回答情况：
提问时间：
问题标签：
我正在做笔迹检测用角和坦索弗洛。我已经准备好模型，并使用hdf5文件。当我试图使用tensorflow服务提供服务时，我得到以下错误： [[{{node conv2d_1/convolution}} = Conv2D[T=DT_FLOAT,
浏览 1修改于2018-09-19得票数 5
我对分组卷积的理解或者，我们可以将输入分成n个组。例如，让我们假设是n=2。然后用64/n = 32滤波器将每个输入传递给不同的卷积层，得到两个形状为[100,100,32]的输出。这两个输入比级联通道明智地得到一个形状为[100,10
浏览 0修改于2021-07-19得票数 0
1回答
type: "ReLU" top: "conv2"Caffe中的层定义可能看起来很复杂，但它只需要一个维度的图像( 1280x1280x3 )将其传递到卷积层，然后max将其集合并传递给最终的卷积层。问题是Keras的最后卷积层与Caffe中的最后卷积层在三维上具有不同的值。见下文。
浏览 1修改于2019-02-10得票数 4
回答已采纳
1回答
我正试图在非常大的图像(10kx10k像素)上使用Pytorch分组Conv2d操作符。我得到了一个RuntimeError:在网络中应用分组卷积时，偏移量太大了。有人知道怎么绕过这事吗？
浏览 2提问于2019-11-28得票数 0
2回答
我试图在Tensorflow中改进我的ResNeXt实现的性能。David提到了与相比的潜在改进。我想把这个应用到我的实现中-- reshape+sum是如何适应这个的？# see also https://arxiv.org/pdf/1611.05431.pdf x = tf.layers.conv2d(x, filters=64, kernel_size=1, strides=strides)
x = tf.layers.batch_normali
浏览 0修改于2018-03-01得票数 2
回答已采纳
我做了一个神经网络机器学习彩色图像(3通道)。它起了作用，但现在我想试着用灰度来看我是否能提高精确度。以下是代码： rescale=1. / 255, zoom_range=0.2, trai
浏览 10修改于2022-07-27得票数 0
回答已采纳
当我去训练模型时，我会得到一个错误，如下所示函数调用堆栈: train_functionimport numpy as np
import tensorflow as tf
浏览 2修改于2020-11-18得票数 1
我正试图建立一个CNN模型来识别使用杜柏林的人类素描。我下载了png压缩文件，将数据导入Google，然后将数据拆分到火车测试文件夹中。以下是模型： tf.keras.layers.Conv2D(filters = 64, kernel_size = (5,5),padding = 'Same', tf.keras.layers.Conv2D(
浏览 12提问于2020-05-14得票数 13
回答已采纳
在alexnet中，group用于将卷积核(连接上一层和当前层)的参数强制分组为k个部分，tensorlayer中是否有简单的分组实现？
浏览 1修改于2017-04-24得票数 2
组卷积在Keras中可用，使用代码如下：
然而，对于我的特定应用，我要求在训练期间，组卷积中的每个组具有相同的权重。例如，如果我有一个形状为8x8x32的张量，并且我想要groups = 2和filter_size=3x3，那么normal group卷积将使用两个3x3x16张量来卷积8x8x32的前半部分和8x8x32我可以通过摆脱我的组卷积框架并将我的8x8x32张量拆分为两个8x8x16张量，然后通过单个未分组的3x3x16卷积来运行它们。但是，由于不使用组<e
浏览 0提问于2020-04-15得票数 3
有一个科学文件，实现了一个卷积神经网络分类3种不同类型的数据，尽管如何准确，是我所不知道的。这一部分描述了我们的神经网络的结构，如图3所示。截图由三个卷积层处理(前两层由BVLC AlexNet的预训练权值初始化)。TextMaps被处理为一个卷积层，内核大小为1 \times 1，因此它的特征捕获了各种单词的组合。然后将这两个层连接起来，由最终的卷积层处理。我们的网络究竟意味着什么，上面有三种输入？卷积神经网络是否有可能以不同的方式传递不同的输入？简单地说，我是否可
浏览 0修改于2021-02-12得票数 2
回答已采纳
1回答
我正在尝试开发一个反卷积层(确切地说，是一个转置卷积层)。
在前传中，我在后传做完全卷积(零填充卷积)，做有效卷积(无填充卷积)，将误差传递给前一层。问题是我不知道如何更新卷积滤波器的权重。梯度是多少？我肯定这是一个卷积运算，但我不知道怎么做。我试着用误差对输入进行有效的卷积，但没有结果。
浏览 3修改于2017-02-21得票数 8
s.0.0.权重“、”encoder.卷积s.0.0.偏向“、”encoder.卷积s.0.1.权重“、”encoder.卷积s.0.1.偏向“、"encoder.convolutions.0.1.running_mean、"encoder.convolutions.1.1.running_var”、“encoder.卷积s.2.0.权重”、“Encoder.卷积s.2.0.偏倚”、“encoder.卷积s.2.1偏倚”“、"postnet.convolut
浏览 4修改于2022-06-27得票数 1
2回答
我想把小矩阵和大矩阵进行卷积。例如，蓝色区域是我希望用于卷积的部分。换句话说，我可以对所有图像使用卷积，但由于CPU时间增加了，因此，我想只关注所需的蓝色部分。
浏览 0提问于2013-01-29得票数 3
回答已采纳
在深卷积网络中，经过训练得到稀疏卷积核。我想知道如何保存卷积核，使tensorflow知道内核是稀疏的？
我看过一些报纸。本文提出了稀疏卷积比传统卷积更有效的计算方法。但是，tf.nn.conv2d并不表示它将比密集卷积核更快地用稀疏卷积核进行计算。如何从稀疏的内核中获得优势？
浏览 4提问于2017-05-25得票数 2
回答已采纳
已知卷积具有结合性质：(A*B)*C=A*(B*C)，其中(*)表示卷积算子。在keras中，执行2D卷积+ 2D平均池(使用strides=(2,2))比仅使用strides=(1,1)执行一次卷积开销更低。我认为这是可能的，应用结合属性，首先做内核B和C的卷积，但我试图通过A*(B*C)而不是(A*B)*C来实现相同的结果，其中A是图像输入，B和C是内核，但结果与keras不同。确实有可能首先卷积内核，K=B*C，最后将输入卷积成K: A*K？
浏览 0提问于2020-06-19得票数 0
问题是:卷积神经网络结构是一个连续的函数吗？所谓卷积，我指的是只由卷积层构成的。凭直觉，我会说是的，因为据我所知，卷积的运算是连续的，但我有遗漏什么吗？另外，有没有人知道转置卷积也是这样？
浏览 4提问于2021-11-15得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号