keras-layer

    -5熱度

    2回答

    在下面的示例中,應如何正確地排列行和列? input_shape = (input_dim, input_features) inputs = Input(input_shape) net = Reshape(input_shape + (1,), input_shape=input_shape)(inputs) 網傳遞給Conv2D。 當我使用inpute_shape =置換(2,1),

    0熱度

    2回答

    我一直在試圖解決這個問題,目前爲止已經有24個小時了,但不幸的是不能拿出一些東西。 問題很簡單:我在2個子目錄中有2個類別,子目錄中的圖像是RGB格式,但我只對綠色通道感興趣。我讀使用flow_from_directory函數圖像的批次(影像尺寸@(3224224)),那麼我想如下提取使用lambda層綠色通道: def get_model_bw(input_shape=(3,224,224),

    1熱度

    1回答

    我想用keras的LSTM(在末端有一個密集層)將一束光譜圖分類成C類。爲了澄清,每個譜圖屬於來自那些C類的單個類。每個譜圖基本上是一個矩陣。它是通過在每秒約1000秒的時間內測量(讓我們說,K)來構造的。所以矩陣有K行和1000列。 考慮到這個問題,我怎樣才能爲LSTM層指定這個輸入的形狀? 謝謝!

    1熱度

    1回答

    我使用Keras創建了自定義初始化程序。代碼的一部分是: def my_init(shape): P = tf.get_variable("P", shape=shape, initializer = tf.contrib.layers.xavier_initializer()) return P model = Sequential() model.add(Conv2D

    1熱度

    1回答

    我有形狀391 x 400的圖像。我試圖使用here所述的自動編碼器。 具體來說,我用下面的代碼: from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D from keras.models import Model from keras import backend as K input_img

    -1熱度

    1回答

    我需要減少CNN網絡中的通道數量。我的輸入是一個4D對象(樣本,行,列,通道)。通道數量是3,我的訓練輸出只有一個通道。無論如何,在訓練期間在頻道方向做最大限度的彙集? 在此先感謝

    0熱度

    1回答

    我在Keras中與Lstm混淆。 我嘗試將keras代碼映射到LSTM方程。 我在Keras代碼中找到了這個權重參數。 LSTM Keras code 我認爲這是從目前體重和細胞重量的權重。 在LSTM Keras代碼 的調用函數中,我找到了用於計算i,f,c和o項的語句。 calculate I,F,C,O term Lstm in keras 在LSTM方程的第i項中有W_ci * C_t-1

    1熱度

    1回答

    我想建立一個Keras層,其中每個節點只需計算上一層中對應節點的對數。我從Keras文檔中看到它的後端模塊中有一個「日誌」功能。但不知何故,我不知道如何使用它。 在此先感謝您提供的任何提示!

    2熱度

    1回答

    我使用Keras Sequential模型,其中輸入和標籤每次運行完全相同。 Keras正在使用Tensorflow後端。 我在訓練過程中將圖層激活設置爲「零」並禁用批次洗牌。 model = Sequential() model.add(Dense(128, activation='relu', kernel_initializer='zeros',

    1熱度

    1回答

    我正在使用keras爲信號分類建立一個cnn模型。 keras中用於超參數調整和選擇步數和數字過濾器的最佳方法是什麼?