回答情况：
提问时间：
问题标签：
与所有模型相比，Conv1d表现最好。保存了model_2.save('saved_model/my_model').It的表现最好的模型直到现在都做得很好。www.tensorflow.org/api_docs/python/tf/dtypes "
TypeError: Exception encountered when calling layer "conv1d" (type Conv1D).dtype=float32), row_s
浏览 12修改于2021-11-26得票数 4
我想看看conv1d模块是如何实现的。因此，我看了functional.py，但仍然找不到循环和互相关计算。然后，我按关键字“conv1d 1d”搜索Github，检查了conv.cpp 1，但仍然找不到计算发生的位置。
实现“conv1d”的源代码在哪里？
浏览 0提问于2018-12-26得票数 6
回答已采纳
dataset)Negative dimension size caused by subtracting 2 from 1 for '{{node conv1d/conv1d}} = Conv2D[T=DT_FLOAT, data_format="NHWC", dilations=[1, 1, 1, 1], explicit_paddings=[], padding="VALID", strides=[1, 1, 1, 1], use_c
浏览 2修改于2020-07-16得票数 1
回答已采纳
我有以下code：x = Conv1D(FILTERS, KERNEL, activation='relu')(x)x = Conv1D(FILTERS, KERNEL, activation='relu')(x) x = Conv1D(FILTERS, KERNEL, acti
浏览 1修改于2018-07-26得票数 0
回答已采纳
image_input, include_top=True,weights='imagenet')fc7 = model.get_layer('fc2').output# flat= Flatten()(conv1d</e
浏览 1修改于2020-03-19得票数 1
回答已采纳
1回答
model = Sequential()model.add(MaxPooling1D(pool_size=(1)))model.add(Conv1D(filters=32, kernel_size=(1), activation='relu'))
model.add(MaxPooling1D(pool
浏览 28提问于2020-06-18得票数 0
我已经使用几个Conv1D层创建并训练了神经网络。我的输入尺寸是125x3。我对每个Conv1D层使用相同的内核大小。我尝试了几种内核大小2、5、25、50甚至125，我使用的是“相同的”填充。内核大小为126，大于输入大小的架构示例：out1 = Conv1D(20,126,padding='same',activation='relu')(inputs)
out1=Batc
浏览 0提问于2020-10-10得票数 0
outputs, batch_size=1,这是我的模型结构：model.add( use_bias=True,)model.add(ValueError: Negative dimension size caused by subtracting
浏览 0提问于2020-08-18得票数 0
2回答
我有这样的代码可以很好的工作。x = tf.random.normal(input_shape)print(y.shape)
让我们来制作标签然后是模型和编译器。
m = tf.keras
浏览 3提问于2021-03-17得票数 0
import kerasfrom keras.layers import Conv1Dmodel.add(Conv1D(150,kernel_size=3,input_shape(19470,1945),activation
浏览 0修改于2018-04-06得票数 1
我试图使用一维卷积来分类一组时间信号。我需要分类的每一个数据单元都由65个不同的时间序列组成，每个时间序列包含50个时间样本，所以如果我写：a,b = dataset[1]我会得到：[56,50]。self.c1 = nn.Conv1d(in_channels=56 , out_channels=100 , kernel_size=ks1)
但是，当我运行批处理大
浏览 17修改于2021-12-20得票数 1
在带有Keras的序贯神经网络中，使用Conv1D作为输入层是有困难的。这是我的代码：from keras.layers.convolutional import Conv1D from keras.optimizers import Adam
conv1d = Conv1D(input_shape=(None, 16), kernel_size=2, filters=2)
浏览 0提问于2018-07-04得票数 2
1回答
我对Conv1D产生的输出形状有点困惑。考虑我使用的代码如下(为了清晰起见，省略了很多代码)：# (7425, 24, 1)
model.add(Conv1D(filters
浏览 0提问于2021-08-08得票数 3
我已经用keras为Conv1D写了一个结构。我想合并相同形状的6个不同的输入。我当前的代码如下：model1.add(Conv1D(64, 2, activation='relu', input_shape=input_shape))model1.add(MaxPooling1D(2))
model1.add(Dro
浏览 19提问于2018-08-15得票数 0
回答已采纳
1回答
模型应该如下所示：model.add(Conv1D(filters=64, kernel_size=5 activation='relu',input_shape
浏览 0提问于2018-04-17得票数 2
回答已采纳
5回答
的数组
import numpyfrom keras.layers.convolutional import Conv1D",")Y_test = datasetTraining[:,0]
model.add(Conv1D
浏览 11修改于2021-10-19得票数 67
回答已采纳
2回答
有人能向我解释当一个角星Conv1D层被输入到2D时会发生什么吗？例如：model.add(Conv1D(input_shape=(9000,2),kernel_size=200,strides=1,filters=20))
在
浏览 3修改于2017-03-29得票数 6
回答已采纳
因此，我编写了以下Keras代码：model.add(Conv1D(filters=n_hidden_1, kernel_size=3, activation='sigmoid', model.add(Conv1D(filters=n_hidden_2, kernel_size/conv1d}}
= Conv2D[T=DT_FLOAT, data_format="NHWC&q
浏览 3修改于2021-09-18得票数 0
回答已采纳
所以我对conv1D的输入张量是6,512,768。input = torch.randn(6, 512, 768) 我假设"in_channels“是conv1D层的嵌入维度。如果是这样，那么conv1D层将以这样的方式定义out_channels = 100 (arbitrary number如果是这样，那么c
浏览 3修改于2020-11-28得票数 7
回答已采纳
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