Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
可重用的 Tensorflow 卷积网络
我想重用来自Tensorflow 专业人士的 MNIST CNN 示例 http www tensorflow org tutorials mnist pros index md 我的图像尺寸为 388px X 191px 只有 2 个输出
python
neuralnetwork
Convolution
tensorflow
convneuralnetwork
如何更新反卷积层的权重?
我正在尝试开发一个反卷积层 或者准确地说是转置卷积层 在前向传递中 我进行了完全卷积 零填充卷积 在向后传递中 我进行有效的卷积 没有填充的卷积 以将错误传递到前一层 偏差的梯度很容易计算 只需对多余维度进行平均即可 问题是我不知道如何更新
machinelearning
deeplearning
Convolution
Deconvolution
Keras 使用 mask 冻结特定权重
我是 Keras 的新人 我想实现一个并非所有权重都会更新的层 例如 在下面的代码中 我想要dilation图层将以某些中心权重永远不会更新的方式进行更新 例如 每个特征矩阵 共 1024 个 的形状dilation层是448 448和一块
Keras
Convolution
masking
tensorflow conv2d偶数步长和奇数步长之间的不同起始索引
据我了解从tf nn conv2d 文档 https www tensorflow org api docs python tf nn conv2d对于相同的卷积 无论步幅如何 第一个点积应以 0 0 为中心 正如您在下面看到的 当步幅为奇
python
machinelearning
tensorflow
deeplearning
Convolution
Numpy 方法从卷积核生成线性运算矩阵
2D 卷积核 K 形状 k1 k2 n channel n filter 适用于 2D 矢量 A 形状 m1 m2 n channel 并生成另一个 2D 向量 B 形状 m1 k1 1 m2 k2 1 n filter with vali
python
NumPy
tensorflow
vectorization
Convolution
如何解释TensorFlow的卷积滤波器和跨步参数?
我正在尝试了解 TensorFlow卷积 http www tensorflow org api docs python nn md convolution 特别是公式 shape output batch in height filter
python
filter
Convolution
tensorflow
如何设计深度卷积神经网络? [关闭]
Closed 这个问题不符合堆栈溢出指南 help closed questions 目前不接受答案 据我了解 所有 CNN 都非常相似 它们都有一个卷积层 后面是池化层和 relu 层 有些具有专门的层 例如 FlowNet 和 Segn
neuralnetwork
deeplearning
caffe
Convolution
convneuralnetwork
拉普拉斯滤波器是如何计算的?
我不太明白他们是如何得出导数方程的 有人可以详细解释一下 甚至可以提供一个有足够数学解释的链接吗 拉普拉斯滤波器看起来像 拉普拉斯先生提出了这个方程 这就是拉普拉斯算子的简单定义 二阶导数之和 您也可以将其视为海森矩阵 https en w
imageprocessing
Filtering
Convolution
derivative
Laplacian
在 OpenCV 中,cv2.filter2D() 需要什么数据类型?
我正在自学边缘检测器 并且正在尝试使用 OpenCVfilter2D实现我自己的梯度计算器 类似于cv2 Sobel 在 OpenCV 的 Python 接口中 cv2 filter2D 允许用户使用自定义过滤器对图像进行卷积 在 Open
python
opencv
gradient
edgedetection
Convolution
OpenCV 中的 Matlab Conv2 等效项
我一直在尝试使用 OpenCV 对 2D 矩阵进行卷积 我实际上经历过这段代码http blog timmlinder com 2011 07 opencv equivalent to matlabs conv2 function resp
c
image
opencv
imageprocessing
Convolution
为什么仅在 CNN 中对通道进行批量归一化
我想知道 在卷积神经网络中 批量归一化是否应该分别应用于每个像素 或者我应该取每个通道的像素平均值 我在Tensorflow的描述中看到了这一点tf layers batch normalization https www tensorfl
machinelearning
ComputerVision
Convolution
batchnormalization
Python/Tensorflow - 我已经训练了卷积神经网络,如何测试它?
我使用二进制文件中的以下数据 标签 文件名 数据 像素 训练了一个卷积神经网络 CNN array 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 array 10 c
python
tensorflow
neuralnetwork
convneuralnetwork
Convolution
tensorflow conv2d内存消耗解释?
output tf nn conv2d input weights strides 1 3 3 1 padding VALID My input形状为 200x225x225x1 weights是 15x15x1x64 因此 output形
memory
tensorflow
Convolution
tensorboard
Keras/Tensorflow Conv1D 预期输入形状
我想对 29 个特征输入数据 如 29x1 形状 应用一维卷积 我告诉凯拉斯input shape 29 1 但我收到一个错误 它期望输入 具有 3 个维度 但得到形状为 4000 29 的数组 为什么 Keras 期望 3 维 Keras
tensorflow
Keras
neuralnetwork
convneuralnetwork
Convolution
如何在 python 中使用可变宽度高斯函数执行卷积?
我需要使用高斯执行卷积 但是高斯的宽度需要改变 我不进行传统的信号处理 而是需要根据设备的分辨率获取完美的概率密度函数 PDF 并 涂抹 它 例如 假设我的 PDF 一开始是尖峰 增量函数 我将其建模为非常窄的高斯 经过我的设备运行后 它将
python
signalprocessing
resolution
Convolution
probabilitydensity
2D 循环卷积与卷积 FFT [Matlab/Octave/Python]
我试图理解 FTT 和卷积 互相关 理论 因此我创建了以下代码来理解它 代码是 Matlab Octave 但我也可以用 Python 来完成 In 1D x 5 6 8 2 5 y 6 1 3 5 1 x1 x zeros 1 4 y1
python
MATLAB
signalprocessing
fft
Convolution
具有均匀大小内核的图像卷积
我想执行简单的 2D 图像卷积 但我的内核大小均匀 我应该为我的内核中心选择哪些指数 我尝试在谷歌上搜索答案并查看现有代码 人们通常将其内核居中 这样在新的 0 之前就会多一个样本 因此 如果我们有一个 4x4 内核 则居中索引应该是 2
imageprocessing
Convolution
python 中的 3D 卷积
我需要编写一段代码 使用 numpy 在 python 中使用 3x3 内核执行 3D 卷积 我已经对像黑白图像这样的 2D 数组做了正确的处理 但是当我尝试将其扩展到像 RGB 这样的 3D 数组时 情况就变得一团糟 我需要帮助来改进我的
python
NumPy
imageprocessing
Filtering
Convolution
卷积神经网络如何处理通道
我已经浏览了很多关于 CNN 通常处理多个通道 例如 RGB 图像中的 3 个 的方式的解释 但我仍然不知所措 当将 5x5x3 滤镜 例如 应用于 RGB 图像的补丁时会发生什么exactly发生 实际上是每个通道分别发生 3 个不同的
machinelearning
ComputerVision
Convolution
计算卷积的最快方法
有人知道计算卷积最快的方法吗 不幸的是 我处理的矩阵非常大 500x500x200 如果我使用convn在 MATLAB 中 这需要很长时间 我必须在嵌套循环中迭代此计算 所以 我使用了 FFT 卷积 现在速度更快了 但是 我仍在寻找更快的
c
MATLAB
signalprocessing
Convolution
templatematching
1
2
3
4
»