Я новичок в keras. Моя цель состоит в том, чтобы иметь в общей сложности 4 максимальных уровня объединения. Все они принимают одинаковые входные данные с shape (N, 256). Первый уровень выполняет глобальный максимальный пул и дает 1 результат....

Я знаю, что обычная CNN состоит из сверточных слоев и слоев пула. Слои объединения делают вывод меньше, что означает меньше вычислений, а также делают его каким-то образом инвариантным к преобразованию, поэтому положение функции из фильтра ядра может...

Я обучил следующую модель CNN с меньшим набором данных, поэтому она выполняет переоснащение: model = Sequential() model.add(Conv2D(32, kernel_size=(3,3), input_shape=(28,28,1), padding='same')) model.add(BatchNormalization())...

Я пытаюсь решить проблему классификации. Я не знаю, почему я получаю эту ошибку: ValueError: Input 0 of layer sequential_9 is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: [None, None, None] Это...