deep-learning

    1熱度

    1回答

    在火炬中覆蓋updateGradInput方法不適用於我自定義的模塊

    我實現了一個名爲sharedModule的模塊供我自己使用。我已經重寫以下updateGradInput方法：然而，當我打電話落後的方法我的模塊上，該self.gradInput場未更新 function SharedModule:updateGradInput(input, gradOutput) test_grad = {} print("call updateGradI
    lua machine-learning deep-learning torch 2015-11-03

    6熱度

    1回答

    安裝theano「blas錯誤」

    >>> import numpy # OK! >>> import scipy # OK! >>> import theano # warning WARNING (theano.tensor.blas): Failed to import scipy.linalg.blas, and Theano flag blas.ldflags is empty. Falling back on s
    python-3.x theano deep-learning openblas 2015-11-03

    3熱度

    1回答

    用於映射大型二進制輸入的深度學習

    這個問題可能會過於寬泛，但我會盡量使每個子主題儘可能具體。 我的設置： 大型二進制輸入（每個樣品2-4 KB）（無圖像）相同尺寸的 大型二進制輸出 我的目標：使用Deep學習，以找到我的二進制輸入的映射功能到二進制輸出。 我已經生成了一個大型訓練集（> 1'000'000個樣本），並且可以輕鬆生成更多。 神經網絡和深厚的學習我的（當然有限）的知識，我的計劃是建立與2000或4000的輸入節點，相同
    neural-network binary-data deep-learning 2015-11-05

    0熱度

    1回答

    如何在實踐中使用Caffe快照識別？

    我有一個訓練有素的caffe快照，現在我想用它來做一些真正的識別，即輸入一個或一些文件並獲得它們的NN輸出。 我想在python腳本中做到這一點，但shell批處理也很好。 有沒有一些文件或答案呢？謝謝！
    neural-network deep-learning caffe 2015-11-06

    3熱度

    1回答

    將數據複製到GPU時Theano性能問題

    在嘗試使用theano和千層麪訓練深卷積神經網絡時，我遇到了一些性能問題。我做了一些實驗來調查它們來自哪裏。我發現的一件事是，從主內存向GPU加載批量圖像需要很長時間。這是解釋問題的最簡單的例子。它只需要多長時間來評估批量大小爲1,2,4,8,16，...的批量圖像上的theano身份識別功能...我正在處理大小爲448x448的RGB圖像。 import numpy as np import
    python gpu theano deep-learning 2015-11-10

    1熱度

    2回答

    如何評估一個數據集上不同模型的性能？

    我想評估性能不同的模型，如SVM，RandForest, CNN等，我只有一個數據集。因此，我將數據集分爲訓練集和測試集，並在訓練數據集上訓練此數據集的不同模型，並使用測試數據集進行測試。 我的問題：我只能在一個數據集上獲得不同模型的真實性能嗎？例如：我發現SVM模型獲得最佳結果，那麼我應該選擇SVM作爲我的最終分類模型嗎？
    machine-learning classification cross-validation deep-learning 2015-11-12

    2熱度

    4回答

    是否有AlexNet權重可用於Tensorflow？

    當我從git中克隆它時，AlexNet的基準是Tensorflow存儲庫的一部分。基準測試實現了圖層，但是在我看來，AlexNet的實際權重並未在任何時候加載。 我想玩Tensorflow，但我的應用程序（caffe）正在使用預先訓練的AlexNet。 你是否認爲他們也會發布權重？
    deep-learning tensorflow 2015-11-12

    3熱度

    3回答

    Caffe/pyCaffe：設置所有GPU

    可以爲Caffe（特別是pyCaffe）設置所有GPU？ 喜歡的東西： caffe train -solver examples/mnist/lenet_solver.prototxt -gpu all
    parallel-processing neural-network gpu deep-learning caffe 2015-11-15

    2熱度

    1回答

    Caffe精度大於100％

    我正在構建一個，但是當我使用批量大於110的lenet example上提供的定製列車功能時，我的準確度會大於1（100％）。 如果我使用批量大小32，我會得到30％的準確度。批量大小等於64我的淨精度是64.而批量大小等於128，精度爲1.2。 我的圖像是32x32。火車數據集：56張中性面孔圖像。 60驚訝的面孔的圖像。測試數據集：15張中性臉圖像。 Surprise面臨15張圖片。 這是我的
    neural-network deep-learning caffe conv-neural-network pycaffe 2015-11-17

    3熱度

    1回答

    Caffe HDF5預處理

    我開始使用Caffe和深度學習，我無法理解在HDF5數據上使用Caffe訓練模型所需的預處理步驟。具體而言， 是否需要將圖像轉換爲[0-1]範圍。筆記本示例（00-classification.ipynb）聲明模型在[0-255]範圍內運行，而一些參考文獻顯示它應該爲[0-1]。我如何決定？ 根據文檔，批量圖像數據的常規斑點尺寸是N×溝道K×高度H×寬度W.此處沒有衝突 RGB到BGR轉換的通道交
    neural-network deep-learning hdf5 caffe lmdb 2015-11-17
最新問題