如何合并不同大小的层以跳过tensorflow/keras中的连接
我在colab中实现了下面的体系结构，用的是tenorflow和keras。我如何连接两个不同形状的不同层，以方便跳过连接。
谢啦
Sai公司
共有1个答案
可以检查Keras合并层。您可以使用大量不同的函数（加法、减法、串联等）。这里显示了一个很好的示例。
-
根据文档网站(https://keras.io/layers/convolutional/)keras卷积层的内核大小定义为高度x宽度： kernel\u size：一个整数或2个整数的元组/列表，指定2D卷积窗口的高度和宽度。可以是单个整数，以便为所有空间标注指定相同的值。 然而，在代码文档中，其定义正好相反： kernel_size：2个整数的整数或元组/列表，指定2D卷积窗口的宽度和高度。可
-
我有一个两层神经网络的例子。第一层接受两个参数并有一个输出。第二个应作为第一层的结果使用一个参数和一个附加参数。应该是这样的： 因此，我创建了一个具有两个层的模型，并尝试将它们合并，但它返回了一个错误：<代码>顺序模型中的第一层必须获得“input\u shape”或“batch\u input\u shape”参数 在线<代码>结果。添加（合并）。 型号：
-
问题内容： 无论Object.assign和对象传播只能做一浅合并。 问题的一个示例： 输出是您期望的。但是，如果我尝试这样做： 代替 你得到 x完全被覆盖，因为传播语法仅深入了一层。与相同。 有没有办法做到这一点？ 问题答案： 有人知道ES6 / ES7规范中是否存在深度合并？ 不，不是的。
-
我对keras的con1d层中的这两个参数感到非常困惑：https://keras.io/layers/convolutional/#conv1d 文件说明： 但这似乎与我在许多教程中看到的标准术语无关，例如https://adeshpande3.github.io/adeshpande3.github.io/A-Beginner's-Guide-To-Understanding-Convolut
-
问题内容： 我希望我的模型使用cv2或类似格式来调整输入图像的大小。 我已经看到了的用法，但是我更愿意编写自己的生成器，并简单地使用调整第一层图像的大小。 我该怎么做？ 问题答案： 如果您正在使用tensorflow后端，则可以使用函数调整图层中图像的大小。 这是一个演示相同情况的小例子：
-
我正在Python中研究Keras，我有一个神经网络（见下面的代码）。目前，它只与ReLu激活一起工作。 出于实验原因，我希望在ReLu上有一些神经元，在softmax上有一些神经元（或任何其他激活功能）。例如，在一个有20个神经元的层中，我希望有10个带有ReLu，10个带有Softmax。 我尝试了一些不同的方法，但总是无法获得输出。 你知道我该怎么做吗？ 编辑：这是我的（工作）代码：