- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
Keras 卷积对于我的网络来说似乎太聪明了 - 我的最终卷积层有 1 个过滤器,而 Keras 似乎正在挤压输出形状以删除过滤器轴。不幸的是,它只在火车时间执行此操作:model.summary()
显示过滤器轴应在的位置。
我需要将过滤器轴上的输出连接到另一个输入,但如果我信任模型摘要,我会收到训练时间错误:ValueError: Error when checking target: expected leaky_re_lu_6 to have 4 dimensions, but got array with shape (5, 112, 112)
。种植Reshape((1,112,112))
LeakyReLU
之后没有帮助。
如果我改用keras.backend.expand_dims(resized_output,1)
为了强制我想要的大小,我收到编译时错误:ValueError: A 'Concatenate' layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, 3, 448, 448), (None, 1, 1, 448, 448)]
model.summary()
的相关部分:
conv2d_6 (Conv2D) (None, 1, 112, 112)
leaky_re_lu_6 (LeakyReLU) (None, 1, 112, 112) conv2d_6[0][0]
conv2d_6[1][0]
full_input (InputLayer) (None, 3, 16, 448, 448)
lambda_1 (Lambda) (None, 3, 448, 448) full_input[0][0]
up_sampling2d_5 (UpSampling2D) (None, 1, 448, 448) leaky_re_lu_6[1][0]
concatenate_1 (Concatenate) (None, 4, 448, 448) lambda_1[0][0]
up_sampling2d_5[0][0]
模型定义片段:
data_format = "channels_first"
C3 = lambda filter_size: Conv3D(
filter_size,
(3, 3, 3),
data_format=data_format,
activation="relu",
padding="same")
def P3(shape=(2, 2, 2)):
return MaxPooling3D(
shape,
data_format=data_format)
C2 = lambda filter_size: Conv2D(
filter_size,
(3,3),
data_format=data_format,
padding="same")
U2 = lambda: UpSampling2D(data_format=data_format)
coarse_architecture = [
# encoder #112, 16
C3(64), P3(), #56 , 8
C3(128), P3(), #28 , 4
C3(256), C3(256), P3(), #14 , 2
C3(512), C3(512), P3(), #7 , 1
# decoder
Reshape((512,7,7)),
C2(256), LeakyReLU(0.001), U2(), #14
C2(128), LeakyReLU(0.001), U2(), #28
C2(64), LeakyReLU(0.001), U2(), #56
C2(32), LeakyReLU(0.001), U2(), #112
C2(16), LeakyReLU(0.001),
C2(1), LeakyReLU(0.001)
]
def coarse_inference(x):
return apply_sequence(coarse_architecture, x)
# Siamese subnetwork
full_input = Input(shape=(3,16,448,448),dtype='float32',name="full_input")
resized_input = Input(shape=(3,16,112,112),dtype='float32',name="resized_input")
cropped_input = Input(shape=(3,16,112,112),dtype='float32',name="cropped_input")
cropped_output = coarse_inference(cropped_input)
resized_output = coarse_inference(resized_input)
# Fine-tuning subnetwork
take_last_frame = Lambda(lambda x: x[:,:,-1,:,:],output_shape = (3,448,448))
last_frame = take_last_frame(full_input)
resized_output = UpSampling2D(size=(4,4),data_format=data_format)(resized_output)
fine_input = concatenate([last_frame,resized_output],axis=1)
fine_output = apply_sequence(fine_architecture, fine_input)
# Build model
model = Model(inputs=[full_input,cropped_input,resized_input],
outputs=[cropped_output,fine_output])
我指定的型号有误吗?我怎样才能克服这种不一致?
最佳答案
通过错误消息:
ValueError: Error when checking TARGET: expected leaky_re_lu_6 to have 4 dimensions, but got array with shape (5, 112, 112)
我们可以看到问题在于y_train
(您的训练输出数据)与模型的输出形状不兼容。
似乎 y_train
应该有一个额外的维度,或者模型的输出(如 leaky_re_lu_6
)应该匹配您当前的 y_train
.
只有我们更好地了解您的数据,才能获得详细信息:)
关于python - Keras 卷积秩与 1 个过滤器不一致,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50353078/
我有兴趣在 tf.keras 中训练一个模型,然后用 keras 加载它。我知道这不是高度建议,但我对使用 tf.keras 来训练模型很感兴趣,因为 tf.keras 更容易构建输入管道 我想利用
我进行了大量搜索,但仍然无法弄清楚如何编写具有多个交互输出的自定义损失函数。 我有一个神经网络定义为: def NeuralNetwork(): inLayer = Input((2,));
我正在阅读一篇名为 Differential Learning Rates 的文章在 Medium 上,想知道这是否可以应用于 Keras。我能够找到在 pytorch 中实现的这项技术。这可以在 K
我正在实现一个神经网络分类器,以打印我正在使用的这个神经网络的损失和准确性: score = model.evaluate(x_test, y_test, verbose=False) model.m
我最近在查看模型摘要时遇到了这个问题。 我想知道,[(None, 16)] 和有什么区别?和 (None, 16) ?为什么输入层有这样的输入形状? 来源:model.summary() can't
我正在尝试使用 Keras 创建自定义损失函数。我想根据输入计算损失函数并预测神经网络的输出。 我尝试在 Keras 中使用 customloss 函数。我认为 y_true 是我们为训练提供的输出,
我有一组样本,每个样本都是一组属性的序列(例如,一个样本可以包含 10 个序列,每个序列具有 5 个属性)。属性的数量总是固定的,但序列的数量(时间戳)可能因样本而异。我想使用这个样本集在 Keras
Keras 在训练集和测试集文件夹中发现了错误数量的类。我有 3 节课,但它一直说有 4 节课。有人可以帮我吗? 这里的代码: cnn = Sequential() cnn.add(Conv2D(32
我想编写一个自定义层,在其中我可以在两次运行之间将变量保存在内存中。例如, class MyLayer(Layer): def __init__(self, out_dim = 51, **kwarg
我添加了一个回调来降低学习速度: keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.5, patience=100,
在 https://keras.io/layers/recurrent/我看到 LSTM 层有一个 kernel和一个 recurrent_kernel .它们的含义是什么?根据我的理解,我们需要 L
问题与标题相同。 我不想打开 Python,而是使用 MacOS 或 Ubuntu。 最佳答案 Python 库作者将版本号放入 .__version__ 。您可以通过在命令行上运行以下命令来打印它:
Keras 文档并不清楚这实际上是什么。我知道我们可以用它来将输入特征空间压缩成更小的空间。但从神经设计的角度来看,这是如何完成的呢?它是一个自动编码器,RBM吗? 最佳答案 据我所知,嵌入层是一个简
我想实现[http://ydwen.github.io/papers/WenECCV16.pdf]中解释的中心损失]在喀拉斯 我开始创建一个具有 2 个输出的网络,例如: inputs = Input
我正在尝试实现多对一模型,其中输入是大小为 的词向量d .我需要输出一个大小为 的向量d 在 LSTM 结束时。 在此 question ,提到使用(对于多对一模型) model = Sequenti
我有不平衡的训练数据集,这就是我构建自定义加权分类交叉熵损失函数的原因。但问题是我的验证集是平衡的,我想使用常规的分类交叉熵损失。那么我可以在 Keras 中为验证集传递不同的损失函数吗?我的意思是用
DL 中的一项常见任务是将输入样本归一化为零均值和单位方差。可以使用如下代码“手动”执行规范化: mean = np.mean(X, axis = 0) std = np.std(X, axis =
我正在尝试学习 Keras 并使用 LSTM 解决分类问题。我希望能够绘制 准确率和损失,并在训练期间更新图。为此,我正在使用 callback function . 由于某种原因,我在回调中收到的准
在 Keras 内置函数中嵌入使用哪种算法?Word2vec?手套?其他? https://keras.io/layers/embeddings/ 最佳答案 简短的回答是都不是。本质上,GloVe 的
我有一个使用 Keras 完全实现的 LSTM RNN,我想使用梯度剪裁,梯度范数限制为 5(我正在尝试复制一篇研究论文)。在实现神经网络方面,我是一个初学者,我将如何实现? 是否只是(我正在使用 r
我是一名优秀的程序员,十分优秀!