如何在tensorflow的卷积神经网络中使用自定义的矩阵运算

我通过c++实现了一个矩阵运算，有乘法和加法，现在我希望能够将其用在卷积神经网络模型中，例如全连接层和卷积层中的矩阵运算，请问keras或者tensorflow是否有提供这样的接口来实现自定义的矩阵运算，如果不能用C++那么Python是否能够实现？非常感谢！

举报该问题

其他回答

第1个回答 2019-09-05

你这个问题好深奥的样子

第2个回答 2019-09-05

Keras 被认为是构建神经网络的未来，以下是一些它流行的原因：
轻量级和快速开发：Keras 的目的是在消除样板代码。几行 Keras 代码就能比原生的 TensorFlow 代码实现更多的功能。你也可以很轻松的实现 CNN 和 RNN，并且让它们运行在 CPU 或者 GPU 上面。
框架的“赢者”：Keras 是一个API，运行在别的深度学习框架上面。这个框架可以是 TensorFlow 或者 Theano。Microsoft 也计划让 CNTK 作为 Keras 的一个后端。目前，神经网络框架世界是非常分散的，并且发展非常快。本回答被网友采纳

相似回答

tensorflow中卷积层输出特征尺寸计算和padding参数解析答：VALID模式：直接利用卷积核平滑输入特征图，完成卷积操作 SAME模式：大致可以分为两步，首先，进行padding操作，扩张输入特征图尺寸；然后再利用卷积核平滑扩张后的特征图，完成卷积操作为了验证上述的推断，接下来分别使用自定义的卷积操作方法，与调用tensorflow卷积操作接口的结果进行对比。...

Tensorflow训练好的模型,怎么调用答：TensorFlow 程序通常被组织成一个构建阶段和一个执行阶段. 在构建阶段, op 的执行步骤被描述成一个图. 在执行阶段, 使用会话执行执行图中的 op.例如, 通常在构建阶段创建一个图来表示和训练神经网络, 然后在执行阶段反复执行图中的训练 op.TensorFlow 支持 C, C++, Python 编程语言. 目前, TensorFlow 的 Python...

怎么用python写tensorflow答：tensor意为张量即高维数组,在python中使用numpy.ndarray表示. TensorFlow使用Session执行图, 使用Variable维护状态.tf.constant是只能输出的ops, 常用作数据源. 下面我们构建一个只有两个constant做输入, 然后进行矩阵乘的简单图: from tensorflow import Session, device, constant, matmul'''构建一个只有两个constant做...

卷积神经网络(LeNet)答：每个卷积层的输出，通过2x2的池化操作，其尺寸减半，通道数翻倍，这不仅减小了模型复杂性，还提高了计算效率。而Flatten层将这些二维特征展平，使之适配全连接层的输入格式。在LeNet中，稠密块的三个全连接层分别对应120、84和10个神经元，输出层的10维表示10个可能的类别，彰显了其对任务的精确分类...

大家正在搜

tensorflow卷积神经网络 tensorflow神经网络框架 tensorflow搭建神经网络 tensorflow神经网络代码 tensorflow神经网络预测 tensorflow神经网络编程图神经网络 tensorflow TensorFlow神经网络算法 TensorFlow神经网络