conv-neural-network相关内容

二维卷积作为矩阵-矩阵乘法

我知道，在一维情况下，两个向量之间的卷积，a 和 b，可以计算为 conv(a, b)，也可以作为T_a和b的乘积，其中T_a是a对应的托普利兹矩阵代码>. 是否可以将这个想法扩展到 2D? 给定 a = [5 1 3;1 1 2;2 1 3] 和 b=[4 3;1 2]，是否可以将a转换成Toeplitz矩阵并计算T_a和b之间的矩阵乘积和一维情况一样? 解决方案 是的，这是 ..

发布时间：2021-12-27 16:49:21 neural-network deep-learning conv-neural-network matrix-multiplication convolution 其他开发

带有 padding='SAME' 的 Tensorflow/Keras Conv2D 层的行为很奇怪

我的问题: 我进行的一项简单实验表明，在 Keras/TF 的 conv2d 层中使用 padding='SAME' 与使用带有前面的零填充层. 这怎么可能? Keras/TF 是否在张量周围对称地填充零? 实验说明 - 如果您有兴趣进一步阅读: 我使用 onnx2keras 包将我的 Pytorch 模型转换为 keras/TF. 当onnx2keras 遇到带有 ..

发布时间：2021-12-19 13:11:39 tensorflow keras conv-neural-network zero-padding 其他开发

为什么 fit_generator 的准确性与 Keras 中的evaluate_generator 的准确性不同?

我的工作: 我正在使用 Keras fit_generator() 训练一个预训练的 CNN.这会在每个 epoch 之后产生评估指标(loss, acc, val_loss, val_acc).训练模型后，我使用 evaluate_generator() 生成评估指标(loss, acc). 我的期望: 如果我为一个时期训练模型，我希望使用 fit_generator() 和 ..

发布时间：2021-12-19 13:02:33 python tensorflow machine-learning keras conv-neural-network AI人工智能

Keras 函数式 API:将 CNN 模型与 RNN 结合以查看图像序列

所以我被一个关于如何在 Keras 中结合 CNN 和 RNN 的问题所困扰.在发布问题时，有人指出我这是解决问题的正确方法.显然我只是忽略了原始代码中的一些东西，这让我回答了我自己的问题. 原问题如下: 如何在 Keras 中创建一个模型，将图像序列作为输入，让 CNN“查看"每个单独的图像，并将 CNN 输出的序列输入到 RNN 中? 为了更清楚: 模型一:查看单个图像 ..

发布时间：2021-12-19 13:00:35 keras time-series conv-neural-network recurrent-neural-network 其他开发

未启用急切执行时，张量对象不可迭代.要迭代这个张量使用 tf.map_fn

我正在尝试创建自己的损失函数: def custom_mse(y_true, y_pred):tmp = 10000000000a = list(itertools.permutations(y_pred))对于范围内的 i (0, len(a)):t = K.mean(K.square(a[i] - y_true), 轴=-1)如果t＜时间:tmp = t返回 tmp 它应该创建预测向量的排 ..

发布时间：2021-12-19 12:59:47 python neural-network keras artificial-intelligence conv-neural-network AI人工智能

哪些参数应该用于提前停止?

我正在使用 Keras 为我的项目训练神经网络.Keras 提供了提前停止的功能.我可以知道应该观察哪些参数才能通过使用提前停止来避免我的神经网络过度拟合吗? 解决方案 提前停止基本上是在您的损失开始增加时停止训练(或者换句话说，验证准确性开始下降).根据文档，其用法如下； keras.callbacks.EarlyStopping(monitor='val_loss',min_de ..

发布时间：2021-12-19 12:46:55 python keras deep-learning conv-neural-network Python

混淆矩阵给出了糟糕的结果，但验证准确度约为 95%

这是我的代码，我有大约 5000 张训练图像和大约 532 张测试数据.我的 Val_accuracy 显示为 95%，但是当我创建混淆矩阵和分类报告时，它在验证/测试集上给出了非常差的结果，在 532 张图像中它预测 314 个正确(TP).我认为问题在于设置 batch_size 和其他超参数.请帮助，这是我的研究论文.请帮忙，我被卡住了！ 导入操作系统将 numpy 导入为 np导入 ma ..

发布时间：2021-12-19 12:46:27 python tensorflow keras deep-learning conv-neural-network Python

keras 中一维卷积网络的输入维度

真的很难理解 keras 中卷积 1d layer 的输入维度: 输入形状 具有形状的 3D 张量:(样本、步骤、input_dim). 输出形状 具有形状的 3D 张量:(样本、new_steps、nb_filter).由于填充，steps 值可能已更改. 我希望我的网络接收价格的时间序列(按顺序为 101)并输出 4 个概率.我当前的非卷积网络在这方面做得相当好( ..

发布时间：2021-12-19 12:22:47 python neural-network theano conv-neural-network keras Python

在 Keras 中合并 2 个序列模型

我试图在 keras 中合并 2 个顺序模型.代码如下: model1 = Sequential(layers=[# 输入层和卷积层Conv1D(128, kernel_size=12, strides=4, padding='valid', activation='relu', input_shape=input_shape),MaxPooling1D(pool_size=6),Conv1D( ..

发布时间：2021-12-14 09:53:45 python machine-learning neural-network keras conv-neural-network AI人工智能

“运行时错误:4 维权重 32 3 3 的预期 4 维输入，但得到大小为 [3, 224, 224] 的 3 维输入"?

我正在尝试使用预先训练的模型.问题就在这里 模型不是应该接收简单的彩色图像吗?为什么它期望一个 4 维输入? RuntimeError Traceback(最后一次调用)在 ()3334 # 通过模型正向传递数据--->35 输出 = 模型(数据)36 init_pred = output.max(1, keep ..

发布时间：2021-12-14 09:42:51 python machine-learning pytorch computer-vision conv-neural-network AI人工智能

为什么对于 Keras 中的多类分类，binary_crossentropy 比 categorical_crossentropy 更准确?

我正在学习如何使用 Keras 创建卷积神经网络.我正在尝试获得 MNIST 数据集的高精度. 显然 categorical_crossentropy 用于 2 个以上的类，而 binary_crossentropy 用于 2 个类.由于有 10 个数字，我应该使用 categorical_crossentropy.然而，在训练和测试数十个模型后，binary_crossentropy 始终 ..

发布时间：2021-12-14 09:42:02 machine-learning keras neural-network deep-learning conv-neural-network AI人工智能

如何根据损失值告诉 Keras 停止训练?

目前我使用以下代码: 回调 = [EarlyStopping(monitor='val_loss', 耐心=2, 详细=0),模型检查点(kfold_weights_path，monitor='val_loss'，save_best_only=True，verbose=0)，]model.fit(X_train.astype('float32'), Y_train, batch_size=bat ..

发布时间：2021-12-14 09:37:35 python machine-learning neural-network conv-neural-network keras AI人工智能

如何从 train.prototxt 创建 caffe.deploy

这是我的train.prototxt.这是我的 deploy.prototxt. 当我想加载我的部署文件时，出现此错误: 文件“./python/caffe/classifier.py"，第 29 行，在 __init__ 中in_ = self.inputs[0]IndexError:列表索引超出范围 所以，我删除了数据层: F1117 23:16:09.485153 21910 i ..

发布时间：2021-12-14 09:28:58 machine-learning neural-network deep-learning conv-neural-network caffe AI人工智能

咖啡 |solver.prototxt 值设置策略

在 Caffe 上，我正在尝试实现一个用于语义分割的全卷积网络.我想知道是否有特定的策略来为以下超参数设置 'solver.prototxt' 值: test_iter test_interval iter_size max_iter 这是否取决于训练集的图像数量?如果是这样，如何? 解决方案 为了以有意义的方式设置这些值，您需要更多关于数据的信息: 1.训练集大小 ..

发布时间：2021-12-14 09:16:29 machine-learning neural-network deep-learning caffe conv-neural-network AI人工智能

为什么 binary_crossentropy 和 categorical_crossentropy 对同一问题给出不同的表现?

我正在尝试训练 CNN 按主题对文本进行分类.当我使用二元交叉熵时，我的准确度约为 80%，使用分类交叉熵时，我的准确度约为 50%. 我不明白这是为什么.这是一个多类问题，这不是说我必须使用分类交叉熵，而使用二元交叉熵的结果毫无意义吗? model.add(embedding_layer)模型.添加(辍学(0.25))# 卷积层model.add(Conv1D(nb_filter=32, ..

发布时间：2021-12-14 09:09:27 machine-learning keras neural-network deep-learning conv-neural-network AI人工智能

U-net 低对比度测试图像，预测输出为灰框

我从 https://github.com/zhixuhao/unet 运行 unet，但是当我运行 unet 预测的图像都是灰色的.我收到一条错误消息，说我的测试数据的图像对比度低，有人解决或解决了这个问题吗? 我正在用 50 张超声图像进行训练，并在增强后得到大约 2000/3000，在 5 个时期，每个时期 300 步，批次大小为 2. 非常感谢海伦娜 解决方案 在您 ..

发布时间：2021-12-09 22:56:21 python tensorflow keras conv-neural-network image-segmentation Python

“张量"对象没有属性“较低"

我正在用 14 个新类对 MobileNet 进行微调.当我通过以下方式添加新图层时: x=mobile.layers[-6].outputx=展平(x)预测 = Dense(14, activation='softmax')(x)模型 = 模型(输入=mobile.input，输出=预测) 我收到错误: 'Tensor' 对象没有属性 'lower' 还使用: model.compil ..

发布时间：2021-12-09 22:43:16 python tensorflow machine-learning keras conv-neural-network AI人工智能

如何在训练有素的网络上实施 Grad-CAM

我已经训练了一个网络，并以 mynetwork.model 的形式保存了它.我想使用我自己的模型而不是 VGG16 或 ResNet 等应用 gradcam. apply_gradcam.py # 导入必要的包从 Grad_CAM.gradcam 导入 GradCAM从 tensorflow.keras.applications 导入 ResNet50从 tensorflow.keras. ..

发布时间：2021-12-09 22:29:25 python tensorflow keras deep-learning conv-neural-network Python

Keras ValueError:输入 0 与层 conv2d_1 不兼容:预期 ndim=4，发现 ndim=5

我已经检查了所有解决方案，但仍然面临同样的错误.我的训练图像形状是 (26721, 32, 32, 1)，我相信它是 4 维，但我不知道为什么错误显示它是 5 维. 模型 = Sequential()model.add(Convolution2D(16, 5, 5, border_mode='same', input_shape= input_shape )) 所以这就是我定义 model. ..

发布时间：2021-12-09 22:25:40 python tensorflow deep-learning keras conv-neural-network Python

批量标准化和辍学的顺序?

最初的问题是专门针对 TensorFlow 实现的.但是，答案是针对一般实现的.这个通用答案也是 TensorFlow 的正确答案. 在 TensorFlow 中使用批量归一化和 dropout 时(特别是使用 contrib.layers)时，我需要担心排序吗? 如果我使用 dropout 后立即进行批量标准化，似乎可能会出现问题.例如，如果批量归一化的转变训练到训练输出的较大尺度数 ..

发布时间：2021-12-09 22:23:11 python neural-network tensorflow conv-neural-network Python