Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
求卷积后矩阵大小的公式
如果我的输入大小为 5x5 步长为 1x1 滤波器大小为 3x3 那么我可以在纸上计算出卷积矩阵的最终大小将为 3x3 但是 当输入大小更改为 28x28 或 50x50 时 我如何计算纸上卷积矩阵的大小 有什么公式或技巧可以做到这一点吗
ValueError:没有足够的值来解包(预期为 2,实际为 1)?
def cnn data data x y data shape 1 return data reshape 1 x y 1 我们在下面的代码中介绍这个函数的使用 model fit cnn data self train X np arr
python
convneuralnetwork
如何将 Keras ImageDataGenerator 转换为 Numpy 数组?
我正在研究 CNN 模型 我很好奇如何将 datagen flow from directory 给出的输出转换为凹凸数组 datagen flow from directory 的格式是目录迭代器 除了 ImageDataGenerato
NumPy
tensorflow
Keras
deeplearning
convneuralnetwork
卷积神经网络输出所有标签的相同概率
我目前正在 MNIST 上训练 CNN 随着训练的进行 输出概率 softmax 给出 0 1 0 1 0 1 初始值不统一 所以我不知道我是否在这里做了一些愚蠢的事情 我只训练了15步 只是为了看看训练进展如何 尽管这个数字很低 但我认为
tensorflow
machinelearning
neuralnetwork
convneuralnetwork
MNIST
深度学习中可能/也许的类别
我有兴趣利用我在深度学习任务中拥有的一些部分标记的数据 我使用的是完全卷积方法 而不是从标记区域中采样补丁 我有一些掩模 可以勾勒出图像中明确的正例区域 但图像中未掩模的区域不一定是负的 它们可能是正的 有谁知道如何将此类课程融入深度学习环
machinelearning
neuralnetwork
deeplearning
Keras
convneuralnetwork
使用 CNN 进行二值图像分类 - 选择“负”数据集的最佳实践? [关闭]
Closed 这个问题需要多问focused 目前不接受答案 假设我想训练一个 CNN 来检测图像是否是汽车 选择 Not Car 数据集的最佳实践或方法有哪些 因为这个数据集可能是无限的 基本上是除汽车以外的任何东西 是否有关于数据集需要
使用 keras Convolutional1D Layer 时出现负维度错误
我正在尝试使用 Keras 创建一个 char cnn 那种类型的 cnn 需要你使用Convolutional1D层 但是我尝试将它们添加到模型中的所有方法 都会在创建阶段给我带来错误 这是我的代码 def char cnn n voca
tensorflow
machinelearning
neuralnetwork
Keras
convneuralnetwork
RuntimeError:预期 3 维权重 [64, 512, 1] 的 3 维输入,但得到了大小 [4, 512] 的 2 维输入
你好 下面是我正在尝试运行的 pytorch 模型 但出现错误 我也发布了错误跟踪 除非我添加卷积层 否则它运行得很好 我对深度学习和 Pytorch 还很陌生 如果这是一个愚蠢的问题 我深表歉意 我正在使用 conv1d 那么为什么 co
deeplearning
Pytorch
convneuralnetwork
两个卷积层之间的互连
我有一个关于 CNN 中两个卷积层之间互连的问题 例如假设我有这样的架构 输入 28 28 conv1 3 x 3 滤波器 编号 过滤器数量 16 conv2 3 x 3 滤波器 编号 过滤器数量 32 假设图像尺寸没有减小 经过 conv
deeplearning
convneuralnetwork
如何让keras ImageGenerator正确加载16位图像?
我搜索过类似的问题 但没有找到我想要做的事情的解决方案 我有 16 位灰度图像 我正在尝试将它们放入 keras ImageDataGenerator 中 当使用诸如 flow from dataframe 之类的函数时 它会生成具有相同像
Keras
pythonimaginglibrary
Generator
convneuralnetwork
16bit
CNN 训练准确率在训练期间变得更好,但测试准确率保持在 40% 左右
在过去的几个月里 我使用 Tensorflow 和 Keras 学习了很多关于神经网络的知识 所以我想尝试为 CIFAR10 数据集创建一个模型 代码如下 然而 在训练过程中 准确率变得更好 从 1 个 epoch 后的约 35 到 5 个
python
NumPy
tensorflow
Keras
convneuralnetwork
Keras:如何调整 CNN 和 LSTM 层的输入?
我正在构建一个模型来预测地理空间时间数据集 我的数据具有原始维度 特征 纬度 经度 时间 即对于每个特征以及每个纬度 经度点都有一个时间序列 我已经使用 Keras 创建了一个 CNN LSTM 模型 如下所示 我假设以下内容需要修改 这只
python
Keras
convneuralnetwork
LSTM
卷积中的2D步幅是什么意思?
我知道当步幅只是一个整数时它的含义是什么 通过这一步你应该对图像应用过滤器 但是关于 1 1 或者甚至更多维度的进步 The stride定义滤波器如何沿着输入图像 张量 移动 没有什么可以阻止你沿着不同的轴以不同的方式大步前进 例如 st
machinelearning
deeplearning
convneuralnetwork
Convolution
stride
在 Kaggle 上训练模型时反复收到“清理已调用...”消息。我们怎样才能摆脱这个呢? (使用 Keras 的 CNN 模型)
model compile optimizer adam loss categorical crossentropy metrics accuracy history model fit train data epochs 1 valida
tensorflow
Keras
deeplearning
convneuralnetwork
kaggle
为什么我的模型预测相同的标签?
我正在训练一个小型网络 训练似乎进展顺利 val 损失减少 验证准确度达到 80 左右 一旦没有更多改进 它实际上会停止训练 耐心 10 它训练了 40 个 epoch 然而 它只为每个测试图像预测一个类别 我尝试随机初始化转换层 我添加了
Keras
neuralnetwork
deeplearning
convneuralnetwork
trainingdata
非法指令:运行任何 Tensorflow 程序时出现 4 错误
我正在尝试训练 Tensorflow 卷积神经网络 无论我运行程序的环境如何 我总是会收到一个神秘的错误 在 Jupyter Notebook 中 内核会直接死掉 在终端中 我得到 非法指令 4 没有回溯 在 Pycharm 中 我得到 进
python
tensorflow
pycharm
jupyternotebook
convneuralnetwork
如何修改批量归一化层(DeconvNet)以便能够与 caffe 一起运行?
我想运行反卷积网络在我的数据上 但是它似乎是为另一个版本编写的caffe 有谁知道如何改变batch params Deconvnet 中的那个 layers bottom conv1 1 top conv1 1 name bn1 1 ty
焦点损失实施
In the paper引入焦点损失后 他们指出损失函数的公式如下 Where 我在另一位作者的 Github 页面上找到了它的实现 他在自己的项目中使用了它paper 我在我拥有的分割问题数据集上尝试了该函数 它似乎工作得很好 下面是实现
neuralnetwork
Pytorch
convneuralnetwork
Probability
lossfunction
如何在Conv2D层中使用keras指定填充?
我正在尝试实施AlexNet使用 Keras 并检查 MATLAB 中的网络设计 如下所示 可以看出 第二个卷积层有 256 个大小为 5x5 的滤波器 48 个通道和 2 2 2 2 的填充 我怎样才能指定padding与 Keras 的
python
tensorflow
Keras
ComputerVision
convneuralnetwork
类型错误:无法 pickle _thread.RLock 对象
在检查了 Stackoverflow 上的所有现有答案后 检查点 keras 模型 TypeError 无法 pickle thread lock 对象和这里 类型错误 无法 pickle thread lock 对象 我还没有发现为什么这
python
tensorflow
Keras
convneuralnetwork
pickle
«
1 ...
4
5
6
7
8
9
10
»