回答情况：
提问时间：
问题标签：
2回答
TensorFlow.js版本描述问题或特性请求 metrics: tf.metrics.categoricalCrossentropy,问题是，网络没有学习
浏览 1提问于2019-02-08得票数 0
回答已采纳
1回答
我一直看到LeNet习惯于使用卷积网络？我想知道为什么LeNet被称为LeNet？是什么的缩写吗？LeNet和卷积神经网络有什么区别吗？谢谢!
浏览 0修改于2021-02-16得票数 2
回答已采纳
1回答
我正在读这篇研究论文，下面是引用这篇论文的文章
这些网络的完全连接层具有fi的维度，并丢弃空间坐标。然而，，这些完全连接的层也可以被看作是具有覆盖其整个输入区域的内核的卷积。因为在纸上他们是从原始输入在rgb中创建一个热图，rgb意味着三个通道，但是卷积网络(没有完全连接的层)的结果是有多个通道(高维)，因此有三个1x1核的卷积使它成为rbg图像。
浏览 0修改于2018-09-06得票数 2
1回答
当我构造一个卷积模型时，我在TensorBoard中得到了一个非常奇怪的结果图。如您所见，第二个卷积层不仅获得池层作为输入，而且还获得另一个卷积层。在我看来，根据我的网络研究，这应该是一个直的垂直图，每层只有一个输入和一个输出(除了第一个和最后一个)。
我是不是做错了什么，或者第二个输入是从哪里来的？
浏览 1提问于2017-11-29得票数 1
回答已采纳
2回答
我正在尝试使用TensorFlow构建我自己的完全卷积网络。但是我很难用我自己的图像数据来训练这个模型，而MNIST数据却正常工作。tf.placeholder(tf.float32, shape=[None, 10])卷积层除了第三层卷积层的滤波器大小外，没有与代码不同的地方。此过滤器大小和输入大小由以前的池层压缩，必须具有相同的宽度和高度。这就是为什么这个层的过滤器大小是7,7。
我的模特怎么了？images
浏览 3修改于2017-07-01得票数 0
回答已采纳
2回答
我有一个完全卷积的神经网络，U-网，可以在下面读到。
但是由于我的填充取决于图像/输入的大小，所以我不能建立一个通用的模型(我正在使用火炬)。
在这种情况下，填充物是怎么做的？
浏览 2提问于2016-07-07得票数 0
回答已采纳
1回答
然而，没有关于如何在完全卷积层中计算它的博客或教程，即使用残差块、特征映射级联和上采样层(如特征金字塔网络)。
据我理解，剩余块和跳过连接不会对接收字段有所贡献，因此可以跳过。来自的回答。
浏览 0修改于2019-12-03得票数 1
回答已采纳
1回答
最近我遇到了一篇关于使用反卷积网络进行语义分割的论文：用于语义分割的学习反褶积网络。📷
最终的目标是生成一个概率图。我很难搞清楚如何实现反褶积层。反褶积层将通过使用多个学习滤波器的卷积类运算解池获得的稀疏激活紧密化。然而，与将滤波器窗口内的多个输入激活连接到单个激活的卷积层相反，反卷积层将单个输入激活与多个输出相关联。反卷积层中的学习滤波器对应于重构输入对象形状的基。因此，类似于卷积网络，采用
浏览 0修改于2020-08-13得票数 5
回答已采纳
1回答
我正在尝试使用卷积网络来提取一些特定的时间序列特征。信号包含一些缓慢变化的高振幅和小振幅信号特征(小两个幅度)的分量，我希望我的网络学习这些特征。然而，在卷积层的情况下，第二序列可能更适合于一些平坦滤波器。(也许我的猜测是错的)
有没有什么方法可以从信号中移除恒定分量或缓慢变化的分量，或者我应该在将数据送入网络之前对数据进行预处理？
浏览 1提问于2020-08-12得票数 0
2回答
我正在尝试使用TensorFlow复制用于语义分割的完全卷积网络的结果。
我被困在将训练图像输入到计算图中。全卷积网络使用VOC PASCAL数据集进行训练。然而，数据集中的训练图像具有不同的大小。
浏览 2修改于2016-08-20得票数 6
3回答
我想弄清楚CNN需要多少重量和偏见。这是正确的吗？在使用不同的权重时，是否对每幅图像的深度保持相同的偏差(在本例中为3)？为什么会这样呢？
浏览 0修改于2021-02-16得票数 19
回答已采纳
在AlphaGo性质的论文中，它提到了卷积网络。我对卷积网络的理解就是图像识别的例子。那么，如何应用卷积网络来解决这个问题呢？把董事会转换成19x19的图像，难道不是太过分了吗？
浏览 8修改于2017-01-04得票数 1
回答已采纳
1回答
我目前正在遵循TensorFlow的教程。
W_conv1 = weight_variable(5，5，1，32)
W_conv2 = weight_variable(5、5、32、64)
W_fc1 = weight_variable(7 *7* 64,1024)
W_fc2 = weight_variable(1024，10)
是他们用来为他们寻找形状的数学吗?
浏览 2提问于2016-01-12得票数 7
回答已采纳
我在网络末端实现了1个输入(单通道图像)神经元，3个隐藏层，3个神经元和1个输出神经元，如下图所示：我希望这个网络有输入图像并进行训练，这样它就可以输出图像，如下所示(左:输入，右:输出(所需在网络末端是否有任何额外的、必要的层，以便能够产生所需的输出？有一些解释说明FCN生成热图，并且热图与期望的图像不同，如果这是正确的，如何将每次迭代的输出与期望的(反向传播错误)进行比较？
浏览 0修改于2018-06-19得票数 1
我正在tensorflow中创建一个2 CN层+密集层网络。当我运行过滤器大小为32，内核大小为3 x 3的程序时，我得到了大约97%的准确率。
浏览 8提问于2017-08-27得票数 1
1回答
我正在尝试用Keras训练一个复杂的神经网络来识别关于烹饪的堆栈交换问题的标签。X_test, y_train, y_test = train_test_split(Xd, Yd, test_size=0.33, random_state=42)
现在我正在尝试训练一个Conv1D网络
浏览 0提问于2017-03-20得票数 5
我正在尝试为一个非常大的输入(5*100,000,000)训练一个神经网络，它需要比预期更多的内存。该网络由单个卷积层组成，其中一个滤波器的大小与输入相同，因此它具有500M的权重，即另一个2 2Gb。在前向传递之后，另有2 2Gb被使用。
浏览 1修改于2020-09-05得票数 6
我在Tensorflow中开发了一个自回归时间卷积网络。然而，当我在时间块中添加一个概率层时，它停止了完整批次的学习。在小批量中，损失提高了，准确率也提高了，但测试集中的准确率没有变化。
浏览 14修改于2019-07-13得票数 2
2回答
在一个卷积网(CNN)中，有人回答我，过滤器是随机初始化的。
我不介意，但是，当有梯度下降时，谁在学习呢？特征图还是过滤器？我的直觉是，过滤器在学习，因为它们需要识别复杂的事物。但我想确定一下。
浏览 3修改于2016-12-13得票数 1
回答已采纳
我一直在使用Lasagne训练一些神经网络和卷积网络，并使用Python进行大部分数据/图像预处理。然而，我想将其中的一些整合到我的千层面层中，使我的代码更加灵活。
浏览 2修改于2015-09-17得票数 1
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