convolution - IT屋-程序员软件开发技术分享社区

Python SciPy卷积VS fft卷积

我知道一般来说，当数组相对较大时，FFT and multiplication通常比直接convolve操作更快。然而，我正在将一个非常长的信号(比方说1000万点)和一个非常短的响应(比方说1000点)进行卷积。在这种情况下，fftconvolve似乎没有多大意义，因为它强制第二个数组的FFT与第一个数组的大小相同。在这种情况下，直接卷积是否更快？推荐答案看看我在这里所做的比较： ..

两个随机变量x和y的和的概率分布由单个分布的卷积给出。我在做这个数字时遇到了一些困难。在下面的示例中，x和y是均匀分布的，它们各自的分布近似为直方图。我的推理是直方图应该卷积以得到x+y的分布。 from numpy.random import uniform from numpy import ceil,convolve,histogram,sqrt from pylab import h ..

发布时间：2022-03-15 17:00:28 statistics numpy probability histogram convolution Python

卷积神经网络与下采样？

读完这个主题我不太理解：神经网络中的“卷积”与简单的下采样或“锐化”功能相比吗？您能否将此术语分解为简单易懂的图像/类比？编辑：在第一个答案之后重新表述：合并是否可以理解为权重矩阵的缩减抽样？推荐答案卷积神经网络是一系列经经验证明在图像识别方面非常有效的模型。从这个角度看-CNN与下采样完全不同。但在CNN设计中使用的框架中有一些可以与下采样技术相媲美的东西 ..

发布时间：2022-02-25 18:02:36 machine-learning neural-network deep-learning conv-neural-network convolution AI人工智能

将数据帧转换为二维阵列

我有一个大小为(140000，22)维的数据框。我必须创建等维数的二维数组才能将其传递到卷积神经网络。您能指导一下如何对此数据帧进行转换吗推荐答案只需在DataFrame上调用.values即可。例如，如果您的数据帧名为df，则可以将df.values传递给卷积神经网络。 ..

发布时间：2022-02-25 17:50:32 python dataframe conv-neural-network convolution Python

处理 CUDA 中的边界条件/光环区域

我正在使用 CUDA 进行图像处理，但我对像素处理有疑问. 在应用 m x m 卷积过滤器时，通常如何处理图像的边界像素? 在 3 x 3 卷积核中，忽略图像的 1 像素边界更容易处理，尤其是在使用共享内存改进代码时.实际上，在这种情况下，不需要检查给定像素是否具有所有可用的邻域(即坐标 (0, 0) 处的像素没有离开、左上、上邻居).但是，删除原始图像的 1 像素边界可能会产生部分结 ..

发布时间：2022-01-10 15:30:09 image-processing cuda convolution 其他开发

使用 pytorch 验证卷积定理

基本上这个定理的公式如下: F(f*g) = F(f)xF(g) 我知道这个定理，但我只是无法使用 pytorch 重现结果. 以下是可重现的代码: 导入火炬导入 torch.nn.functional 作为 F# 计算 f*gf = 火炬.ones((1,1,5,5))g = torch.tensor(list(range(9))).view(1,1,3,3).float() ..

发布时间：2022-01-06 19:51:55 pytorch fft convolution theorem-proving 其他开发

在 pytorch 中执行卷积(非互相关)

我有一个网络，我想在 pytorch 中实现它，我似乎无法弄清楚如何实现“纯"卷积.在 tensorflow 中，它可以这样完成: def conv2d_flipkernel(x, k, name=None):返回 tf.nn.conv2d(x,flipkernel(k),name=name,步幅=(1, 1, 1, 1), padding='SAME') flipkernel 函数是: ..

发布时间：2021-12-31 17:01:47 neural-network conv-neural-network pytorch convolution torch 其他开发

cPickle 非常大量的数据

我有大约 80 万张 256x256 的 RGB 图像，总大小超过 7GB. 我想将它们用作卷积神经网络中的训练数据，并且想将它们连同它们的标签一起放入 cPickle 文件中. 现在，这占用了大量内存，以至于需要与我的硬盘驱动器内存进行交换，并且几乎将其全部消耗掉. 这是个坏主意吗? 在不引起太多内存问题的情况下加载到 CNN 或腌制它们的更智能/更实用的方法是什么? ..

发布时间：2021-12-31 16:58:27 python neural-network convolution pickle Python

池化层或卷积层后的激活函数?

这些链接的理论表明，卷积网络的顺序是:Convolutional Layer - Non-linear Activation - Pooling Layer. 神经网络和深度学习(方程 (125) 深度学习书籍(第 304 页，第 1 段) Lenet(等式) 本标题来源但是，在这些网站的最后一个实现中，它说顺序是:卷积层 - 池化层 - 非线性激活 network3.p ..

发布时间：2021-12-31 16:54:10 neural-network theano convolution 其他开发

scipy convolve2d 输出错误的值

这是我用来检查 convolve2d 正确性的代码将 numpy 导入为 np从 scipy.signal 导入 convolve2dX = np.random.randint(5, size=(10,10))K = np.random.randint(5, size=(3,3))打印“输入的左上角:"打印 X[:3,:3]打印“内核:"打印 K打印“硬记录有效卷积的计算(左上角)"打印 (X ..

发布时间：2021-12-31 12:15:34 python debugging numpy scipy convolution Python

提高 Numpy 性能

我想使用 python 提高卷积的性能，并希望对如何最好地提高性能有一些见解. 我目前正在使用 scipy 来执行卷积，使用的代码有点像下面的代码片段: 导入numpy进口scipy导入 scipy.signal导入时间a=numpy.array ( [ range(1000000) ] )a.reshape(1000,1000)filt=numpy.array( [ [ 1, 1, 1 ..

发布时间：2021-12-31 12:12:00 python math numpy scipy convolution Python

用于音频的卷积神经网络 (CNN)

我一直在关注 DeepLearning.net 上的教程，以了解如何实现从图像中提取特征的卷积神经网络.教程解释得很好，易于理解和遵循. 我想扩展相同的 CNN 以同时从视频(图像 + 音频)中提取多模态特征. 我了解视频输入只不过是在与音频相关的一段时间(例如 30 FPS)内显示的一系列图像(像素强度).但是，我真的不明白音频是什么、它是如何工作的，或者它是如何分解以输入网络的. ..

发布时间：2021-12-27 16:59:25 neural-network convolution feature-extraction supervised-learning deep-learning 其他开发

二维卷积作为矩阵-矩阵乘法

我知道，在一维情况下，两个向量之间的卷积，a 和 b，可以计算为 conv(a, b)，也可以作为T_a和b的乘积，其中T_a是a对应的托普利兹矩阵代码>. 是否可以将这个想法扩展到 2D? 给定 a = [5 1 3;1 1 2;2 1 3] 和 b=[4 3;1 2]，是否可以将a转换成Toeplitz矩阵并计算T_a和b之间的矩阵乘积和一维情况一样? 解决方案是的，这是 ..

发布时间：2021-12-27 16:49:21 neural-network deep-learning conv-neural-network matrix-multiplication convolution 其他开发

使用 Keras 卷积网络的内存问题

我对使用大数据的机器学习非常陌生，之前我曾使用 Keras 通用卷积示例进行狗/猫分类，但是当对我的一组图像应用类似的方法时，我遇到了内存问题. 我的数据集由大小为 10048 x1687 像素的超长图像组成.为了避免内存问题，我使用批量大小为 1，一次向模型输入一张图像. 该模型有两个卷积层，每个卷积层都跟随着最大池化层，这使得扁平层在完全连接层之前有大约 290,000 个输入. ..

发布时间：2021-12-19 13:08:06 python memory computer-vision keras convolution Python

Python keras如何将卷积层后的输入大小改成lstm层

我对卷积层和lstm层之间的连接有问题.数据的形状为 (75,5)，其中每个时间步长有 75 个时间步长 x 5 个数据点.我想要做的是对 (75x5) 进行卷积，获取新的卷积 (75x5) 数据并将该数据输入 lstm 层.但是，它不起作用，因为卷积层的输出形状具有我不需要的过滤器数量.因此卷积层输出的形状为(1,75,5)，lstm 层所需的输入为(75,5).我如何只使用第一个过滤器. m ..

发布时间：2021-12-19 13:01:02 python machine-learning convolution keras lstm AI人工智能

Tensorflow + Keras + Convolution2d:ValueError:过滤器不能大于输入:过滤器:(5, 5) 输入:(3, 350)

我一直在尝试运行下面从 here 尽管我几乎没有改变图像大小(350,350 而不是 150, 150)，但仍然无法让它工作.我收到上述过滤器错误(在标题中)，我确实理解但我没有做错，所以我不明白这一点.它基本上是说我的节点不能多于输入，对吗? 通过更改这一行，我最终找到了解决方案: model.add(Convolution2D(32, 5, 5, border_mode='valid' ..

发布时间：2021-12-19 12:45:55 python-2.7 tensorflow convolution keras 其他开发

处理 CUDA 中的边界条件/Halo 区域

我正在使用 CUDA 进行图像处理，但我对像素处理有疑问. 在应用 m x m 卷积滤波器时，图像的边界像素通常会做什么? 在3 x 3卷积核中，忽略图像的1像素边界更容易处理，尤其是在代码使用共享内存进行改进时.实际上，在这种情况下，不需要检查给定像素是否具有所有可用的邻域(即坐标 (0, 0) 上的像素尚未离开，左上，上邻居).然而，去除原始图像的 1 像素边界可能会产生部分结果. ..

发布时间：2021-12-18 11:43:07 image-processing cuda convolution 其他开发

频域中的图像卷积

我想在频域中将 Lena 与其自身进行卷积.这是一本书的摘录. 暗示了卷积的输出应该如何: 我编写了以下应用程序来实现频域中两个图像的卷积.我遵循的步骤如下: 将 Lena 转换为复数矩阵. 应用 FFT 以获得复数矩阵. 逐个元素地将两个复杂矩阵相乘(如果这是卷积的定义). 对乘法结果应用 IFFT. 输出似乎没有达到预期: 这里有两个问题: 输出仅包含黑色背 ..

发布时间：2021-12-18 11:33:04 c# image-processing fft convolution ifft C#/.NET

在傅里叶域中使用内核卷积图像

我在图像和卷积核周围使用零填充，将它们转换为傅立叶域，然后将它们反转回来以获得卷积图像，请参阅下面的代码.然而，结果是错误的.我期待一个模糊的图像，但输出是四个移位的四分之一.为什么输出错误，我该如何修复代码? 输入图像: 卷积结果: from PIL import Image,ImageDraw,ImageOps,ImageFilter将 numpy 导入为 np从 scipy ..

发布时间：2021-12-18 11:20:14 python image-processing scipy fft convolution Python

Android:快速位图模糊?

过去三天我一直在寻找一种内置的、硬件加速的方式来使用 android 模糊位图.我偶然发现了某些变通方法，例如缩小位图并再次放大，但这种方法产生的结果质量低，不适合我的图像识别要求.我还读到使用着色器或 JNI 实现卷积是一个很好的方法，但我无法相信 Android 框架中没有针对这一非常常见目的的内置解决方案.目前我已经用 Java 完成了一个自写的卷积实现，但它非常慢.我的问题是: An ..

发布时间：2021-12-18 11:11:12 android image-processing blur convolution 移动开发

convolution相关内容