kereas裡的各種層意義

2021-08-20 06:28:55 字數 1548 閱讀 5067

1、其中在融合residual跟separable特徵圖的時候需要融合,其使用到的方法就是kereas裡的layers裡的add跟add方法,其文件位址為:

keras.layers.add()
新增輸入列表的圖層。該層接收乙個相同shape列表張量,並返回它們的和,shape不變。

import keras

input1 = keras.layers.input(shape=(16,))

x1 = keras.layers.dense(8, activation='relu')(input1)

input2 = keras.layers.input(shape=(32,))

x2 = keras.layers.dense(8, activation='relu')(input2)

added = keras.layers.add()([x1, x2]) # equivalent to added = keras.layers.add([x1, x2])

out = keras.layers.dense(4)(added)

model = keras.models.model(inputs=[input1, input2], outputs=out)

其中在自己構建的網路特徵融合時使用的**如下:

# module 2  為了後面的網路特徵融合,這裡必須保證輸入影象的shape大小是相同的,下面就是很巧妙的構建相同的shape

#這裡的殘差網路使用了一次strides,即網路特徵圖只減小了一次

residual = conv2d(32, (1, 1), strides=(2, 2),

padding='same', use_bias=false)(x)

residual = batchnormalization()(residual)

# 這裡的可分離網路也使用了一次strides,其在maxpooling2d函式處,然後其他的使用了padding="same",不改變網路大小

x = separableconv2d(32, (3, 3), padding='same',

kernel_regularizer=regularization,

use_bias=false)(x)

x = batchnormalization()(x)

x = activation('relu')(x)

x = separableconv2d(32, (3, 3), padding='same',

kernel_regularizer=regularization,

use_bias=false)(x)

x = batchnormalization()(x)

x = maxpooling2d((3, 3), strides=(2, 2), padding='same')(x)

# 這裡進行網路特徵融合,

# x=layers.add()([x,residual])

x = layers.add([x, residual])

各種頁的意義

記憶體 也就是系統釋放掉可以 的記憶體,比如快取和緩衝區,就屬於可 記憶體。它們在記憶體管理中,通常被叫做檔案頁 file backed page 大部分檔案頁,都可以直接 以後有需要時,再從磁碟重新讀取就可以了。那些被應用程式修改過,並且暫時還沒寫入磁碟的資料 也就是髒頁 就得先寫入磁碟,然後才能...

javascript符號的各種意義

電腦的符號一共有32個,在程式設計時,在不同的場合,會有不同的意義。下面我大概說一下這些符號的作用。20 rel noopener noreferrer 就是這32個半形符號 全形符號會寬一些,那些是中文的符號,不能在程式設計裡用 這些符號是在鍵盤從左至右分布。反引號 程式設計時無特殊意義 波浪號 ...

ping的各種意義 作用

1 ping 127.0.0.1,127.0.0.1是本地迴圈位址,如果本位址無法ping通,則表明本地機tcp ip協議不能正常工作。驗證協議是否正常 2 ping本機的ip位址,用ipconfig檢視本機ip,然後ping該ip,通則表明網路介面卡 網絡卡或modem 工作正常,不通則是網路介面...