deep-learning

    1熱度

    2回答

    我從官方的烤寬麪條加載了mnist_conv.py示例。 在和,我想預測我自己的例子。我看到「lasagne.layers.get_output()」應該處理來自官方文檔的numpy數組,但它不起作用,我無法弄清楚我該怎麼做。 這裏是我的代碼: if __name__ == '__main__': output_layer = main() #the output layer from

    2熱度

    1回答

    我想在Theano中爲CNN網絡實現自定義卷積層,並且爲了這樣做,我使用了掃描功能。這個想法是將新的卷積掩模應用於每個像素。 scan函數編譯正確,但出於某種原因,我收到了內存不足的錯誤。調試(見下文)表示non_sequences變量複製爲循環的每個實例(每個像素),這當然殺死了我的GPU內存: def convolve_location(index, input, bias): hs

    0熱度

    1回答

    嗨,我是一個使用Torch的'nn'軟件包的初學者。在過去的兩週裏,我對火炬'nn'庫中的gradInput和gradOutput的含義非常困惑。我相信這裏的「grad」意味着漸變,但這兩個變量究竟是指什麼? 感謝任何人的幫助!

    1熱度

    1回答

    最近,我一直在嘗試使用Caffe進行一些我正在做的深度學習工作。雖然在Caffe中編寫模型非常簡單,但我一直無法知道這個問題的答案。 Caffe如何確定隱藏層中神經元的數量?我的確知道,圖層中神經元數量的確定以及隱藏層本身的數量本身就是無法通過分析確定的問題,因此在這方面使用「拇指規則」勢在必行。但是有沒有一種方法可以定義或知道Caffe中每一層神經元的數量?默認情況下,Caffe如何固有地確定這

    8熱度

    2回答

    我感興趣的由谷歌最近的一篇博客,描述了使用nn進行藝術創作。 我是一個技術特別感興趣: 「在這種情況下,我們根本養活網絡的任意圖像或照片,讓網絡分析圖片。然後,我們選擇一個圖層,並要求網絡增強檢測到的任何內容。網絡的每一層處理不同抽象層次的特徵,因此我們生成的特徵的複雜程度取決於我們選擇增強哪一層。例如,較低的層往往會產生筆觸或簡單的裝飾性圖案,因爲這些圖層對基本特徵(如邊緣及其方向)敏感。 的職

    1熱度

    1回答

    我試圖訓練神經網絡來學習函數y = x1 + x2 + x3。目標是與Caffe一起玩,以便更好地學習和理解它。所需的數據是在python中合成生成的,並作爲lmdb數據庫文件寫入內存。 數據生成代碼: import numpy as np import lmdb import caffe Ntrain = 100 Ntest = 20 K = 3 H = 1 W = 1 Xt

    0熱度

    2回答

    我有一個問題,並想知道我是否可以使用深度學習來解決它。 我有一個7個功能的清單,每個清單我有7個分數。 對於爲特徵的實施例: [0.2,0.6,0.2,0.6,0.1,0.3,0.1] 我有以下分數: [100,0,123,2,14,15,2] 和用於功能: [0.1,0.2,0.3,0.6,0.5,0.1,0.2] 我有以下分數: [10,10,13,22,4,135,22] 等

    8熱度

    3回答

    我試圖在CPU機器上安裝Theano(運行英特爾高清顯卡,沒有NVIDIA)。我在python中測試時遇到以下導入錯誤。 WARNING (theano.configdefaults): g++ not detected ! Theano will be unable to exe cute optimized C-implementations (for both CPU and GPU) a

    0熱度

    1回答

    我正在使用Caffe來提取matlab包裝器的特徵。我有5011個圖像作爲測試數據集。我在'relu7'的'deploy.prototxt'之後切碎了所有圖層。我發現如果您輸入的圖像與matcaffe_demo.m和matcaffe_batch.m的輸入圖像相同,您將獲得不同的4096-dim特性。 有人能告訴我爲什麼嗎? 您是否將所有這些圖像的特徵與matcaffe_demo.m一個接一個地提取

    1熱度

    1回答

    我訓練使用來自Caffe神經網絡模型: /home/f/caffe-master/build/tools/caffe train -solver=/media/my_solver.prototxt 我再入一球上驗證組學習模式: /home/f/caffe-master/build/tools/caffe test -model=/media/my_train_test.prototxt