0.5)(conv0)
conv1 = keras.layers.ReLU()(conv1)
conv1 = keras.lay
浏览 11提问于2022-11-19得票数 0
目前，我从我的模型中得到了这样的结果：其中x有[None, 32, 32, 3]，classes有[None, 2]作为维度。如何在自定义丢失函数中仅引用部分输出？例如, def loss(y_true, y_pred):
return keras.losses.binary_crossentropy
浏览 0提问于2018-09-12得票数 0
回答已采纳
我观察到Keras到ONNX转换的维度不匹配。我将模型保存为.h5文件。它可以成功地保存并再次加载。但是，当将其转换为ONNX模型时，我得到了不同的输出维度。我认为这是因为2D输出，因为我的输出维度之一已经消失了。
装载Keras模型..。>>> keras_model = load_model('model_chec
浏览 30提问于2022-01-26得票数 0
我已经成功地创建了一个RNN，它可以预测一个字母序列中的下一个字母。然而，我想不出为什么解决问题的方法是有效的。我的训练数据是(39000,7,7)维数 model = Sequential()
model.add(SimpleRNN(7, input_shape = [7,7],我的问题是，为什么我需要扁平层？:当模型摘要在第二个例子中说稠密层的输出应该是(0，7，7)，并且错误消息
浏览 1提问于2019-01-16得票数 0
回答已采纳
1回答
batch_size=2048
x1=keras.layers.Conv1D(92,50,activation='relu')(embed)
predictions=Dense(1, activation=&
浏览 2提问于2018-12-03得票数 0
我希望在Keras中使用快捷连接来实现ResNet网络，这些快捷连接在特性/通道维度不匹配时添加了零个条目，根据最初的文章：
我想要实现的</e
浏览 7提问于2016-05-04得票数 2
回答已采纳
1回答
我正在尝试用角码创建我的第一个卷积式自动编码器，但我在层输出形状方面有问题。这是我的密码：
x = Conv2D(32, (3, 3), activation='relu', padding
浏览 0提问于2017-06-09得票数 2
回答已采纳
我试图理解为什么在密集层和重塑层之间存在不匹配的维度。这段代码不应该是正确的吗？密集层输出的维度将为image_resize^2 * 128，为什么在重塑过程中会有冲突？Dense(image_resize * image_resize * 128)(inputs)这是显示的错误recent call last):
File &q
浏览 11提问于2019-07-25得票数 0
我试图在我的模型中添加2层不同的权重。随着训练的进行，我想更新这些重量。示例：l2 = l2*(a)有没有一种方法，我可以更新'a'的值与每一个时代线性？
浏览 1提问于2018-05-26得票数 0
回答已采纳
2回答
尺寸数错误。凯拉斯
、、、
我在掌握网络第一层的形状输入时遇到了麻烦。这是我的架构： filter_sizes = [1, 2, 3, 4, 5] dropout_probwhen checking input: expected input_1 to have 3 dimensions, but got array with shape (12547, 261)
我的数据是这样的
浏览 6提问于2017-08-15得票数 0
我一直在使用来构建一个很好的网络。但是，我不明白tf.keras.layers.Dense中的空间连接是如何工作的。 50,176 * 4096 + 4096 = 205,524,992
令人惊讶的是，当我移除平面层()时，不会出现任何维度不兼容错误。输出形状为7x7x4096，参数数为：
1024*
浏览 1提问于2020-03-09得票数 0
回答已采纳
2回答
我刚接触tensorflow，在将我的自定义数据提供给keras模型时遇到了麻烦。model = tf.keras.Sequential([
tf.keras.layers.Dense(10, activation=tf.nn.relu, input_shape=(3,)), # i
浏览 24提问于2020-05-11得票数 0
回答已采纳
我尝试使用一个简单的模型： tf.keras.layers.experimental.preprocessing.Rescaling('), tf.keras.layers.Conv2D(128, 5, padding='same', activation, metrics=['accuracy'])
但请注意
浏览 5提问于2022-09-05得票数 0
回答已采纳
我目前正在建立一个LSTM模型，以预测未来60天的收盘价。下面是我的代码model.add(LSTM(64, activation='tanh', recurrent_activation='sigmoid', input_shapevalidation_split=0.2, verbose=1)
x_train shape = (2066, 300 ,2) y_train shape = (2066，60，1)，所以我使用300天的数据(2个特征)来预测下
浏览 5提问于2022-02-15得票数 1
回答已采纳
在Keras中，为什么input_shape在将批处理维度作为参数传递给像Dense这样的层时不包含批处理维度，而在将input_shape传递给模型的build方法时却包含批处理维度？import tensorflow as tf model1= tf.ker
浏览 3提问于2020-11-04得票数 13
回答已采纳
我有一个具有多变量的数据集，我正在尝试重塑LSTM神经网络，但我正在努力重塑图层，但没有成功。 我的数据集的形状为(1921535，6)，每341个时间步对应一个样本。我想在(23,341，6)中重塑它，并在Model中输入它。在我的代码下面。max_length = 341
model = tf.keras.Sequent
浏览 25提问于2020-12-03得票数 0
回答已采纳
1回答
我正在学习Keras和LSTM，并遇到了这个教程，但我不理解目标变量的维度。引用以下条款：
在这种情况下，训练y数据是输入的x字前进一个时间步骤-换句话说，在每一个时间步骤，模型试图预测下一个词在序列中。但是，它在每个时间步骤中都这样做--因此输出层的时间步数与输入层相同。在这种情况下，由于我们是通过我们的模型预测序列中的下一个单词，所以对于每一个时间步骤，匹配的输出</e
浏览 0提问于2018-07-02得票数 0
我有一些用Keras编写的分析软件，它使用Keras网络并将一个模型加载到该网络中。# Keras Model#bias initialize
浏览 5提问于2020-07-29得票数 0
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
