问题标签 [convolutional-neural-network]

我刚开始研究 Pascal VOC 分割数据集。但是我很难理解他们在地面标签中使用的颜色编码。我假设每个类的像素将被注释为 1 到 20，但我得到的是具有像素值 (0-255) 的 8 位深 png 图像。

对于属于aeroplanein 类的某个像素2007_000033.png，我得到以下值： (128, 0, 0); 而另一个属于trainin 类的像素2007_000123.png给出值：(128, 0, 192) 等等。

如何将它们区分为不同的类并进行一次性编码？我是否需要为每个类指定像素值（例如使用 (128, 0, 0) 搜索像素并将它们编码为 1 的类aeroplane）？

抱歉，我在 SO 上看到了一些类似的问题，但没有任何帮助。谢谢。

我在 R 中使用 fit_generator 时出错...这是我的代码..`

错误：py_call_impl 中的错误（可调用，dots$args，dots$keywords）：StopIteration：'float' 对象不能解释为整数

如果我放置验证集，它也会有另一个错误 bool(validation_data)。浮动错误..

背景：我将开始训练 CNN 来对数据集进行分类。这个 CNN 必须部署到现实世界的应用程序中。所以通过这个 CNN 的前向传播必须很快。我读过的大多数 CNN 架构都无法在没有 GPU 的情况下运行，并且需要部署大量昂贵的资源。

问题：现在我知道了一种对减小 CNN 架构的大小非常有用的特殊技术：使用三次插值缩小图像（三次插值有助于改善某些图像特征，如边缘）。这有助于减少卷积层的数量以及滤波器的大小，从而大大减少了 CNN 中的整体参数。我想知道是否有其他技术可以使 CNN 更小，以便可以实际部署。

我有时间序列数据通过单独的最后 6 个值输入 72 个值用于测试预测。我想将 CONV1D 与 LSTM 一起使用。

这是我的代码。

当我运行它时显示这样的错误

如何在 lstm 中使用 conv1D

我使用 keras 构建一维卷积 + LSTM。我尝试设置 kernel size = 5 像这个 图像 1D Convoluton。我有所有 72 个值的数据，并分别用于测试集 6 值。它可以将内核设置为 1。如果我将内核设置为另一个大小，则会显示错误。这是我的data.csv文件。

这是我的代码。

当我运行它时显示这样的错误。

代码运行如下：

我的问题：
这段代码的输出是张量 [-1, 23, 23, 20]。填充只允许两个选项“有效”或“相同”，但我正在寻找的输出是 [-1, 24, 24, 20] 否则我的代码会得到ValueError: Dimension size must be evenly divisible by 2880

除了在处理后对其进行整形之外，有没有办法根据需要制作输出？

我想创建一个可以保存图层不同设置的列表，以便以后可以合并，这里是原始代码

正如您所看到的，除了内核大小之外它们都是相同的，所以为了简化代码，我可以创建这样的东西吗？（基本上是一个循环和一个列表）

或者，我的问题可能是，创建 keras 图层列表的最佳方法是什么，以便我以后可以加载所有图层

我在初始基础上用 VGG16 网络构建了一个 Sequential 模型，例如：

我的模型如下所示：

现在，我想获取与我的网络的 vgg16 模型部分关联的层名称。即类似的东西：

但是，由于 vgg16 卷积显示为模型并且它的层没有被暴露，我得到了错误：

ValueError：没有这样的层：block3_conv1

我该怎么做呢？

我正在尝试为一维信号建模 CNN，但我无法理解排名错误。

我的程序是这样的：

• 现在占位符

  x = tf.placeholder(tf.float32,shape=[1,1,200,1])

  y_true = tf.placeholder(tf.float32,shape=[None,6])

在使用我创建第一层时，con_layer_1 = convolution_layer(x,shape=[1,20,1,32])我得到ValueError了我无法调试的排名。错误陈述是：

ValueError: Shape must be rank 4 but is rank 5 for 'conv1d_20/Conv2D' (op: 'Conv2D') with input shapes: [1,1,1,200,1], [1,1,20,1,32].

我正在尝试将 2 个堆叠的字符级 CNN 添加到一个更大的神经网络系统中，但我得到了输入维度的 ValueError。

我想要实现的是通过替换字符（根据大小写，或者是数字或字母）并将它们输入 CNN 来获取输入单词的正字法表示。我知道这可以通过 LSTM/RNN 实现，但要求表明使用 CNN，因此使用另一个 NN 不是可选的。

那里的大多数示例自然使用图像数据集（MNIST 等），而不是文本数据集。所以我很困惑，不知道如何“重塑”字符嵌入，以便它们可以成为 CNN 的有效输入。

所以这是我要运行的代码的一部分：

这是我得到的错误：

任何帮助，将不胜感激。
谢谢。

更新

因此，在阅读了一些博客文章1、2并感谢 vijay m 之后，我了解到我们必须事先提供输入尺寸（与sequence_length使用 RNN/LSTM 提供 s 不同）。所以这是最终的代码片段：