convolution

Вопрос или проблема Я объединил две разные модели, а именно VGG16 и ResNet50, и использовал выходы этих двух моделей в качестве входных данных для другой модели. Я проверил график слоев и все верно. Перед объединением код работал безупречно и выдавал правильные результаты.

Вопрос или проблема Я хотел бы выполнить свертку функций (в математическом смысле) с использованием функций свертки scipy, но, похоже, это дает результаты, отличающиеся от ожидаемых. Сначала я определяю сетку точек: def generate_square_mesh(num_points=50): x = np.

Вопрос или проблема У меня есть набор N точно дискретизированных 1D функций в тензоре размером (N, B), который я хочу сверткой с откликовой функцией и повторно дискретизировать на более грубом наборе точек, получая тензор размером (N, A).

Вопрос или проблема Я хочу применить некоторые байесовские методы к эмпирической функции накопленной плотности, которую генерирует мой код на R: rr<-ecdf(answers) Так что, если я сгенерирую предварительную ЭКП (назовем ее ‘

Вопрос или проблема Я хотел бы применить функцию convolve2d к моей матрице boost::numeric::ublas::matrix с небольшим 3×3 ядром, используя метод fft -> умножение -> ifft. Какой лучший подход на C++/Boost? Матрица плотная, каждое значение уникально.

Вопрос или проблема import pandas as pd import tensorflow as tf import numpy as np from keras.datasets import mnist (train_X, train_y), (test_X, test_y) = mnist.load_data() num_classes = 10 # определяем модель keras model = tf.

Вопрос или проблема Я хотел бы выполнить 1D свертку по глубине (то есть первый шаг свертки с разделением по глубине) для модели машинного обучения, над которой я работаю. Это означает, что для входного активационного пространства h x w есть h кернелов

Вопрос или проблема У меня есть эти непрерывные данные (амплитуда): Я хочу постепенно сгладить их для нулевого заполнения, на самом деле мне это удалось с помощью свертки. Но это требует серьезной настройки, и я не уверен, что это подходит для всех образцов

Вопрос или проблема Я реализовал SegNet и его вариант ReLU в PyTorch. В данный момент я использую это как доказательство концепции, но меня беспокоит шум, который производит сеть. С оптимизатором ADAM, похоже, шум немного меньше, тогда как с SGD шум увеличивается.