Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
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
加速 numpy 3D 数组的卷积循环?
沿着 3d numpy 数组的 Z 向量执行卷积 然后对结果进行其他操作 但由于现在实现的原因 速度很慢 是 for 循环让我慢下来还是卷积 我尝试重塑为一维向量并在 1 遍中执行卷积 就像我在 Matlab 中所做的那样 而不使用 for
python
Arrays
forloop
NumPy
Convolution
高斯模糊和卷积核
我不明白什么是卷积核以及如何将卷积矩阵应用于图像中的像素 我说的是对图像进行高斯模糊操作 我还可以获得有关如何为高斯模糊操作创建内核的解释吗 我在读本文 http en wikipedia org wiki Gaussian blur但我似
imageprocessing
blur
Gaussian
Convolution
“ValueError:对象对于所需数组来说太深”是什么意思以及如何修复它?
我正在尝试这样做 h 0 2 0 2 0 2 0 2 0 2 Y np convolve Y h same Y看起来像这样 这样做时我收到此错误 ValueError object too deep for desired array 为什
python
NumPy
Convolution
ValueError
计算两幅图像之间的模糊内核
与标准 且更具挑战性 去模糊和超分辨率场景不同 我可以访问原始 清晰 图像G而且是模糊版本B 我只是在寻找模糊内核h 所以因为B使用真实相机拍摄 关系为 B G h N 在哪里 表示卷积和N是一些附加噪声 自然 这是一个过度约束的问题 因为
opencv中有没有相当于matlab conv2的函数
matlab函数conv2有直接的opencv函数吗 我尝试使用 cvFilter2D 但它似乎给出了与 conv2 不同的结果 例如 CvMat Aa cvCreateMat 2 2 CV 32FC1 CvMat Bb cvCreateM
MATLAB
imageprocessing
opencv
Convolution
何时对卷积层使用什么类型的填充?
我知道当我们在神经网络中使用卷积层时 我们通常使用填充并且主要使用恒定填充 例如零填充 并且有不同类型的填充 例如对称 反射 恒定 但我不确定使用不同填充方法的优点和缺点以及何时使用哪一种 这实际上取决于神经网络的用途的情况 我不会告诉它的
neuralnetwork
convneuralnetwork
Convolution
为什么扩张卷积可以保持分辨率?
动画来自here https github com vdumoulin conv arithmetic 我想知道为什么扩张卷积声称可以保持分辨率 显然 蓝色的输入是 7x7 绿色的输出是 3x3 EDIT 解决分辨率损失的一种方法是用当前感
machinelearning
ComputerVision
Convolution
使用 valgrind 检查 fftw3
在我的程序的一个步骤中 我需要对图像进行卷积 为此 我正在使用提供的功能fftw3 当我跑步时valgrind在我的程序中 我得到了这个堆栈跟踪 我的函数叫做convolve它运行fftw3 s fftw plan dft r2c 2d两次
c
malloc
valgrind
Convolution
FFTW
Python SciPy 卷积与 fftconvolve
我知道一般来说FFT and multiplication通常比直接更快convolve当数组比较大的时候进行操作 然而 我正在将一个很长的信号 比如 1000 万个点 与一个很短的响应 比如 1000 个点 进行卷积 在这种情况下fftc
python
scipy
fft
Convolution
没有 if-else 语句的一维卷积(非 FFT)?
我编写了一个简单的串行一维卷积函数 如下 我也在尝试 GPU 卷积实现 这主要是出于我自己的好奇心 我正在尝试了解各种非 FFT 实现策略之间的性能权衡 避免分支对于我的 GPU 卷积实验非常重要 因为分支在 Nvidia GPU 上的成本
c
Optimization
imageprocessing
Convolution
Nvidia NPP nppiFilter 在与 2d 内核卷积时产生垃圾
Nvidia 性能基元 NPP http developer nvidia com cuda nvidia performance primitives提供了nppiFilter用于将用户提供的图像与用户提供的内核进行卷积的函数 对于一维卷
c
imageprocessing
CUDA
Convolution
NPP
conv1d 层的输入 0 与该层不兼容::预期 min_ndim=3,发现 ndim=2。收到完整形状:(无,30)
我一直在研究一个使用时间序列数据与天气数据相结合来估计交通流量的项目 我的时间序列使用了 30 个值的窗口 并且使用了 20 个与天气相关的特征 我已经使用函数式 API 来实现此目的 但我不断收到相同的错误 并且我不知道如何解决它 我看过
python
tensorflow
TimeSeries
LSTM
Convolution
Richardson-Lucy 反卷积可以恢复潜在内核吗?
我知道理查森 露西反卷积是为了恢复潜在图像 但假设我们有一个噪声图像和原始图像 我们能找到引起转变的内核吗 下面是一个 MATLAB 代码理查森 露西反卷积 http en wikipedia org wiki Richardson E2
MATLAB
Kernel
neuralnetwork
fft
Convolution
«
1
2
3
4
5
»