keras中的input_shape和input_dim有什么不同？
在Keras中，input_shape和input_dim是用于定义模型输入的两个参数。
- input_shape：它是一个元组(tuple)，用于指定输入数据的形状。例如，input_shape=(32, 32, 3)表示输入数据是一个32x32像素的彩色图像，其中3表示通道数(RGB)。input_shape的元素个数通常与模型的输入层的维度相对应。
- input_dim：它是一个整数，用于指定输入数据的维度。在Keras中，input_dim通常用于定义模型的第一层，即输入层的维度。例如，input_dim=100表示输入数据是一个100维的向量。
总结一下它们的不同：
- input_shape是一个元组，用于指定输入数据的形状，可以用于定义模型的任意层；
- input_dim是一个整数，用于指定输入数据的维度，通常用于定义模型的输入层。
在实际使用中，根据具体的模型和数据，选择使用input_shape还是input_dim来定义输入是根据需要而定的。对于图像数据，通常使用input_shape来指定图像的高度、宽度和通道数；对于向量数据，可以使用input_dim来指定向量的维度。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI智能机器学习平台：https://cloud.tencent.com/product/tiia
- 腾讯云云服务器CVM：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库MySQL版：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云云原生容器服务TKE：https://cloud.tencent.com/product/tke
- 腾讯云云存储COS：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务：https://cloud.tencent.com/product/tbaas
- 腾讯云物联网平台：https://cloud.tencent.com/product/iotexplorer
- 腾讯云移动开发平台：https://cloud.tencent.com/product/mpe
- 腾讯云音视频处理：https://cloud.tencent.com/product/mps
相关·内容
我发现在Keras中使用了input_shape而不是input_dim，特别是在LSTM问题中？我担心的是，input_shape限制了输入中的行数。它不会让范围提供完整的Dataframe作为输入。什么时候应该使用input_shape而不是input_dim？
下面是示例
浏览 0提问于2018-11-01得票数 3
回答已采纳
目前我正在学习深度学习，偶然发现了这些困惑:什么时候使用input_shape和input_dim参数。
我的数据形状是(798,9)，它们有8个输入变量和1个输出变量，所以我的问题是，当建立顺序模型时，它们之间有什么区别：
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(units=12,input_shape=(6912,),activation='relu' ))
model.add(tf.keras.layers.Dense(32,activation='relu'))
和
mo
浏览 87提问于2020-02-20得票数 1
2回答
我想在LSTM自动编码器上添加一个多层。倍增层应将常量值的张量相乘。我写了下面的代码，这些代码不需要多重层。有谁知道如何调整并使其正常工作吗？
import keras
from keras import backend as K
from keras.models import Sequential, Model
from keras.layers import Input, LSTM, RepeatVector, TimeDistributed
from keras.layers.core import Flatten, Dense, Dropout, Lambda
from keras.
浏览 0提问于2018-11-03得票数 0
错误消息: TypeError:无法将类型的对象转换为张量。内容：(无，3)。考虑将元素强制转换为受支持的类型。 有没有人能帮我解决这个错误，我想我对这个层的定义和密集层很相似，为什么它不工作？ 我的图层代码： from keras.layers.core import Layer
from keras.engine import InputSpec
from keras import backend as K
try:
from keras import initializations
except ImportError:
from keras import initializers a
浏览 24提问于2019-07-02得票数 0
回答已采纳
1回答
我有一个简单的训练有素的keras模型：
model = Sequential()
model.add(Dense(output_dim, activation='relu',input_shape(input_dim,)))
model.add(Dense(output_dim, activation='sigmoid'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fi
浏览 3提问于2017-05-01得票数 5
1回答
我正在建立一个LSTM，作为一份报告，并想总结一下有关它的事情。但是，我已经看到了在Keras中构建LSTM的两种不同的方法，它们为参数的数量产生了两个不同的值。
我想了解为什么参数会以这种方式不同。
问题正确地说明了为什么这样的代码
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.layers import Embedding
from keras.layers import LSTM
model = Sequential()
model.ad
浏览 11提问于2019-10-09得票数 0
我正在尝试实现一个有状态的RNN，但是它一直要求我提供“完整的input_shape (包括批处理大小)”。因此，我为input_shape和input_batch_size参数尝试了不同的方法，这两种方法似乎都不起作用。
代码：
model=Sequential()
model.add(SimpleRNN(init='uniform',
output_dim=80,
input_dim=len(pred_frame.columns),
stateful=True,
batch_input_shape=(len(pred_frame.index),len(pr
浏览 0提问于2016-03-12得票数 2
我在看这段代码：
model = Sequential()
model.add(LSTM(input_shape = (1,), input_dim=1, output_dim=6, return_sequences=True))
model.add(LSTM(input_shape = (1,), input_dim=1, output_dim=6, return_sequences=False))
model.add(Dense(1))
model.add(Activation('linear'))
第一层怎么能有dim=6的输出，下一层又怎么能有input_dim=1呢？
浏览 1提问于2018-03-02得票数 2
回答已采纳
1回答
我知道如何在Keras中将不同的模型合并为一个模型。
first_model = Sequential()
first_model.add(LSTM(output_dim, input_shape=(m, input_dim)))
second_model = Sequential()
second_model.add(LSTM(output_dim, input_shape=(n-m, input_dim)))
model = Sequential()
model.add(Merge([first_model, second_model], mode='concat'))
浏览 4提问于2017-04-26得票数 0
回答已采纳
1回答
我正在尝试构建一个简单的模型，该模型采用两个一维输入样本，使用嵌入层映射它们，并根据连接的嵌入计算分数： from tensorflow.keras.layers import Dense, Input, Concatenate, Embedding
from tensorflow.keras.models import Model
input_1 = Input(shape=(1,)) # each input sample is an integer from 0 to 9
input_2 = Input(shape=(1,))
embedding_1 = Embedding(in
浏览 19提问于2020-11-01得票数 2
回答已采纳
我正在构建一个使用递归层(GRUs)将字符串转换为另一个字符串的模型。我尝试过使用密集层和TimeDistributed(密集层)作为最后一层，但我不理解两者在使用return_sequences=True时的区别，特别是因为它们似乎具有相同数量的参数。
我的简化模型如下：
InputSize = 15
MaxLen = 64
HiddenSize = 16
inputs = keras.layers.Input(shape=(MaxLen, InputSize))
x = keras.layers.recurrent.GRU(HiddenSize, return_sequences=Tru
浏览 4提问于2017-06-18得票数 36
回答已采纳
1回答
我正在研究如何在图层中设置自定义权重。
下面是我使用的代码
batch_size = 64
input_dim = 12
units = 64
output_size = 1 # labels are from 0 to 9
# Build the RNN model
def build_model(allow_cudnn_kernel=True):
lstm_layer = keras.layers.RNN(
keras.layers.LSTMCell(units), input_shape=(None, input_dim))
mo
浏览 0提问于2020-05-28得票数 3
class MyLayer(Layer):
def __init__(self, output_dim, **kwargs):
self.output_dim = output_dim
super(MyLayer, self).__init__(**kwargs)
# self.activation = activations.get(activation)
def build(self, input_shape):
# Create a trainable weight variable for this la
浏览 3提问于2017-05-23得票数 0
回答已采纳
2回答
我想知道这两种型号的区别。上面的一个有4层，查看模型摘要，您也可以定义单位数的降维。但是第二模型是什么，它有3层，你不能直接定义隐藏单位的数量？LSTM自动编码器是否用于降维和回归分析？有什么好的文章描述了我从和中找到的这两个例子。我没有定义变量，实际上我不是直接问编码问题。我希望这也是这个话题的好地方。1.模式：
from keras.layers import *
from keras.models import Model
from keras.layers import Input, LSTM, Dense, RepeatVector
samples=1000
timesteps=3
浏览 1提问于2018-04-28得票数 0
回答已采纳
2回答
我一直试图在Keras中创建一个神经网络，但遇到了一个问题，在我的一个密集层和激活层之间存在形状不匹配的问题。我是不是漏掉了什么明显的东西？使用Tensorflow后端。
print(x_train.shape)
print(y_train.shape)
(1509, 476, 4)
(1509,)
那么我的模型如下：
###Setup Keras to create a bidirectional convolutional recurrent NN based on DanQ NN
###See https://github.com/uci-cbcl/DanQ
model = Sequen
浏览 11提问于2017-07-15得票数 1
回答已采纳
显然，我在这方面是新的，我尝试用作为我的指南，尝试用keras进行多目标回归，但我遇到了麻烦。我遇到的一件事是如何初始化行model.add(Dense(input_dim=4, output_dim=500))中的密集层。我认为input_dim=4是由于有4列的XX_train数组造成的，但不确定。我也不清楚为什么output_dim=500。500的价值是从哪里来的？这是武断吗？
我看了一下keras文档，它使用input_shape参数，但我不确定应该为units和input_shape参数使用什么值。显然，input_shape只需要为第一层传递，但是对于所有后续层，units参数是
浏览 0提问于2019-07-08得票数 0
回答已采纳
Keras Dense层需要指定一个input_dim或input_shape。我在那里的价值是多少？
我的输入是一个由1,000,000行和3列组成的矩阵。我的输出是1600个类。
我在那里放什么？
输入(1000000, 1600)的维数
2，因为它是一个2D矩阵
浏览 1提问于2017-04-28得票数 9
回答已采纳
我正在尝试运行以下代码。下面的代码在google colab上运行良好，但是在我的系统上抛出了一个错误。我系统上安装的Tensorflow版本是1.12.0，keras版本是2.2.4。非常感谢您的帮助。 def profiler(layer, test_input):
data_input = test_input
start = time.time()
data_input = layer.predict(data_input)
end = time.time() - start
milliseconds = end * 1000
return milliseconds
浏览 19提问于2021-07-09得票数 1
回答已采纳
4回答
我想知道LSTM在Keras是如何工作的。例如，在中，就像在其他许多地方一样，您可以找到如下内容：
model.add(LSTM(4, input_shape=(1, look_back)))
"4“是什么意思。是层中神经元的数目。所谓神经元，我指的是为每个实例提供一个输出的东西？
实际上，我找到了，但并不完全相信中提到的解释。
在这个方案中，人们可以看到num_units的插图，我认为我说这个单元中的每个单元都是一个非常原子的LSTM单元(即4门)是正确的。然而，这些单元是如何连接的呢？如果我是对的(但不确定)，x_(t-1)的大小是nb_features，所以每个特性都是一个单元的
浏览 0提问于2018-08-20得票数 8
回答已采纳
1回答
新的神经网络，所以请纠正我的语法。
我试图创建一个LSTM来预测斐波纳契序列。当我运行下面的代码时，损失仍然非常高(围绕35339663592701874176)。
为什么输入的形状必须是(batch_size, timesteps, input_dim)？在我的例子中，我有100数据条目，这就是我的batch_size，而斐波纳契序列接受2输入，所以这就是input_dim，但是在这个例子中timesteps是什么呢? LSTM的units是1吗？如果我正确理解，“单位”就是LSTM中隐藏状态节点的数量。因此，理论上，在training.Would和RNN是一个适合这个问题的模型之后，这两个
浏览 0提问于2020-12-18得票数 1
回答已采纳
我正在试着写下面的代码，但是不断地得到这个错误。请帮我弄一下这个。
review_sequence = tf.keras.Input(shape = (None, ))
embedding_sequence = tf.keras.layers.Embedding(input_dim=max_index_value+1, output_dim=embedding_dim, input_shape=tuple(review_sequence.shape), mask_zero = False)(review_sequence)
average_embedding = tf.keras.layers
浏览 1提问于2021-04-09得票数 0
我正在努力从Keras上的SimpleRNN上的文本中进行训练。
在Keras中，我为SimpleRNN指定了以下非常简单的参数：
model = Sequential()
model.add(SimpleRNN(output_dim=1, input_shape=(1,1,1))
我知道input_shape应该是(nb_samples，timesteps，input_dim)，和我的train_x.shape一样
所以我很惊讶我收到了下面的错误。
Traceback (most recent call last):
File "C:/Users/xxx/xxxx/xxx/xxx
浏览 5提问于2016-08-26得票数 3
回答已采纳
我对深度学习还是新手。
请参阅下面的代码。
当我将第一层输入形状定义为'input_shape‘vs ' input _dim’时，我不明白yhat为什么会有所不同。yhat只应该是(1,1) -一个值。
如果我使用一个简单的RNN层作为我的第一层，输入应该是什么形状？
谢谢
# univariate one step problem with mlp
from numpy import array
from keras.models import Sequential
from keras.layers import Dense
from keras.preprocessin
浏览 0提问于2022-01-05得票数 0
回答已采纳
3回答
如何将输入维度转换为Keras中LSTM层的输出维度？通过阅读Colah的，似乎"timesteps" (AKA，input_dim或input_shape中的第一个值)的数量应该等于神经元的数量，而神经元的数量应该等于这个units层的输出数( LSTM层的units参数所描述的)。
通过阅读，我了解输入的形状。令我困惑的是，Keras如何将输入插入到每个LSTM“智能神经元”中。
令我困惑的示例代码：
model = Sequential()
model.add(LSTM(32, input_shape=(10, 64)))
model.add(Dense(2))
由此，
浏览 0提问于2018-04-18得票数 6
回答已采纳
1回答
我从关于的教程中改编了一个简单的CNN。
问题是，我在持久战集合上的准确性并不比随机的好。我正在训练每只猫和狗的8600张图像，这应该是足够的数据，为体面的模型，但在测试集的准确性是49%。我的代码中是否有明显的遗漏？
import os
import numpy as np
import keras
from keras.models import Sequential
from sklearn.model_selection import train_test_split
from datetime import datetime
from PIL import Image
from ke
浏览 3提问于2019-07-10得票数 0
回答已采纳
以下代码摘自以下链接：
import tensorflow as tf
# Embed a 1,000 word vocabulary into 5 dimensions.
embedding_layer = tf.keras.layers.Embedding(1000, 5)
print("embedding_layer: {}".format(embedding_layer))
result = embedding_layer(tf.constant([1, 2, 3]))
print("result: {}".format(result.numpy(
浏览 10提问于2022-03-03得票数 1
回答已采纳
我正在创建一个自动编码器，作为我的完整模型的一部分，为卡格尔竞争。我试图把编码器的重量绑起来，转到解码器上。在第一个时代之前，权重是正确同步的，在那之后，解码器的重量只是冻结，不跟上编码器的权重，正在更新的梯度下降。
我在google上找到的关于这个问题的几乎每一篇帖子都找了12个小时，似乎没有人能回答我的问题。最接近的是这个，但是这个问题是通过不使用变量张量作为内核来解决的，但是我已经没有使用这种类型的张量作为我的解码器内核，所以没有用。
我正在使用本文中定义的DenseTied Keras自定义层类，完全相同，只需更改我引用Keras的方式，以适应我的导入风格。
import tensor
浏览 0提问于2019-09-06得票数 6
回答已采纳
所以我试着用Keras实现我自己的层，使用提供的例子：
class MyLayer(Layer):
def __init__(self, output_dim, **kwargs):
self.output_dim = output_dim
super(MyLayer, self).__init__(**kwargs)
def build(self, input_shape):
# Create a trainable weight variable for this layer.
self.kernel =
浏览 13提问于2017-06-30得票数 7
回答已采纳
我按照本指南将集群实现为深度模型，但我遇到了两个错误：
，第一个，在这一行
name='clustering')(encoder.output) = ClusteringLayer(n_clusters，n_clusters)
上面写着
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/local/lib/python3.6/dist-packages/keras/engine/base_layer.py
浏览 7提问于2022-05-10得票数 0
回答已采纳
2回答
我已经将一系列图像读取到一个形状为(7338, 225, 1024, 3)的numpy数组中，其中7338是样本大小，225是时间步长，1024 (32x32)是3通道(RGB)中的扁平图像像素。
我有一个带有LSTM层的顺序模型：
model = Sequential()
model.add(LSTM(128, input_shape=(225, 1024, 3))
但这会导致错误：
Input 0 is incompatible with layer lstm_1: expected ndim=3, found ndim=4
提到LSTM层的输入张量应该是3D tensor with sh
浏览 3提问于2017-12-06得票数 12
回答已采纳
我有以下几点：
X_train.shape
(2730, 10)
y_train.shape
(2730)
我想用keras来训练LSTM模型，但我不知道如何重塑输入。
我增加了这个LSTM层
time_steps = 30
input_dim = 10 # number of features
...
self.model.add(LSTM(self.hidden_dim, input_shape=(time_steps, self.input_dim), return_sequences=True))
...
input_shape与我的输入不匹配。我应该如何重塑我的X_train？我还
浏览 1提问于2021-12-09得票数 0
回答已采纳
1回答
编写我自己的keras层
、、、
我想编写我自己的keras层，将一个带有形状的张量作为输入(nb_batch，input_dim)，并产生一个带有形状的张量(nb_batch，context_size，output_dim)。我已经在下面写了一个演示：
class MyLayer(Layer):
def __init__(self, output_dim, context_size, init="uniform", **kwargs):
self.output_dim = output_dim
self.context_size = context_size
self.init = i
浏览 0提问于2016-11-30得票数 0
1回答
我试图用keras写一个GAN，但是在运行它时我得到了这个断言错误。经过搜索，我发现问题最有可能的原因是一个旧版本的西亚诺。我将theano更新到最新的github开发版本0.9.0beta1，但我仍然收到了相同的错误。
from keras.models import Sequential
from keras.layers import Dense, Activation, Dropout
from keras.optimizers import SGD
print "Setting up decoder"
D = Sequential()
D.add(Dense(100
浏览 4提问于2017-02-19得票数 3
回答已采纳
我一直从下面的代码中得到一个input_shape错误。
from keras.models import Sequential
from keras.layers.core import Dense, Activation, Dropout
from keras.layers.recurrent import LSTM
def _load_data(data):
"""
data should be pd.DataFrame()
"""
n_prev = 10
docX, docY = [], []
浏览 0提问于2016-03-18得票数 13
我正在尝试在TensorFlow中创建一个自定义的TensorFlow。我有一个24 No内存的CPU (没有GPU)。首先，我创建了一个LSTMCell作为默认的LSTMCell。守则如下：
class LSTMCell(tf.keras.layers.AbstractRNNCell):
def __init__(self, units, **kwargs):
self.units = units
super(LSTMCell, self).__init__(**kwargs)
def build(self, input_shape):
浏览 23提问于2022-06-05得票数 2
回答已采纳
我似乎对更新的keras版本有问题。这种神经网络结构导致了这个错误：
print "Data-train-in: " + str(data_train_input[0].shape)
print "Data-train-out: " + str(data_train_output[0].shape)
print "Data-test-in: " + str(data_test_input[0].shape)
#sys.exit()
model.add(Conv2D(filter
浏览 5提问于2017-03-23得票数 1
回答已采纳
我想知道为什么对于两个相同的keras模型，get_method()有时给出相同的结果(参见model_dense_A和model_dense_B)，有时不一样(例如model_conv_A和model_conv_B)。 即使我使用clear_session()方法和完全相同的代码，模型仍然是不同的。 有人知道这种行为吗？ 代码片段： from tensorflow import keras
input_shape = (300, 3)
# MODEL DENSE A
keras.backend.clear_session()
input_ = keras.layers.Input(sh
浏览 17提问于2020-09-26得票数 0
总体询问：
大家好，我得到了一个属性错误，我不太确定原因是什么。我遵循这个并试图复制一些代码。你能告诉我哪里出了问题吗？
自动编码器构建：
# This is the dimension of the original space
input_dim = maxlen
# This is the dimension of the latent space (encoding space)
latent_dim = 2
encoder = Sequential([
Dense(128, activation='relu', input_shape=(input_dim
浏览 13提问于2021-09-21得票数 1
回答已采纳
2回答
我使用Keras来适应混合数据输入的深度学习模型(包括数值和分类)。分类协变量已被编码为数字使用科学知识学习LabelEncoder，并引入DL使用Input层(一维)。然后，我为一个具有6个不同级别的变量设置了Embedding层：
variable_emb = Embedding(input_dim=6,output_dim=1,input_shape=(1,),name='variable_emb_emb')(variable_tensor_input)
我的问题是嵌入矩阵行所遵循的顺序是什么。第一行是遵循LabelEncoder索引，还是根据它们在输入数据集中发生的顺序
浏览 0提问于2019-10-19得票数 1
回答已采纳
1回答
编辑后添加:我找到了我认为可行的解决方案：
我试图使用Conv/LSTM网络来控制机器人。我想我已经把所有的东西都设置好了，这样我就可以开始用重放内存中的数据来训练它了，但是我不知道如何用它来控制一个机器人。下面是简化的测试代码。
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Flatten, Input
from keras.layers import Convolution2D
from keras.layers.recurrent import LSTM
f
浏览 1提问于2017-09-28得票数 0
回答已采纳
2回答
我使用tensorflow和keras来解决二进制分类问题。
我只有121个样本，但有20.000个特征。我知道它的样本太少，特征太多，但它是一个生物学问题(基因表达数据)，所以我必须处理它。
我的问题：为什么准确度(训练和测试)上升到100%，然后下降，然后再增加。但损失却一直在减少？
精确图：
验证图：
因为我的数据集只有118个样本大，所以我只有24个测试数据点。请参见confusion matrix：
这是我的神经网络体系结构：
当前设置为：{‘ann__ with _rate’：0.4，‘ann_rate_rate’：0.01，‘ann_n_n_神经元’16
浏览 8提问于2020-11-16得票数 0
1回答
我在keras中遇到了以下几个方面的问题：
gaussian_projection = 64
gaussian_scale = 20
initializer = tf.keras.initializers.TruncatedNormal(mean=0.0, stddev=gauss_scale)
proj_kernel = tf.keras.layers.Dense(gaussian_projection, use_bias=False, trainable=False,
kernel_
浏览 1提问于2020-09-18得票数 1
1回答
沿单特征行的Keras卷积
、、、、
我有一个多等级的分类问题。假设我有一个特征矩阵：
A B C D
1 -1 1 -6
2 0.5 0 11
7 3.7 1 1
4 -50 1 0
和标签：
LABEL
0
1
2
0
2
我想尝试应用卷积核沿每个单独的特性行与Keras。假设是nb_filter=2和batch_size=3，所以我期望卷积层的输入形状为(3，4)，输出形状为(3，3) (正如适用于AB、BC、CD)。
在这里，我尝试了Keras (v1.2.1，Theano后端)：
def CreateModel(input_dim, num_hidden_layers):
from keras.models
浏览 2提问于2017-01-31得票数 1
如果输入值大于input_dim，嵌入层是如何工作的？
为什么keras不提出例外呢？
from keras.models import Sequential
from keras.layers import Embedding
model = Sequential()
model.add(Embedding(1, 2, trainable=True, mask_zero=False))
input_array = [5]
model.compile("rmsprop", "mse")
output_array = model.predict(input_
浏览 0提问于2020-04-21得票数 0
回答已采纳
在第5页的“时间编码”部分(顺便提一句)，我说了N个嵌入维数M的向量，所以我的Keras张量是(批大小，N，M)，我想要在每个批处理大小的每个样本中添加一个N乘以M的权重矩阵。为此，我创建了自己的Keras层：
from constants import BATCH_SIZE
class Added_Weights(Layer):
def __init__(self, input_dim, output_dim, **kwargs):
self.output_dim = output_dim
self.input_dim = input_dim
su
浏览 0提问于2018-05-08得票数 2
回答已采纳
假设我们有一个数据框架，其中有一个分类列，其中有7个类别-周一、周二、周三、周四、周五、周六和周日。假设我们有100个数据点，我们希望将分类数据作为嵌入层的输入，并使用Keras训练嵌入层。我们如何真正做到这一点？你能分享一些代码示例的直觉吗？
我试过这个代码，但它给我一个错误，说"ValueError："input_length“是1，但收到的输入有形状(None，26)”。我已经参考了这个博客，但我不知道如何在我的特定情况下使用它。
from sklearn.preprocessing import LabelEncoder
l_encoder=LabelEncoder()
浏览 21提问于2019-07-29得票数 0
回答已采纳
1整个发行
我正在通过tff.learning.build_federated_averaging_process().生成一个迭代过程。并接收错误：
Traceback (most recent call last):
File "B:\tools and software\Anaconda\envs\bookProjects\lib\site-packages\IPython\core\interactiveshell.py", line 3331, in run_code
exec(code_obj, self.user_global_
浏览 5提问于2020-06-15得票数 1
回答已采纳
1回答
我在Keras中建立了一个简单的YOLO本地化模型，
model_layers = [
keras.layers.Conv2D( 32 , input_shape=( input_dim , input_dim , 3 ) , kernel_size=( 3 , 3 ) , strides=1 , activation='relu' ),
keras.layers.Conv2D( 32 , kernel_size=( 3 , 3 ) , strides=1 , activation='relu' ),
keras.layers.MaxPo
浏览 0提问于2019-08-10得票数 4
回答已采纳
在运行中的VAE示例后，我遇到了这个问题，该示例在拟合数据之前无法构建。
显然，它会显示以下错误：ValueError: Expected a symbolic Tensors or a callable for the loss value. Please wrap your loss computation in a zero argument `lambda`.
下面是一个简单的MWE：
import tensorflow as tf
from tensorflow.keras import layers
class Test(tf.keras.Model):
def __i
浏览 340提问于2020-02-07得票数 1
我在分析维迪亚跟踪。
我很难想象平面层和密集层之间的连接，它有两个节点，输入维数为50。这是一个二进制分类问题，所以我理解了两个节点。然而，是什么决定了输入维度？我们也可以省略这个参数，在这种情况下，对于这个密集的层，只需要训练较少的权重？
import os
import numpy as np
import pandas as pd
import scipy
import sklearn
import keras
from keras.models import Sequential
import cv2
from skimage import io
%matplotlib inline
浏览 0提问于2019-07-09得票数 3
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
