keras-layer

1熱度

1回答

我想使用RStudio的Keras界面使神經網絡訓練可重現。在R腳本中設置種子（set.seed(42)）似乎不起作用。是否可以將種子作爲參數傳遞給layer_dense()？我可以選擇RandomUniform作爲初始值設定項，但我很難通過種子參數傳遞它。以下行引發錯誤： model %>% layer_dense(units = 12, activation = 'relu', input_s

3熱度

1回答

時間分佈（密集）與密集在Keras - 相同數量的參數

我正在建立一個模型，使用週期圖層（GRUs）將字符串轉換爲另一個字符串。我已經嘗試了密集型和時間分佈（密集）層作爲最後一層，但我不明白使用return_sequences = True時兩者之間的差異，特別是因爲它們看起來具有相同數量的參數。我的簡化模型如下： InputSize = 15 MaxLen = 64 HiddenSize = 16 inputs = keras.layers

2熱度

1回答

如何用Keras中的任意內核初始化卷積層？

我想通過在Keras中沒有定義的特定內核初始化卷積層。舉例來說，如果我定義瞭如下函數來初始化內核： def init_f(shape): ker=np.zeros((shape,shape)) ker[int(np.floor(shape/2)),int(np.floor(shape/2))]=1 return ker 而且卷積層設計如下： model.ad

4熱度

1回答

在Keras中使用批量標準化的雙向LSTM

我想知道如何在Keras中使用批量標準化（BN）實現biLSTM。我知道BN層應該處於線性和非線性之間，即激活。這很容易與CNN或密集層實現。但是，如何用biLSTM做到這一點？在此先感謝。

3熱度

1回答

Keras輸入層和Tensorflow佔位符之間的區別

我希望有人能夠解釋Keras中的輸入層和Tensorflow中的佔位符之間的區別（如果有的話）？我調查的越多，兩者似乎越相似，但我至今沒有100％的說服力。這裏是我所贊成要求的觀察到，輸入層和tf佔位符是相同的：） 1）張量從keras.Input（返回可用於像在一個佔位符tf.Session的運行方法的feed_dict。下面是使用Keras，其將兩個張量（a和b）並連接的結果與第三張量（C

2熱度

1回答

Keras - 合併圖層 - Keras 2.0

我正在嘗試合併兩個網絡。我可以通過執行以下操作做到這一點： merged = Merge([CNN_Model, RNN_Model], mode='concat') 但我得到一個警告： merged = Merge([CNN_Model, RNN_Model], mode='concat') __main__:1: UserWarning: The `Merge` layer is dep

1熱度

2回答

Keras：將前一層的一部分送到下一層，在CNN中

我想將前一層的各個內核輸出饋入一個新的轉換過濾器，以獲得下一層。爲此，我嘗試通過Conv2D傳遞每個內核輸出，並通過索引來調用它們。我使用的功能是： def modification(weights_path=None, classes=2): ########### ## Input ## ########### ### 224x224x3 sized

0熱度

1回答

添加具有不同尺寸輸入和輸出的Keras Lambda圖層時的廣播問題

我已經搜索並發現了類似的問題，但沒有一個看起來與我面臨的問題相同。我正在嘗試使用Theano後端實現一個Keras神經網絡（兩者都是最新的），它涉及一個採用圖層的一維輸出的Lambda圖層，並將它轉換爲一個n維向量， d輸出重複n次。我似乎運行到的問題是，在拉姆達層Keras似乎是期待的是，輸入具有相同的尺寸作爲輸出形狀我指定： x=Input(shape=(2,)) V1=Dense(1)(

2熱度

1回答

Keras是否計算凍結層的梯度？

我使用具有tensorflow後端的Keras。 Will Keras仍然會計算我設置的圖層的梯度trainable = False？當我修復大部分圖層時，我沒有觀察到深度網絡（如Resnet-50）的加速。看起來梯度仍然是爲固定層計算的，但它們的值是乘以0.任何人都可以肯定地告訴我這是真的嗎？這是一個小網絡的例子，我修復了第一層。 import numpy as np import ker

1熱度

1回答

如何在keras中使用lambda層？

我想要定義lambda層以將特徵與叉積組合，然後合併這些模型，就像圖。，我該怎麼辦？測試model_1，得到128個尺寸形成密集，使用pywt得到兩個64維特徵（cA,cD），然後返回CA *的cD //我當然希望兩個模型結合起來，但第一次嘗試model_1。 from keras.models import Sequential,Model from keras.layers import