1回答
我创建了一个数据框，其中列A和B包含子列。#[1] "A" "B" "C" "D"
#[1] "X1" "X2" "X3" "X4"
#[1] "X1" "X2"
我的问题是如何将这种结构分解为
浏览 2提问于2017-08-09得票数 0
在最新的tensorflow版本中，有用于2D去卷积操作的。但是，对于，没有相应的一维反卷积操作。如何对一维数据进行反卷积？
浏览 9提问于2018-01-18得票数 0
1回答
PIL.Image或numpy数据结构。
如何沿一个轴对两个图像进行一维卷积？请注意，所有2D卷积函数可能都不相关，因为我对2D卷积不感兴趣。我以前在上面看到过这个问题，但我没有看到比我的代码更好的答案。所以我又把它撞上了。
浏览 12提问于2016-08-03得票数 0
2回答
我试图在MATLAB中对矩阵做一串滚动求和。为了避免循环，我使用将我的2D矩阵分层为三维结构。然而，现在快速卷积函数已经不能用于累加器了。然而，N维卷积函数()不是我所要寻找的，因为它实际上是所有三维的卷积函数。我想要的东西，将做一个2D卷积在每个切片，并返回一个三维矩阵。在2D中平铺矩阵而不是在3D中对它们进行分层是行不通的，因为它会破坏卷积边缘的情况。我可以在中间加零，但后来开始变得有点混乱。换
浏览 4提问于2015-04-30得票数 3
回答已采纳
1回答
我设计了一个使用2d卷积层和最大池化层的神经网络，输入形状为输入，一个热编码序列作为2d阵列。然后在输入模型之前对其进行重塑。100, 21 * 1000), dtype=np.float32 )x_data = tf.reshape( data, [-1, 1, 1000, 21] )
然而，我使用了相同的数据集，使用了1D卷积层，通过更改模型和输入数组，而不像1D data = np.zeros( (100, 1000,21), dtype=np
浏览 3提问于2020-07-11得票数 0
1回答
我正在处理一个TFRecord数据集，其中包含一个3D对象的横截面的多个灰度图像，最终的形状为32,256,256。尺寸32表示横截面的数量，它明显小于其他尺寸。正因为如此，我想知道我是否可以将数据视为32个通道的2D数据，而不是将数据视为只有一个通道的3D数据，尤其是在所需的计算资源方面。
浏览 6提问于2019-11-17得票数 1
回答已采纳
1回答
1x1卷积如何保留学习到的特征？
、、、、
我试图更好地理解1x1卷积是如何与多个输入通道一起工作的，但还没有找到一个很好的解释。在开始1x1之前，我想确保我对2D和3D卷积的理解。2D卷积层是否会将3个不同的核应用于3个输入通道中的每个通道，以生成每个特征图？如果是，这意味着在每个2D卷积运算中使用的内核数量=#个输入通道*#个特征图。因此，每个3D卷积运算中使用的核的数量=输入通道的数量。在这种情况下，将使用32个不同的内核来生成32个特征映射。 我理解在
浏览 27提问于2021-11-08得票数 0
回答已采纳
然而，当我添加一个卷积层时，我会得到一个错误： Conv1D(filters = 250, kernel_size = 3, paddingFull shape received: [None, 768]
下面是我使用的数据。
浏览 0提问于2020-04-06得票数 1
回答已采纳
2回答
我的训练数据是数千个物体的图像ins直线，类似于上面链接的图像。
但是，我一直无法找到一种可行的方法来计算前面对象后面的对象，当它们被部分阻塞时(队列中的其他人)。你对我如何解决这个问题有什么建议或指导吗？
浏览 0提问于2019-03-12得票数 6
我刚接触tensorflow进行深度学习，对tensorflow中的解卷积(卷积转置)操作很感兴趣。我需要看一下操作反卷积的源代码。我猜这个函数是。
浏览 1提问于2016-12-15得票数 37
1回答
在“卷积神经网络的大裕度最大软损耗”一文中，作者有如下数字：他声称他只使用2d功能来对MNIST进行CNN分类。他是怎么做到的？他是否将MNIST图像的维数降至2，以及如何将其降至2？如果对10个类别进行分类，您如何在2D中显示这样的数字？
浏览 0提问于2018-08-15得票数 1
回答已采纳
1回答
我已经用CUDA内核做了几天的实验，在500x500图像(但我也可以改变尺寸)和非常小的2D内核( laplacian 2D内核，所以它是3x3内核)之间执行快速的2d卷积。经过几次令人失望的尝试来执行更快的卷积，我最终得到了这样的代码： (请参阅共享内存部分)，它基本上允许一个16x16线程阻塞共享内存中他需要的所有卷积数据，然后执行卷积。如何在相对较大的图像和
浏览 3提问于2012-04-13得票数 14
回答已采纳
1回答
3通道图像在卷积层上的反向传递
、、、、
我知道反卷积基本上是输出与翻转滤波器的卷积，我已经对2D数据实现了它。但我不能将其推广到3D数据。例如，考虑维度3x5x5的输入，过滤器的维度为3x3x3，stride设置为1。我不明白的是，如何计算此输出的反卷积。翻转的滤波器将再次具有维度3x3x3，而卷积的输出将具有维度1x3x3，这对于卷积是不兼容的。那么我们如何计算去卷积呢？
浏览 2提问于2017-10-26得票数 0
1回答
但是生成器最大的缺陷是应用gabor滤波器所需的时间，我一直在研究如何实现可分离版本的过滤器，但由于数学不是我的强项，所以失败了。但我不明白如何从文件中的方程中实现gabor的盒子过滤。
在本节中，我们尝试执行filter的一个更粗的近似，以实现显著的fi更高的effi科学。然而，可以使用更简单的表示方式来表示面向方向的线，如图5所示的boxfilters，这些filter具有非常稀疏的导数，使我们能够很好地计算卷积。图像与filters B(x，y)的卷积可以用filter的导数进行科学计算，如下所示。
浏览 3提问于2014-05-25得票数 2
回答已采纳
2回答
如果我们取一个卷积层，它可以有多个滤波器，对吗？这些过滤器都一样吗？一个单一的图层仅仅是为了检测一个特征吗？我对卷积层的工作有点困惑。
浏览 0提问于2022-05-29得票数 0
假设我提取了一些特征，它是10x10的数据(可能是图像或倒谱)。通常我会把它输入到我的2DConv中，然后我就可以上路了。
浏览 30提问于2021-03-25得票数 0
我有一个包含数百个csv文件的目录，它们表示热图图像(288x383)，当前代码扫描每个图像，取中心正方形区域的平均值(10行x10列)，并传递数据集中的平均值，该数据集将每个csv文件与找到的平均值相关联
浏览 1提问于2021-09-23得票数 1
回答已采纳
我一直试图理解(但不幸的失败)如何在软件中实现图像上的卷积(具有高度、宽度、通道)。
对于使用GEMM进行<
浏览 2提问于2020-10-23得票数 3
1回答
空间变压器网络与变形卷积
、、、
允许神经网络学习如何对输入图像进行空间变换，以提高模型的几何不变性。在标准卷积中将2D偏移添加到常规网格采样位置。从文件中：
...deformable卷积不采用全局参数变换和特征翘曲。相反，它以本地和密集的方式对特征映射进行采样。为了生成新的特征映射，它有一个加权求和步骤，这在STN中是不存在的。对
浏览 0提问于2018-03-23得票数 5
2回答
我有一个大小为(140000,22)维的数据帧。 我必须创建等维数的二维数组，才能将其传递到卷积神经网络中。 您能指导一下如何在这个数据帧上进行转换吗？
浏览 53提问于2019-02-06得票数 6
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
