分类：维度

2020
10-08

解决Keras中CNN输入维度报错问题

想要写分类器对图片进行分类，用到了CNN。然而，在运行程序时，一直报错：ValueError:Negativedimensionsizecausedbysubtracting5from1for‘conv2d_1/convolution'(op:‘Conv2D')withinputshapes:[?,1,28,28],[5,5,28,30].这部分提到的代码是这样的,这是我的分类器的输入层：model.add(Conv2D(30,(5,5),input_shape=(1,28,28),activation='relu',padding="valid"))问题出在input_shape上，报错的大意就... 继续阅读 >

2020
10-08

使用keras时input_shape的维度表示问题说明

Keras提供了两套后端，Theano和Tensorflow，不同的后端使用时维度顺序dim_ordering会有冲突。对于一张224*224的彩色图片表示问题，theano使用的是th格式，维度顺序是(3，224，224)，即通道维度在前，Caffe采取的也是这种方式。而Tensorflow使用的是tf格式，维度顺序是(224，224，3)，即通道维度在后。Keras默认使用的是Tensorflow。我们在导入模块的时候可以进行查看，也可以切换后端。为了代码可以在两种后端兼容，可以通过data_f... 继续阅读 >

2020
10-08

浅谈pytorch中torch.max和F.softmax函数的维度解释

在利用torch.max函数和F.Ssoftmax函数时，对应该设置什么维度，总是有点懵，遂总结一下：首先看看二维tensor的函数的例子：importtorchimporttorch.nn.functionalasFinput=torch.randn(3,4)print(input)tensor([[-0.5526,-0.0194,2.1469,-0.2567],[-0.3337,-0.9229,0.0376,-0.0801],[1.4721,0.1181,-2.6214,1.7721]])b=F.softmax(input,dim=0)#按列SoftMax,列和为1print(b)tensor([[0.1018,0.3918,... 继续阅读 >