在運行keras代碼的時候，出現了以下的錯誤： Traceback (most recent call last): File "segnet_train.py", line 254, in <module> train(args) File ...

風格遷移： 在內容上盡量與基准圖像保持一致，在風格上盡量與風格圖像保持一致。 1. 使用預訓練的VGG19網絡提取特征 2. 損失函數之一是“內容損失”（content loss），代表合成的圖像的特征與基准圖像的特征之間的L2距離，保證生成的圖像內容和基准圖像保持一致。 3. ...

tf中使用張量（tensor）這種數據結構來表示所有的數據，可以把張量看成是一個具有n個維度的數組或列表，張量會在各個節點之間流動，參與計算。 張量具有靜態維度和動態維度。 在圖構建過程中定義的張量擁有的維度是靜態維度，這個維度可以被定義為不確定的，例如定義一個tensor的維度是[None,10 ...

自己總結記錄一下transformer中的維度變換 對於輸入 詞嵌入矩陣 位置編碼 ENCODER 流程： DECODER 流程： ...

一直對TF中tensor的reduce操作涉及的axis（reduction_indices）計算一知半解，這里系統總結一下，避免繼續走彎路： 1.本質上來說，reduce_xxx都是降維操作，沿某個axis進行降維，不管是求和還是取平均值，總之需要消滅這一維度。 2.默認axis值為none ...

原文鏈接：http://outerthought.org/blog/417-ot.html 原文是Bruno Dumon在一年前寫的，現在看了還是有很多啟發，因此簡單的翻譯一下，可能有理解不准確的地 ...

深度學習在設計神經網絡結構時需要指定每個隱藏層權重矩陣、偏置項的維度，有的時候容易搞混淆，導致運行時產生維度不對的錯誤，特別是對於隱藏層既深又寬的網絡，更容易出錯。下面以一個實例來說明怎么簡單快速確定每一層各個矩陣的維度。 假設需要擬合的函數為：y=f(x)=WX+b。 損失函數：J(W,b ...

相關參數描述：http://keras-cn.readthedocs.io/en/latest/preprocessing/image/其中validation_split參數（官方上使用方法未描述）：設置訓練集與驗證集的比例。　　要與flow_from_directory或flow函數配合 ...