文章/答案/技术大牛

发布

社区首页 >问答首页 >如何从神经网络输出3D张量？

问如何从神经网络输出3D张量？
EN

Stack Overflow用户

提问于 2021-08-06 18:58:45

回答 1查看 76关注 0票数 1

我的主要输入特性是60x256x256的numpy数组，它将生成一个60x256x256的二进制掩码(也是numpy数组的形式)。二进制掩码起到了标签的作用，但我不知道如何从我的神经网络生成3D数值数组或张量输出。这是我当前的代码：

model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(32, kernel_size=(5, 5), strides=(1, 1),
                 activation='relu',
                 input_shape=(60, 256, 256)))
model.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
model.add(tf.keras.layers.Conv2D(64, (5, 5), activation='relu'))
model.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2)))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(1000, activation='relu'))
model.add(tf.keras.layers.Dense(256, activation='softmax'))

model.compile(
    optimizer=tf.keras.optimizers.Adam(0.001),
    loss=tf.keras.losses.CosineSimilarity(),
    metrics=[tf.keras.metrics.CosineSimilarity()],
)

model.fit(
    train,
    epochs=6,
    validation_data=ds_valid,
)

简而言之，我希望最后一层的输出与输入层匹配，这样它就可以使用CosineSimilarity损失函数。除了这种基于CNN的方法之外，任何其他建议也将非常有帮助，因为似乎CNN主要用于分类。

tensorflow

keras

deep-learning

neural-network

python

回答 1

Stack Overflow用户

发布于 2021-08-06 19:56:57

在最基本的级别上，您可以使用tf.keras.layers.Reshape。请参见https://www.tensorflow.org/tutorials/generative/autoencoder，以便您的最后两层可以是：

model.add(tf.keras.layers.Dense(60*256*256))
model.add(tf.keras.layers.Reshape(60, 256, 256))

然而，我认为你正在寻找的是一个自动编码器类型的网络，并使用tf.keras.layers.Conv2DTranspose层。上面的链接是对自动编码器的介绍，我认为应该是一个很好的起点。

我不确定你的用例，但我认为你很可能想要使用基于卷积的方法，因为当你展平卷积时，你会迫使你的网络忘记所有关于问题对称性的信息(即它是2D空间中的一幅图片)。我不认为你的问题是一个回归问题的事实会影响到这一点。

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/68686409

复制

相似问题

问如何从神经网络输出3D张量？
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何从神经网络输出3D张量？EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何从神经网络输出3D张量？
EN