deep-learning

    0热度

    2回答

    我想使用Caffe提取图像特征。但是,处理图像需要很长时间,所以我正在寻找优化速度的方法。 我注意到的一件事是,我使用的网络定义有四个额外的层,我从中读取结果(并且没有反馈信号,因此它们应该安全删除)。 我试图从定义文件中删除它们,但它根本没有任何效果。我想我可能需要删除包含预先训练权重的文件的相应部分。不过,编辑它的二进制文件(protobuffer)并不那么容易。 您是否认为移除这四层可能会对

    2热度

    2回答

    我注意到,对新数据集的CNN进行的大多数微调仅在“最后”完全连接(fc)层完成。 我对从“第一个”完全连接层进行微调感兴趣:也就是说,我想使用卷积和合并图层的中级特征(假设它是在ImageNet上训练的),但是将所有fc图层适合我的新数据集。 理论上和实践中,这是什么效果?是否有可能为我的新数据集学习更合适的一组参数?

    1热度

    1回答

    我开始使用Theano库,因为我寻求编译&调试用C++与朱古力(虽然,这是一个非常伟大的图书馆:)) 不管怎样,我进行了深入的网络(几乎像CNN),用烤宽面条,我开始学习我的网络。但是,我的nvidia-smi显示内存使用量持续波动,我感觉不好。当我使用咖啡时没有显示,因此,学习可能会很慢。 我使用多进程模块预先获取数据集,并且我的队列状态看起来正确,因此加载数据集对于我的慢速训练来说可能不是这种

    2热度

    1回答

    我复制的步骤VGG我想改变网络VGG模型,在 http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel 获得它足够简单地替代模型参数如下? ./build/tools/caffe train -solver models/finetune_flickr_style/solver.

    2热度

    1回答

    我想学习深度学习。 在火炬教程, https://github.com/torch/tutorials/blob/master/2_supervised/2_model.lua https://github.com/torch/tutorials/blob/master/3_unsupervised/2_models.lua 监督模式 -- Simple 2-layer neural networ

    2热度

    1回答

    我是神经网络和NLP的新手。我找到了这个库:DeepLearning4J。我试图得到它的工作,但每当我执行该指令:如果我搜索的单词映射到网络我得到下面的异常 Collection<String> similar = vec.wordsNearest("word_to_search", 10); : ​​67844042773956 我知道NoSuchMethodError可能是由于库不同的版本

    2热度

    1回答

    我有一个数据集,其中图像有变化标签数量。标签的数量在1到5之间。共有100个类别。 谷歌搜索后,看起来像HDF5分贝层分贝可以处理多个标签,如下面的URL。 唯一的问题是它假设有一个固定数量的标签。在此之后,我将不得不创造非标类一1×100矩阵,其中,项值为1的标记类,0,如以下定义: layers { name: "slice0" type: SLICE botto

    1热度

    1回答

    我在我自己的数据集上微调caffenet。 我已经在flickr样式数据集上成功完成了它, ,所以我修改了solver和train_val prototxt文件以指向我的数据集,并使用新的输出维度(= 100个类)。 我的数据集的大小是1.88M训练图像,和.48M图像进行测试。 当我开始训练,它停下来显示 ... blocking_queue.cpp:50] Data layer prefetc

    3热度

    1回答

    我有一些非常大的数据集,我想加载到火炬中。但是在我运行我的学习算法之前,我无法将它们完全加载到内存中。 我应该怎么做才能最大限度地提高性能?

    1热度

    1回答

    在使用DeepLearning4j进行编程时,出现了一些问题。 当我在Eclipse中打开并编译示例MnistMultiThreadedExample时,出现了这些问题。 import org.deeplearning4j.datasets.iterator.impl.MnistDataSetIterator; import org.deeplearning4j.datasets.test.Te