deep-learning

    1热度

    1回答

    我想要实现类似于一个在本文中所描述的一些卷积稀疏编码过程: http://cs.nyu.edu/~ylan/files/publi/koray-nips-10.pdf 我用不同的框架(朱古力,eblearn火炬)尝试,但似乎有欠缺教程/支持无监督功能学习程序,如这一个。作者说,这篇文章是用eblearn完成的,但是我没有发现无监督的学习过程。有没有人试图实现这些类型的算法,如果有的话,他使用了哪些

    2热度

    1回答

    我想在Theano中为CNN网络实现自定义卷积层,并且为了这样做,我使用了扫描功能。这个想法是将新的卷积掩模应用于每个像素。 scan函数编译正确,但出于某种原因,我收到了内存不足的错误。调试(见下文)表示non_sequences变量复制为循环的每个实例(每个像素),这当然杀死了我的GPU内存: def convolve_location(index, input, bias): hs

    0热度

    1回答

    嗨,我是一个使用Torch的'nn'软件包的初学者。在过去的两周里,我对火炬'nn'库中的gradInput和gradOutput的含义非常困惑。我相信这里的“grad”意味着渐变,但这两个变量究竟是指什么? 感谢任何人的帮助!

    1热度

    1回答

    最近,我一直在尝试使用Caffe进行一些我正在做的深度学习工作。虽然在Caffe中编写模型非常简单,但我一直无法知道这个问题的答案。 Caffe如何确定隐藏层中神经元的数量?我的确知道,图层中神经元数量的确定以及隐藏层本身的数量本身就是无法通过分析确定的问题,因此在这方面使用“拇指规则”势在必行。但是有没有一种方法可以定义或知道Caffe中每一层神经元的数量?默认情况下,Caffe如何固有地确定这

    8热度

    2回答

    我感兴趣的由谷歌最近的一篇博客,描述了使用nn进行艺术创作。 我是一个技术特别感兴趣: “在这种情况下,我们根本养活网络的任意图像或照片,让网络分析图片。然后,我们选择一个图层,并要求网络增强检测到的任何内容。网络的每一层处理不同抽象层次的特征,因此我们生成的特征的复杂程度取决于我们选择增强哪一层。例如,较低的层往往会产生笔触或简单的装饰性图案,因为这些图层对基本特征(如边缘及其方向)敏感。 的职

    1热度

    1回答

    我试图训练神经网络来学习函数y = x1 + x2 + x3。目标是与Caffe一起玩,以便更好地学习和理解它。所需的数据是在python中合成生成的,并作为lmdb数据库文件写入内存。 数据生成代码: import numpy as np import lmdb import caffe Ntrain = 100 Ntest = 20 K = 3 H = 1 W = 1 Xt

    0热度

    2回答

    我有一个问题,并想知道我是否可以使用深度学习来解决它。 我有一个7个功能的清单,每个清单我有7个分数。 对于为特征的实施例: [0.2,0.6,0.2,0.6,0.1,0.3,0.1] 我有以下分数: [100,0,123,2,14,15,2] 和用于功能: [0.1,0.2,0.3,0.6,0.5,0.1,0.2] 我有以下分数: [10,10,13,22,4,135,22] 等

    8热度

    3回答

    我试图在CPU机器上安装Theano(运行英特尔高清显卡,没有NVIDIA)。我在python中测试时遇到以下导入错误。 WARNING (theano.configdefaults): g++ not detected ! Theano will be unable to exe cute optimized C-implementations (for both CPU and GPU) a

    0热度

    1回答

    我正在使用Caffe来提取matlab包装器的特征。我有5011个图像作为测试数据集。我在'relu7'的'deploy.prototxt'之后切碎了所有图层。我发现如果您输入的图像与matcaffe_demo.m和matcaffe_batch.m的输入图像相同,您将获得不同的4096-dim特性。 有人能告诉我为什么吗? 您是否将所有这些图像的特征与matcaffe_demo.m一个接一个地提取

    1热度

    1回答

    我训练使用来自Caffe神经网络模型: /home/f/caffe-master/build/tools/caffe train -solver=/media/my_solver.prototxt 我再入一球上验证组学习模式: /home/f/caffe-master/build/tools/caffe test -model=/media/my_train_test.prototxt