摘要：
tf.keras.backend.int_shape函数 tf.keras.backend.int_shape(x) 定义在：tensorflow/python/keras/backend.py。 返回张量或变量的shape，作为int或None条目的元组。 参数： x：张量或变量。 返回： 整数元 阅读全文
posted @ 2023-10-08 09:25
emanlee
阅读(156)
评论(0)
推荐(0)
摘要：
空间数据的全局平均池化操作。 一张图片通过卷积核提取特征，有几个卷积核就有几个特征。一张图片需要经过几次卷积，每次卷积时卷积核的个数都按2的n次方增加。第一次卷积, 卷积核2个, 得2张图，池化压缩长宽；第二次卷积, 卷积核4个, 得4张图，池化压缩长宽；因为卷积次数有限，池化大小默认(2，2)，因 阅读全文
posted @ 2023-10-08 09:25
emanlee
阅读(676)
评论(0)
推荐(0)
摘要：
Dense就是常用的全连接层，所实现的运算是output = activation(dot(input, kernel)+bias)。其中activation是逐元素计算的激活函数，kernel是本层的权值矩阵，bias为偏置向量，只有当use_bias=True才会添加。如果本层的输入数据的维度大 阅读全文
posted @ 2023-10-08 09:25
emanlee
阅读(219)
评论(0)
推荐(0)
摘要：
Keras Multiply Multiply 层的函数接口。 该层接收一个列表的同shape张量，并返回它们的逐元素积的张量，shape不变。 用法 tf.keras.layers.multiply( inputs, **kwargs ) 参数 inputs 输入张量列表(至少 2 个)。 **k 阅读全文
posted @ 2023-10-08 09:25
emanlee
阅读(220)
评论(0)
推荐(0)
摘要：
Keras MaxPooling2D 2D最大池化层keras.layers.MaxPooling2D(pool_size=(2, 2), strides=None, padding='valid', data_format=None)参数详解 pool_size: 池化窗口大小 strides: 阅读全文
posted @ 2023-10-08 09:25
emanlee
阅读(348)
评论(0)
推荐(0)
摘要：
Keras Flatten 作用：Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。例子： from keras.models import Sequential from keras.layers.core import 阅读全文
posted @ 2023-10-08 09:24
emanlee
阅读(387)
评论(0)
推荐(0)
摘要：
一、Keras 中使用 Dropout 正则化减少过度拟合Dropout正则化是最简单的神经网络正则化方法。其原理非常简单粗暴：任意丢弃神经网络层中的输入，该层可以是数据样本中的输入变量或来自先前层的激活。它能够模拟具有大量不同网络结构的神经网络，并且反过来使网络中的节点更具有鲁棒性。阅读完本文，你 阅读全文
posted @ 2023-10-08 09:24
emanlee
阅读(203)
评论(0)
推荐(0)
摘要：
Keras Model https://cloud.tencent.com/developer/article/2162930 Keras 模型 Keras提供的模型，其中分为两类： Sequential 顺序模型 Model 类模型 我们可以通过 from keras.models import 阅读全文
posted @ 2023-10-08 09:24
emanlee
阅读(449)
评论(0)
推荐(0)
摘要：
2023-02-04 22:17:02.457962: I tensorflow/stream_executor/cuda/cuda_driver.cc:831] failed to allocate 152.00M (159383552 bytes) from device: CUDA_ERROR 阅读全文
posted @ 2023-10-08 09:22
emanlee
阅读(157)
评论(0)
推荐(0)
摘要：
Dead kernel Jupyter notebook 出现 Dead kernel 原因： GPU内存（显存）不够用了。 阅读全文
posted @ 2023-10-08 09:21
emanlee
阅读(53)
评论(0)
推荐(0)
浙公网安备 33010602011771号