Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
预训练 inception v3 模型的层名称(tensorflow)[重复]
这个问题在这里已经有答案了 任务是获取a的每层输出预训练的 cnn inceptionv3 https www tensorflow org versions master tutorials image recognition index
python
machinelearning
ComputerVision
tensorflow
convneuralnetwork
如何使用 pytorch 同时迭代两个数据加载器?
我正在尝试实现一个接收两张图像的暹罗网络 我加载这些图像并创建两个单独的数据加载器 在我的循环中 我想同时遍历两个数据加载器 以便我可以在两个图像上训练网络 for i data in enumerate zip dataloaders1
python
machinelearning
zip
convneuralnetwork
Pytorch
keras 层教程和示例
我正在尝试编码和学习不同的神经网络模型 我对输入维度有很多复杂性 我正在寻找一些教程 显示层的差异以及如何设置每个层的输入和输出 Keras 文档 https keras io layers core 向您展示所有input shape每层
python
neuralnetwork
Keras
convneuralnetwork
keraslayer
如何创建 Keras 层来执行 4D 卷积 (Conv4D)?
看起来tf nn convolution应该能够进行 4D 卷积 但我无法成功创建 Keras 层来使用此函数 我尝试过使用 KerasLambda层来包裹tf nn convolution功能 但也许其他人有更好的主意 我想利用数据的高维
tensorflow
Keras
convneuralnetwork
Convolution
Keras 获取中间层的输出
what my model looks like defining the model archictecture model Sequential 1st conv layer model add Conv2D 32 5 5 activa
tensorflow
neuralnetwork
Keras
convneuralnetwork
验证准确性非常好,但预测很差
我正在构建一个 keras 模型来对猫和狗进行分类 我使用具有瓶颈特征的迁移学习和 vgg 模型的微调 现在我得到了非常好的验证准确率 例如 97 但是当我进行预测时 我得到了关于分类报告和混淆矩阵的非常糟糕的结果 可能是什么问题呢 这是微
Keras
convneuralnetwork
使用两个图像的平方差作为张量流中的损失函数
我正在尝试使用两个图像之间的 SSD 作为我的网络的损失函数 h fc2 is my output layer y is my label image ssd tf reduce sum tf square y h fc2 train st
tensorflow
convneuralnetwork
从 keras 模型中将特征提取到数据集中
我使用以下代码 由here https github com keras team keras blob master examples mnist cnn py 运行 CNN 来训练 MNIST 图像 from future import
python
tensorflow
machinelearning
Keras
convneuralnetwork
您必须为 MNIST 数据集的占位符张量“Placeholder”提供一个值,dtype float 和 shape [?,784]
这是我在 MNIST 数据集上测试量化的示例 我正在使用以下代码测试我的模型 import tensorflow as tf from tensorflow examples tutorials mnist import input dat
tensorflow
convneuralnetwork
placeholder
MNIST
quantization
可重用的 Tensorflow 卷积网络
我想重用来自Tensorflow 专业人士的 MNIST CNN 示例 http www tensorflow org tutorials mnist pros index md 我的图像尺寸为 388px X 191px 只有 2 个输出
python
neuralnetwork
Convolution
tensorflow
convneuralnetwork
实例标准化与批量标准化
据我所知 批量归一化通过将激活转向单位高斯分布来帮助加快训练速度 从而解决梯度消失问题 批量归一化行为在训练 使用每个批次的平均值 var 和测试时间 使用训练阶段的最终运行平均值 var 时应用不同 另一方面 实例归一化充当本文提到的对比
3D 卷积神经网络输入形状
我在使用 3D CNN 提供数据时遇到问题Keras http keras io和 Python 对 3D 形状进行分类 我有一个文件夹 其中包含一些 JSON 格式的模型 我将这些模型读入 Numpy 数组 模型为 25 25 25 表示
python
NumPy
tensorflow
Keras
convneuralnetwork
在 Tensorflow 中运行 CNN 时训练和测试的奇怪值
我一直在尝试使用自己的数据来训练和评估卷积神经网络 其中包含 200 个训练图像和 20 个测试图像 我的完整脚本在这里 在 Tensorflow 中使用我自己的数据运行卷积网络时出错 https stackoverflow com que
tensorflow
jupyternotebook
convneuralnetwork
检查输入时出错:预期 conv2d_1_input 有 4 个维度,但得到形状为 (800, 1000) 的数组
我正在尝试使用 CNN 进行情感分析 我的代码我的数据具有 1000 1000 形状 当我将数据传递给 convolution2D 时 它会抛出一个错误 我无法解决 我尝试了以下解决方案 但仍然面临问题 在构建 CNN 时 我收到 Kera
Tensorflow Inception 多 GPU 训练损失未求和?
我正在尝试检查多个 GPU 在一台机器上 的 Tensorflow 初始代码 我很困惑 因为据我所知 我们从不同的塔 又名 GPU 中得到了多次损失 但是loss评估的变量似乎只是最后一个塔的变量 而不是所有塔的损失之和 for step
neuralnetwork
tensorflow
convneuralnetwork
Keras TimeDistributed Conv1D 错误
这是我的代码 cnn input Input shape cnn max length emb output Embedding num chars 1 output dim 32 input length cnn max length t
Keras
convneuralnetwork
keraslayer
keras2
现代 CNN(卷积神经网络)作为 DetectNet 旋转不变吗?
众所周知 用于目标检测的 nVidia DetectNet CNN 卷积神经网络 基于 Yolo DenseBox 的方法 https devblogs nvidia com parallelforall deep learning obj
如何计算 CNN 第一个线性层的维度
目前 我正在使用 CNN 其中附加了一个完全连接的层 并且我正在使用尺寸为 32x32 的 3 通道图像 我想知道是否有一个一致的公式可以用来计算第一个线性层的输入尺寸和最后一个卷积 最大池层的输入 我希望能够计算第一个线性层的尺寸 仅给出
python
neuralnetwork
Pytorch
convneuralnetwork
dimensions
CNN 模型分类错误:logits 和标签必须可广播:logits_size=[32,10] labels_size=[32,13]
这里我尝试在图像分类上运行 CNN 模型 这是批量大小和 13 个标签 Image batch shape 32 32 32 3 Label batch shape 32 13 Watch Back Watch Chargers Watch
python
tensorflow
Keras
convneuralnetwork
重塑图像数组时感到困惑
目前我正在尝试运行 ConvNet 随后将输入神经网络的每张图像都存储为列表 但目前该列表是使用三个 for 循环创建的 看一看 im Image open os path join p input directory item pix i
python
convneuralnetwork
NumPy
1
2
3
4
5
6
...9
»