machine-learning - 当掩码不等于零时,带有掩码的 GlobalAveragePooling
问题描述
我们在导致 Not Supported 错误的遮罩层之上实施 GlobalAveragePooling。
我们看到了这个解决方案,但不幸的是,这个解决方案不适合我们的情况。
我们使用自定义嵌入算法,导致一些样本全为零,因此我们不能用零向量进行掩码,
例如self.model.add(Masking(mask_value=-9999., input_shape=(max_length, nr_in)))
,之后的一些层
avged = GlobalAveragePooling1D()(result, mask=max_len)
maxed = GlobalMaxPooling1D()(result, mask=max_len)
merged = merge([avged, maxed])
有没有办法对这种掩码使用全局平均和最大池化方法?
谢谢!
我们正在使用 Tensorflow 0.12.0 和 keras 1.2.2
解决方案
推荐阅读
- postgresql - 部分唯一索引不适用于冲突子句 PostgreSQL
- sql - 如果不存在则插入数据的过程 pl sql
- git-p4 - 仓库不同时的 git-p4 克隆
- reactjs - 如果第一个请求返回 400,则 Axios 第二个请求失败并出现 CORS 错误,但如果返回 200,则工作正常
- python-3.x - 在 python 3 中显示链接列表时的特殊输出
- bitbucket - 如何在 bitbucket 上解决这个拉取请求问题?我们不能让你看到这个页面 要访问这个页面
- regex - 在 bash 如何将 extglobed 文件名放入数组中?
- python - 强制编码/数据库使用 asyncpg 而不是 psycopg2
- python - 由于 OpenCV-Python 中 IF 语句的歧义导致的值错误
- ios - 内联首选日期选择器样式未正确呈现月份和工作日