问题标签 [convolutional-neural-network]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
machine-learning - YOLO中如何计算卷积层的输出大小？
这就是 YOLO 的架构。我正在尝试自己计算每一层的输出大小，但我无法获得论文中描述的大小。
例如，在第一个 Conv 层中，输入大小为 448x448，但它使用步长为 2 的 7x7 滤波器，但根据此等式W2=(W1−F+2P)/S+1 = (448 - 7 + 0) /2 + 1，我无法得到整数结果，因此过滤器大小似乎不适合输入大小。
那么任何人都可以解释这个问题吗？我是否遗漏了什么或误解了 YOLO 架构？
python - Tensorflow 估计器：自定义 input_fn 不起作用
我正在阅读 Tensorflow 的示例代码来构建我的第一个 CNN。原始代码运行良好。但是，当我尝试使用自己的输入功能而不是 originaltf.estimator.inputs.numpy_input_fn时，我遇到了问题。
我的代码如下，类似于本教程：
但是，当我运行该代码时，在将以下内容打印到控制台后，Tensorflow 卡住了：
之后，Tensorflow 既没有训练也没有退出，太烦人了。
现在我的猜测是，在每个训练步骤中，它都会调用train_input_fn一次。由于该函数将对整个 MNIST 数据集进行洗牌，因此它可能在计算上效率低下。
为了验证我的想法，我尝试将数据集的大小从 60000 缩小到 100，并且代码运行良好。
那么解决这个问题的方法是什么？如何编写自定义输入函数而不会出现此类问题？我希望有人可以为此提供一些指导。
machine-learning - Conv2D：如何获取每个过滤器的值
我的模型：
我正在运行以下代码来获取权重
它返回一个数组3x3x3x32。它不应该返回 32 个矩阵3x3吗？
python - 为卷积网络的每一层激活层添加可视化 - Keras
我有一个卷积网络（CNN），如下所示。我想为每个层激活层添加可视化，如
CNN 有几层正在执行所需的任务。我只想探测每一层的输出。
代码输出：
我尝试使用以下代码来完成我的任务：
python - 每当训练 CNN 模型时，python 都会崩溃
我真的在寻求你的帮助。
我有 GTX-1070，它是 8vram。我为 cuda 9.0 下载了 tensorflow-gpu、cuda 9.0、cudnn 7.0。
DNN 一切正常。GPU也工作正常。
但是每当我尝试训练任何与图像有关的模型时，它都会崩溃。目前我正在使用 keras 预训练的 VGG16。
我尝试使用较小的批量大小，将图像大小调整为 64x64。当我查看这个过程时，GPU 的使用率为 0%，然后飙升至 100%，然后崩溃。Spyder 说“内核死了，正在重新启动”。
gtx-1070 真的是内存不足还是我遗漏了什么？
谢谢阅读
python-3.x - 如何在 MNIST 数据库中使用反卷积
我是 CNN 的新手，我正在尝试 MNIST 数据库中的反卷积（生成特征图）代码（因为它是初学者最容易学习的代码）。我希望我的模型在最后生成特征图。想法是在一定程度上实现论文Saliency Detection Via Dense Convolution Network 。
这是我尝试运行的完整代码：
函数def GeneratorDeconv(image_size = 28)：我从ProgramCreek Python中挑选的
现在，我很困惑如何将它嵌入到我自己的自定义模型中。直到model.compile(...)程序运行正常。但是在model.fit(...)，它给出了错误：
ValueError：检查输入时出错：预期 input_2 有 2 个维度，但得到了形状为 (60000, 28, 28, 1) 的数组
我不知道如何解决这些问题。请帮忙。
python - Tensorflow：运行变量两次不同的结果
我正在尝试在 tensorflow 中创建一个 CNN 模型，但我无法理解一个问题：
我的模型是一个标准模型 3d 模型，构建在一个名为 convolutional_neural_network 的函数中。
配置为：
其中 self.y_ 是放置标签的占位符。
在某些时候，我正在尝试执行那段代码：
其中 self.keep_prob: 是模型的退出
它应该给出 sam 结果，但它没有：它输出：
验证成本：1.05199，
验证成本：0.115607
谁能给我一些关于正在发生的事情的想法？
谢谢
ps：我已经删除了“优化器”行，但它输出不同的结果
非常感谢
添加：
我的模型如下：
其中 x = tf.placeholder
还要提到 batch_img 和 batch_label 是 numpy 数组。
和：
以及训练过程：
python - 使用 Keras 进行预测
我从帖子中获得的代码中学会了实现图像分类器，它非常有帮助，但我不知道如何预测图像。我尝试过，但它给出了一个值错误。我仍然是初学者
凯拉斯代码：-
我的预测代码：-
错误：-
请告诉我在 Keras 中进行预测的正确方法，以便我可以在不同的测试用例中实现它。
python - 具有图像数据和预提取特征的 CNN 模型
我正在尝试实现一个CNN model将一些图像分类到它们相应的类。图像大小为64x64x3。我的数据集由 25,000 张图像和一个由颜色、长度等CSV组成的文件组成。14 pre-extracted features
我想建立一个CNN模型，利用图像数据和特征进行训练和预测。我怎样才能Python用Keras.实现这样的模型？
machine-learning - CNN 上的词向量抛出输入维度错误
我有一个数据框，其中包含大约 14560 个维度为 400 的词向量。我已将每个向量重塑为 20*20 并使用 1 个通道来应用 CNN，因此维度变为(14560,20,20,1). 当我尝试拟合 CNN 模型时，它会引发错误。
代码：
错误：
检查目标时出错：预期 conv2d_6 有 4 个维度，但得到了形状为 (14560, 1) 的数组。当我将训练数据重塑为 (14560,1,20,20) 时，由于模型接收输入 =(1,20,20) 并且所需的是 (20,20,1)，它仍然会给出错误。
我如何解决它 ？