deep-learning相关内容
我将输入数据转换为hdf5格式. 每个输入数据的形状为309暗和标签 输入数据如下: 部分输入数据是这样的 我的净结构如下: name: "RegressionNet" layer { name: "framert" type: "HDF5Data" top: "data" top: "label" include { phas
..
我正在寻找通过Pytorch获得函数的雅可比行列的最有效方法,到目前为止,已经提出了以下解决方案: def func(X): return torch.stack(( X.pow(2).sum(1), X.pow(3).sum(1), X.pow(4).sum
..
在论文中 Girshick,R 快速RCNN (ICCV 2015),"3.1截断的SVD以加快检测速度"部分,作者建议使用 SVD 技巧可减少全连接层的大小和计算时间. 给定受过训练的模型(deploy.prototxt和weights.caffemodel),如何使用此技巧将完整连接的层替换为截断的层? 解决方案 一些线性代数背景 奇异值分解( SVD )是将任何矩阵W分解为三
..
我正在尝试使以下代码行起作用: low_encoder_out = TimeDistributed( AutoregressiveDecoder(...) )([X_tf, embeddings]) 其中AutoregressiveDecoder是一个接受两个输入的自定义层. 经过一番谷歌搜索后,问题似乎出在TimeDistributed包装器不接受多个输入.有些解决方案建议将两个输入合
..
在我的CNN网络中,我正在使用BN层之后的Leaky ReLu. Leaky ReLu通过为负值添加f(y)= ay解决垂死的ReLu问题. BN引入了零均值和单位方差.那么BN是否会删除负数部分,即这会将所有值转换为0到1的小数位数吗?基于此,将选择Leaky ReLu.因为如果BN移除负部分,则使用泄漏的relu将与relu相同.我正在使用keras. 解决方案 BN层尝试通过减去对输
..
对于Keras,我想在返回最佳(大多数情况下:最低)观测指标(例如val_loss)的时代停止训练.在忍耐“耗尽"之后,我不不想使用网络的状态. 我该怎么做? 解决方案 好吧....您无法真正以最佳准确性“停止",因为您需要知道将来的值来确定是否会有更好的结果.值! 但是您可以使用另一个回调 ModelCheckpoint 来在每个时期后保存模型. 您可以传递参数save
..
如果我有一个由图像列表组成的数据集,每个图像都与一系列特征相关联;有一个模型,一旦训练,就可以在输入新的功能列表后生成新图像? 解决方案 我认为您正在寻找本文. GAN是一种算法类型,它包含两个不同的模型,因此一个名为Discriminator的模型会尝试学习确定其输入数据是否来自数据集,而另一个名为Generator的模型则会尝试学习如何生成数据,因此辨别器错误地认识到它来自数据集.
..
比方说,我的内存中有32个训练示例(批量大小为32).在for循环中调用fit与batch_size=1分别进行32次之间有区别吗?还是将所有经验集中在一个数组中并调用fit一次但以batch_size=32作为参数?结果或效果会有所不同吗? 解决方案 for i in range(32): model.fit(X,y,batch_size=1) 不要以这种方式训练您的模型!您
..
在以下功能中,作者旨在基于vgg模型对下载的图像进行预测. with tf.Graph().as_default(): url = ("https://upload.wikimedia.org/wikipedia/commons/d/d9/First_Student_IC_school_bus_202076.jpg") image_string = urllib2.urlopen(url
..
我想在深度多尺度去模糊中使用图像金字塔进行深度学习.使用keras时如何动态缩小图像? 解决方案 如果降比例是整数,则可以使用“平均池化"层. o = AveragePooling2D(pooling_size=(2, 2))(i) 这会将2x2的窗口平均为一个像素,这是将图像大小调整2倍的相当准确的方法.
..
就针对不同类型的图像相关作品(例如图像分类,语义分割)的深度学习模型的训练而言,需要执行什么样的预处理工作? 例如,如果我想训练网络进行语义分割,是否需要将图像值(通常表示为nd数组)缩放到[0,1]范围,还是将其保持在[0,255]范围?谢谢. 解决方案 完成的工作很少,但实际上并没有总会完成的预处理集. 以下是一些示例: 减去均值图像, 除以方差(较不常见) 标准
..
我已经使用opencv 读取了如下图像 image = cv2.imread('/data/TestImages/cat.jpg',cv2.IMREAD_UNCHANGED) 此读取的图像由segmentation, np_image, np_logits = sess.run([pred, image, logits]) 调用时会导致错误消息 错误消息为TypeError: Can
..
我遵循本指南作为开始,使用一些猫和狗的图像来训练模型: https://blog .keras.io/building-powerful-image-classification-models-using-very-little-data.html 这是代码: from keras.preprocessing.image import ImageDataGenerator fro
..
我正在对歌曲类型进行分类.对于每首歌曲,我将它们切成小帧(5s)以生成频谱图,作为神经网络的输入特征,并且每帧都具有关联的歌曲类型标签. 数据如下: name label feature .... song_i_frame1 label feature_vector_frame1 song_i_frame2 label feature
..
我正在尝试在Keras中微调模型: inception_model = InceptionV3(weights=None, include_top=False, input_shape=(150, 150, 1)) x = inception_model.output x = GlobalAveragePooling2D()(x) x = Dense(25
..
即使我将我的Google Drive(及其中的数据集)定义为google colab,但是当我运行我的代码时,也会出现此错误:FileNotFoundError:[Errno 2]没有这样的文件或目录:'content/drive/My Drive /.... 我已经在google colab中定义了google驱动器,我可以通过google colab访问它,但是当我运行代码时,我会提示此
..
我是深度学习和keras/tensorflow的初学者. 我已经按照 tensorflow.org 上的第一个教程进行学习:这是时尚MNIST的基本分类. 在这种情况下,输入数据是60000张28x28图像,模型是这样的: model = keras.Sequential([ keras.layers.Flatten(input_shape=(28, 28)), ker
..
我正在尝试使用Python进行深度学习 第5.3节“使用数据增强功能提取特征" 来解决带有resnet50(图像网络权重)的3类问题. 完整代码位于 https://github.com/morenoh149/plantdisease from keras import models from keras import layers from keras.applications.re
..
嗨,我正在尝试使用Keras库在Python 3.5中测试一个简单的自动编码器.我面临的问题是-ValueError:检查输入时出错:预期input_40具有2维,但数组的形状为(32,256,256,3).我的数据集非常小(60张RGB图像,尺寸为256 * 256,并且要验证一种相同类型的图像).我对Python有点陌生.请帮忙. import matplotlib.pyplot as
..
我已经运行 Keras LSTM演示包含以下代码(在第166行之后): m = 1 model=Sequential() dim_in = m dim_out = m nb_units = 10 model.add(LSTM(input_shape=(None, dim_in), return_sequences=True,
..