convolution

    0热度

    2回答

    假设 A = [[1,2,3],[4,5,6],[7,8,9]] B = [[1,2,1],[2,1,1],[1,1,2]] 与kernel_size卷积后= 2 * 2和跨度= 1,输出应该是 [[18,18],[28,37]] 我们需要A的每个2×2部分 到之间施加卷积运算B的每个2 * 2部分。 如何使用tensorflow有效执行此操作? tensorflow是否有任何方

    0热度

    1回答

    我使用python3在我的jupyter的tensorflow教程中运行此代码,并且出现以下错误; #Importing import numpy as np from scipy import signal from scipy import misc import matplotlib.pyplot as plt from PIL import Image ### Load i

    0热度

    1回答

    我想训练tenserflow U-net,用于炉膛的多标签分割。我有3个标签,预测有3个概率图(每个标签有一个概率图)。我使用动量优化器进行了训练,这也是网络的默认优化器。在最初的迭代中,标签1和标签2的概率映射是不同的,但是在一些迭代(或时期)之后,标签1和标签2的概率图变得完全相同,并且在技术上我有一个二进制标签分割。我见过其他类似U-net架构的网络,并且他们已经对多标签数据集进行了培训。我

    0热度

    1回答

    我想用Keras层: from keras.layers.convolutional import UpSampling2D x = UpSampling2D((2, 2))(x) 我怎么能复制与本地tensorflow这种行为? 我无法找到等价的函数/图层。

    1热度

    1回答

    我一直在努力,因为我实现卷积神经网络来获得卷积运算更深入的了解。但是我在试图计算反向通过或反卷积时卡住了。 可以说输入是尺寸为3x7x7的三维RGB图像过滤器的尺寸为3x3x3。在将步长设置为2的卷积中,我们将得到尺寸为3x3的输出。 现在,这是我的问题。我已经读过,反卷积是输出与翻转内核的卷积。但是在翻转内核时,它仍然是尺寸为3x3x3,输出尺寸为3x3。输入是尺寸3x7x7。那么,解卷积是如何

    0热度

    2回答

    我是python和tensorflow的初学者。 我在尺寸问题上有错误。 有没有人可以解决这个问题? 我的代码如下,错误来自'aux = Convolution2D'line。 错误消息是“ValueError:由'conv2d_15 /卷积'(op:'Conv2D')从10减去512所导致的负尺寸大小,输入形状为:[?,10,10,512],[10,512,512,1] 。 这是tensorfl

    -1热度

    2回答

    我正在寻找一种方式来声明我的内核/过滤器的中心,使我的二维卷积的输出是按照下图 来源: http://machinelearninguru.com/computer_vision/basics/convolution/image_convolution_1.html 我已经调查CONV2(输入,滤波器)但发现这种内置函数假定为一个M×N个滤光器,其中心总是位于(M,N)的位置在过滤器基质。我在ht

    0热度

    1回答

    我试图对fMRI数据建模,以便检查实验设计的功效。我一直在跟随几个教程,并有一个问题。 我首先需要通过将刺激输入时间序列与典型血液动力学响应函数(HRF)进行卷积来建模BOLD响应。我查了第一个教程说,一个可以作出HRF是任何幅度,只要在HRF的“形状”是正确的,使他们创造了以下HRF在MATLAB: hrf = [ 0 0 1 5 8 9.2 9 7 4 2 0 -1 -1 -0.8 -0.7

    1热度

    1回答

    当运行该代码段(第一卷积层在TensorFlow模型): conv2d_layer_one = tf.contrib.layers.convolution2d( float_image_batch, num_outputs = 32, kernel_size = (5, 5), activation_fn=tf.nn.relu, weights_in

    3热度

    1回答

    我试图找出执行一种卷积的最佳方式。我有一个3D矩阵I = [N×M×P]和一个2D矩阵S = [1×1×K×P]。对于我3D矩阵的每个第p帧(第三维),我想返回I(:,:,p-K/2:p + K/2)和S(1,1,:,p)之间的有效卷积。你有没有办法做到这一点? 事实上,在计算操作的非常接近一个标准卷积数量来看,所不同的是,我需要改变每一帧的第二矩阵... 这是我的方法目前使用方法: % I =