问题标签 [max-pooling]

最近我使用 pytorch 训练了一个神经网络，其中有一个带有填充的平均池化层。我对它的行为以及带填充的平均池的定义感到困惑。

例如，如果我们有一个输入张量：

当填充为 1 且内​​核大小为 3 时，第一个内核的输入应为：

pytorch 的输出是 12/4 = 3（忽略填充的 0），但我认为应该是 12/9 = 1.333

谁能给我解释一下？

非常感激。

我试图用 建立一个 LSTM 模型return_sequences=True，即我想得到 LSTM 单元的所有输出，但是当我用 函数对顺序数据进行预处理时Masking()，发生了错误。任何申请都值得赞赏:)

这是我构建 LSTM 模型的代码，

这是错误消息，

我必须在 CNN 模型中添加一个 k-max 池化层来检测虚假评论。请让我知道如何使用 keras 实现它。

我搜索了互联网，但没有找到好的资源。

我正在尝试重新创建这种架构。

该模型具有嵌入和 LSTM 层，然后是池化层。

我被困在如何汇集多个 LSTM 输出。（不是汇集时间序列）。

例如，如果 LSTM 输入序列是：

Start1 - A - B - C - End1
Start1 - C - D - E - End1

我希望在 LSTM 采取学习步骤之前先合并这 2 个序列 LSTM 输出（作为预测输出（最大值或平均值））。
（合并，因为它们具有相同的开始和结束）。

我期待这样的事情：

问题是如何实现ConditionalPooling，哪里ConditionalPooling是对具有相同头部和尾部的序列输出进行分组的函数。

谢谢 ：）

我一直在尝试将卷积神经网络与 GRU 堆叠起来，以解决图像到文本的问题。这是我的模型：

当我尝试拟合我的模型时，出现以下错误：

我什至无法理解为什么会出现此消息。我已经为所有层指定了“步幅”参数。任何帮助将不胜感激。

PS - 当我尝试拟合没有 TimeDistributed 层的模型时，我没有遇到任何问题。也许这与引发此错误有关。

我正在使用使用chainer 的max_pooling 函数在CNN 中进行maxpooling 操作。

我收到以下错误。我已经放置了我用于 max_pooling 操作的代码。我需要做什么来解决这个问题？

我目前正在用普通的 numpy 实现一个 CNN，并有一个关于最大池层反向传播的特殊情况的简短问题：

虽然很明显，关于非最大值的梯度消失了，但我不确定切片的多个条目等于最大值的情况。严格来说，函数在这个“点”上不应该是可微的。但是，我假设可以从相应的次微分中选择一个次梯度（类似于在 x=0 处为 Relu 函数选择次梯度“0”）。

因此，我想知道是否就足以简单地形成相对于最大值之一的梯度并将剩余的最大值视为非最大值。

如果是这种情况，是否建议随机选择最大值以避免偏差，或者总是选​​择第一个最大值？

使用set_image_dim_ordering()from时出现错误keras.backend

这是错误报告：AttributeError: module 'keras.backend' has no attribute 'set_image_dim_ordering'

我的导入声明

“Im2col”已经实现，在 Python 中实现 MATLAB 的 im2col“滑动”，在 Python中有效地处理二维图像。我想知道是否可以将其扩展到任意 ND 图像？许多应用涉及高维数据（例如卷积、过滤、最大池化等）。

我正在使用 tf.keras 在谷歌 colab 上使用 tensorflow v2。我正在尝试使用带有掩蔽的嵌入，然后是全局平均值。这是我的代码：

但我得到了这个错误：

TypeError：无法将类型对象转换为张量。内容：[-1，无，1]。考虑将元素转换为支持的类型。

如果我提供了序列 Input(shape=(10,), .....) 的显式长度，那么它似乎没有错误（尽管我没有用样本数据对其进行测试）。我想知道为什么你需要指定一个显式的序列长度，我认为这可以在运行时当层第一次遇到数据时懒惰地完成。

此外，以下作品（取自“masking and padding” tf教程）：

对于 LSTM，在模型的功能 api 构建过程中，它似乎对 None 的输入形状很满意。

有人可以解释一下 GlobalAveragePooling1D 有什么问题吗，或者这应该可以工作，但我做错了什么？

谢谢。