neural-network

    0热度

    2回答

    我想知道为什么用3个信道像图像6 * 6 * 3时convol用3 * 3 * 3过滤器仅产生4 * 4 而不是4 * 4 * 3

    2热度

    1回答

    变量定义 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热度

    1回答

    在准备用于神经网络训练的训练集时,我找到两种可能的方法。 的传统方法:计算上整个训练的平均发送到网络之前设置,再减去每幅图像此固定平均值。以类似的方式处理标准偏差。 我发现tensorflow提供的功能tf.image.per_image_standardization做单一图像正常化。 我不知道哪种方式更合适?

    0热度

    1回答

    我是神经网络的新手,所以对于我的天真问题感到抱歉。我想了解nnet函数的输出。我正在使用此功能执行多类别分类。 特别是,我有一个数据集,包含216个主题,6个变量和一个表示类的类(类是三个)。 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热度

    1回答

    Embedding图层“图层疏”中列出的限制: 请记住,只有优化的数量有限支持稀疏梯度:目前它的optim.SGD(CUDA和CPU),和Optim .Adagrad(cpu) 这是什么原因?例如在Keras中,我可以使用任何优化器来训练带有嵌入层的体系结构。

    1热度

    1回答

    我对使用caffe框架非常陌生。我有一个在图像上工作的网络。它将图像作为输入和输出图像。咖啡有一层我必须包括,以保存输出图像? 谢谢。

    0热度

    1回答

    认识我试着运行这个例子,它采用神经网络工具箱的Scilab https://burubaxair.wordpress.com/2014/03/12/artificial-neural-networks-in-scilab/ 这是代码: 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热度

    1回答

    因此,我有一个拥有大量文档的小公司,我想建立一个归档系统。我有几个不同级别的员工可以访问服务器上的文件。这将作为一个存档系统和一个管理系统,因为员工可以读取和写入某个项目的文件(取决于权限),然后管理员可以阻止访问某个目录(即项目)。 因此经过一番研究,我认为最好的想法是拥有一个基于云的NAS,用户可以通过提供正确的用户名和密码在本地进行。然后软件将访问这些文件(现在是本地文件)并可以显示一些数据

    1热度

    1回答

    我想基于this文章基于图像分割任务使用Keras构建CNN。由于我的数据集很小,我想使用Keras ImageDataGenerator并将其送到fit_generator()。所以,我沿着Keras网站上的example。但是,由于压缩图像和掩膜生成器不起作用,我遵循此answer并创建了我自己的生成器。 我的输入数据大小为(701,256,1),我的问题是二进制(前景,背景)。对于每张图片,

    0热度

    1回答

    我试图在我训练它时动态添加隐藏单元到3层神经网络(输入,隐藏,输出)。我想保持网络的一部分受过训练的权重,因为我添加新的隐藏units.This是我的代码, class my_network(torch.nn.Module): def __init__(self,input_dim,hidden_dim,output_dim): super(my_network,self).