如何在tf2.0中为Conv1D层设置内核值?你知道吗
model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv1D(1, 3, activation='relu', input_shape=(6, 1)))
inp = tf.reshape(tf.constant([1,3,3,0,1,2.]), (1, 6, 1))
print(f'{model(inp)}')
# [[[3.6809962 ]
# [5.356483 ]
# [2.4707034 ]
# [0.94388485]]]
我希望得到与mxnet相同的结果:
conv = mx.gluon.nn.Conv1D(channels=1, kernel_size=3)
input_data = mx.nd.array((1,3,3,0,1,2))
kernel = mx.nd.array((2,0,1))
output_data = apply_conv(input_data, kernel, conv)
print(output_data)
# [[[5. 6. 7. 2.]]]
数据:
型号:
为图层命名以使其更简单。你知道吗
设置权重:
预测:
如果这不应该是一个可训练的层,只使用TF函数进行卷积。你知道吗
相关问题 更多 >
编程相关推荐