neural-network

    0熱度

    2回答

    我想知道爲什麼用3個信道像圖像6 * 6 * 3時convol用3 * 3 * 3過濾器僅產生4 * 4 而不是4 * 4 * 3

    2熱度

    1回答

    變量定義 我tensorflow模型如下: X = tf.placeholder(tf.float32, [None,training_set.shape[1]],name = 'X') Y = tf.placeholder(tf.float32,[None,training_labels.shape[1]], name = 'Y') A1 = tf.contrib.layers.fully_

    1熱度

    1回答

    在準備用於神經網絡訓練的訓練集時,我找到兩種可能的方法。 的傳統方法:計算上整個訓練的平均發送到網絡之前設置,再減去每幅圖像此固定平均值。以類似的方式處理標準偏差。 我發現tensorflow提供的功能tf.image.per_image_standardization做單一圖像正常化。 我不知道哪種方式更合適?

    0熱度

    1回答

    我是神經網絡的新手,所以對於我的天真問題感到抱歉。我想了解nnet函數的輸出。我正在使用此功能執行多類別分類。 特別是,我有一個數據集,包含216個主題,6個變量和一個表示類的類(類是三個)。 SRT_LTS_1 SRT_LTS_2 SRT_LTS_3 SRT_LTS_4 SRT_LTS_5 SRT_LTS_6 SRT_Recall_D_tot Classe DATSANI01 1.386294

    1熱度

    1回答

    Embedding圖層「圖層疏」中列出的限制: 請記住,只有優化的數量有限支持稀疏梯度:目前它的optim.SGD(CUDA和CPU),和Optim .Adagrad(cpu) 這是什麼原因?例如在Keras中,我可以使用任何優化器來訓練帶有嵌入層的體系結構。

    1熱度

    1回答

    我對使用caffe框架非常陌生。我有一個在圖像上工作的網絡。它將圖像作爲輸入和輸出圖像。咖啡有一層我必須包括,以保存輸出圖像? 謝謝。

    0熱度

    1回答

    認識我試着運行這個例子,它採用神經網絡工具箱的Scilab https://burubaxair.wordpress.com/2014/03/12/artificial-neural-networks-in-scilab/ 這是代碼: T = [ 1 1 1 1 1 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0

    0熱度

    1回答

    因此,我有一個擁有大量文檔的小公司,我想建立一個歸檔系統。我有幾個不同級別的員工可以訪問服務器上的文件。這將作爲一個存檔系統和一個管理系統,因爲員工可以讀取和寫入某個項目的文件(取決於權限),然後管理員可以阻止訪問某個目錄(即項目)。 因此經過一番研究,我認爲最好的想法是擁有一個基於雲的NAS,用戶可以通過提供正確的用戶名和密碼在本地進行。然後軟件將訪問這些文件(現在是本地文件)並可以顯示一些數據

    1熱度

    1回答

    我想基於this文章基於圖像分割任務使用Keras構建CNN。由於我的數據集很小,我想使用Keras ImageDataGenerator並將其送到fit_generator()。所以,我沿着Keras網站上的example。但是,由於壓縮圖像和掩膜生成器不起作用,我遵循此answer並創建了我自己的生成器。 我的輸入數據大小爲(701,256,1),我的問題是二進制(前景,背景)。對於每張圖片,

    0熱度

    1回答

    我試圖在我訓練它時動態添加隱藏單元到3層神經網絡(輸入,隱藏,輸出)。我想保持網絡的一部分受過訓練的權重,因爲我添加新的隱藏units.This是我的代碼, class my_network(torch.nn.Module): def __init__(self,input_dim,hidden_dim,output_dim): super(my_network,self).