Nano Hash - криптовалюты, майнинг, программирование

Керас плотный входной слой

Я в основном пользователь кафе, мне интересно, как я могу ввести свое цветное изображение в полностью подключенный слой, а затем сгладить его (я знаю, что это не лучшее решение, но оно мне нужно). Это образец, который не работает:

model = Sequential()
model.add(Dense(1000, input_shape=(img_channels, img_rows, img_cols)))
model.add(Activation('relu'))

Любое предложение? Я думаю, что мне нужно установить входной слой, а затем сгладить его, но я не знаю, как это сделать.

Заранее спасибо.

keras deep-learning
18.12.2015

Ответы:


1

Просто нашел решение...

model = Sequential()
model.add(Flatten(input_shape=(img_channels, img_rows, img_cols)))
model.add(Dense(1000))
model.add(Activation('relu'))

Хотя это было очевидно. :(

18.12.2015
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..