3回答
我正在尝试实现这个想法：https://arxiv.org/abs/1603.09382。基本思想是在训练过程中基于“保持探测”丢弃一个Conv2D层，比如丢弃。我想我可以用一个像这样的自定义层来实现： class StochasticConv2D(layers.Layer):
def __init__(self, **kwargs):如果我让它工作，我不太确定如何实现非训练模式。我是否需要再次定义模型，
浏览 20提问于2021-01-26得票数 0
1回答
如何实现深度自动编码器(eHow，我从惊厥神经网络中获得滤波器)？我的想法是这样的:对输入图像(28x28)进行随机图像处理，并获得随机补丁(8x8)。然后将特征滤波器应用于输入图像并进行卷积。我说的对吗？
我很困惑，因为有时文献状态只使用like，例如8，过滤器，但在我的例子中，我有100.g。2层或3层)？有什么想法或资源吗？
浏览 5提问于2014-10-22得票数 7
我在caffenet中使用微调，它工作得很好，但是我在Keras 关于微调的博客中读到了这篇文章(他们使用经过训练的VGG16模型)：
“为了进行微调，所有层都应该从经过适当训练的权重开始:例如，你不应该把一个随机初始化的完全连接的网络放在一个预先训练过的卷积基础上这是因为随机初始化的权值引发的大梯度更新会破坏卷积基中的学习权重。在我们的情况下，这就是为什么我们首先训练顶级分类器，然后才开始与它并排微调卷积权。”因此，作为微调的另一步，它们在全连通层(“瓶颈特征”)之前
浏览 0提问于2017-03-20得票数 2
2回答
深可分卷积
、、
我是深度学习的新手，最近我遇到了深度智慧可分离的卷积。它们大大减少了处理数据所需的计算量，只需要10%的标准卷积步长计算。
我很好奇做这件事背后的直觉是什么？
浏览 0提问于2018-09-09得票数 2
回答已采纳
2回答
卷积神经网络中特征映射的滤波器
、、、、
在卷积神经网络中，我应该使用什么样的滤波器来提取特征图？我最近读到了关于卷积神经网络的文章，我了解到我们使用(一组滤波器)在每个卷积层生成一组特征映射，通过对前一层输出的滤波器进行卷积，生成一组特征映射。3)如何为我们的项目找到完美的过滤器？
谢谢。
浏览 1提问于2015-12-05得票数 0
回答已采纳
1回答
我对这些条件的动机是，我正在尝试实现NEAT算法，该算法基本上是使用遗传算法来进化网络。= 0: return None 在这一点上，我有点超出了我的舒适区，但如果你有更好的想法，或者可以指出这是如何致命的缺陷我知道我遗漏了一个前向函数，我需要一些关于如何重构的建议。
浏览 12提问于2020-03-10得票数 1
1回答
在第一阶段，在输入卷积神经网络(输入层)时，我们接收到一个源图像(即手写英文字母的图像)。首先，我们使用一个从左到右的nxn窗口来扫描图像和在核上进行乘法(卷积矩阵)来建立特征映射。用于边缘检测的卷积核上的数据相乘是否合适？有大量的卷积核(Emboss，高斯滤波，边缘检测，角度检测等)？但是，没有任何地方是写到确切的内核，它需要乘数据来检测手写符号。此外，如果整个图像的大小为30*30，是否可以使用5*5的窗口来构建功能地图？是否足以达到字母检测的最佳精度？
为了达到字母识别的最大精度，
浏览 2提问于2015-07-08得票数 2
回答已采纳
1回答
如何计算神经网络输出层二阶导数？
、、、、
我试图实现卷积神经网络的随机对角Levenberg-Marquardt方法，以支持学习权值的传播。我是新来的，对它很困惑，所以我没有什么问题，希望你能帮我。
( 1)如何计算输出层的二阶导数。由于我在一阶导数，我必须减去输出从期望的输出，并乘以它的输出的导数。但在二阶导数中，我怎么能做到呢？2)在卷积神经网络的MaxPooling层中，选取2x2窗口中的最大值，并将其与权值相乘，现在是否要经过激活函数？有人能给我解释一下在opencv里怎么做，或者<e
浏览 0提问于2014-03-29得票数 2
回答已采纳
1回答
我试图复制一个神经网络来进行深度估计。原作者采用了预先训练的网络，在全连通层和卷积层之间添加了“超像素池层”。在这一层中，对卷积特征映射进行上采样，并对每个超像素的特征进行平均。我的问题是，为了成功地实现这一点，我需要计算每幅图像的超像素。如何访问批处理过程中由keras/tensorflow使用的数据来执行SLIC过度分割？我考虑过将任务分开，并将其分成几个部分，即将图像输入卷积网络。分
浏览 3提问于2017-06-16得票数 0
回答已采纳
2回答
辍学的含义
、、
model.add(Dropout(0.4))在Keras中意味着什么？
这是否意味着忽略神经网络中40%的神经元？还是意味着忽略给出概率= 0.4的神经元？
浏览 0提问于2018-09-05得票数 4
回答已采纳
1回答
我在训练CNN时遇到了一些问题：输入6x6x3，1核心3x3x3，输出= 4x4x1 =>池: 2x2x1
输入*二维权重的output=deltas，但是我如何计算3D过滤器的权重增量呢？OutputDelta * InputLayer2其中：
FilterLayerNDelta是当前过滤器层</em
浏览 0提问于2019-08-14得票数 0
回答已采纳
我有一个模型，它使用非常大量的操作来处理l2损失。这最终超过了mul和add操作的数量。我想知道是否有可能删除它们？如果不是，为什么
浏览 4提问于2019-07-15得票数 0
1回答
卷积神经元网络体系结构的确定我读过很多关于神经元网络，反向传播，随机梯度下降，过度拟合，正则化等等的文章。有一些“难”的数学规则:这很容易理解。但是，我怎么知道我的卷积神经元网络所需要的体系结构呢？我已经绘制了第一个隐藏层的权重，但是图像滤波器对我来说不太熟悉(也不像用于边缘检测的高通滤波器，也不像低通滤波器)。
在一个层中添加更多的特征映射更好，还是添加更多的隐藏层？如何确定网络是否太深/太
浏览 2提问于2017-03-12得票数 0
回答已采纳
1回答
我正在学习“卷积神经网络(CNN)”。我理解CNN的过程，但我有一个关于过滤层系数的问题。或者我能设定我想要的吗？没有提到如何设置系数。
浏览 4提问于2017-01-16得票数 0
回答已采纳
1回答
无完全连通层的卷积神经网络分类器
、、、、
我正在努力寻找CNN的深度学习为基础的检测，它已经显示了更高的准确性。像这样的报纸是极具表现力的，我完全理解它是如何运作的。
最近，模型被证明是一种非常快速的检测，这是非常有趣的。一般情况下，YOLO有24个卷积层和2个完全连接层。基于这篇YOLO论文实现了一个DetectNet。我感到困惑的是，NVIDIA公司的DetectNet没有任何完全连接的层().相反，来自最后一个卷积层的输出通过一个维度减少卷积层
浏览 2提问于2016-11-21得票数 5
我有一个更快的-rcnn (resnet-101主干)用于对象检测，并且正在为每个检测到的对象提取特征张量，即7x7x2048张量(基本上是2048个特征映射，每个7x7)。对于对象跟踪，我希望将其转换为Nx1向量。这样做的标准方法是什么？我有几个似乎都是合理的想法：在做了一些最大池操作以降低维数之后，也要这样做。
取每个特征图的平均值或最大值，最后得到一个2048x1特征向量。
浏览 0提问于2020-03-05得票数 0
回答已采纳
1回答
我有一个复杂的20维多模态分布，并考虑训练一个VAE来学习它的近似值使用2000个样本。但具体而言，其目的是根据分布的结构来生成伪随机数。不过，我的问题是：除了简单的尝试和错误之外，我如何找到正确的体系结构？显然，我不一定需要2D-卷积。相反，一维卷积可以被认为是捕捉相关性(即分布模式)的一个很好的选择。我也不确定如何正确地决定隐藏层</
浏览 0提问于2020-08-30得票数 1
2回答
我开始深入学习，在CNN上有一个基本的问题，我理解如何根据损失函数利用反向传播来调整梯度。但我认为，转换滤波器矩阵(在CNN中)的值需要由我们来决定。我正在使用Keras，这就是(从教程中)卷积层是如何定义的：classifier.add(Conv2D(32, (3, 3), input_shape但是，这些32x3x3矩阵的值是如何确定的呢？
浏览 2提问于2018-01-08得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
云直播
腾讯会议活动推荐
腾讯云开发者
