deep-learning

7зной

2ответ

Caffe training without testing

Я использую Caffe для обучения AlexNet в известной базе данных изображений. Я сравниваю и хочу исключить этап тестирования. Вот solver.prototxt для AlexNet: net: "models/bvlc_alexnet/train_val.prototx

machine-learning neural-network deep-learning caffe 2015-11-24

---

4зной

1ответ

Как определить мои собственные операторы в TensorFlow

В TensorFlow мы можем использовать tf.nn.l2_loss() для выполнения регуляции L2. Предположим, я хочу определить свой собственный оператор регуляризации для L1-регуляризации (назовите его tf.nn.l1_loss(

python deep-learning tensorflow 2015-11-27

---

0зной

1ответ

L2 матрица построчно Нормализация градиент

Im пытается реализовать L2 норму слоя для сверточного нейронной сети, и им застрял на обратном проходе: def forward(self, inputs): x, = inputs self._norm = np.expand_dims(np.linalg.norm(x, o

python numpy neural-network deep-learning backpropagation 2015-11-27

---

1зной

1ответ

Как изменить скорость обучения определенного слоя из прототипа решателя (CAFFE)

Кто-нибудь знает, как изменить скорость обучения lr_mult определенного уровня в CAFFE из прототипа решателя? Я знаю, что есть base_lr, однако я бы хотел настроить таргетинг на определенный уровень и д

deep-learning caffe 2015-11-29

---

3зной

1ответ

Внедрение GRU в Theano

На основе кода LSTM, представленного в официальном учебнике Theano (http://deeplearning.net/tutorial/code/lstm.py), я изменил код слоя LSTM (то есть функции lstm_layer() и param_init_lstm()) вместо эт

python neural-network theano deep-learning gated-recurrent-unit 2015-11-30

---

1зной

2ответ

Необычная цифровая классификация с DNN

Я уже давно думаю об этой проблеме, и я не нашел ответа, которым я вполне доволен. Представьте, что мы подготовили DNN в базе данных MNIST цифр, которые с высокой точностью классифицируют наблюдения в

machine-learning neural-network image-recognition deep-learning conv-neural-network 2015-11-30

---

1зной

1ответ

caffe multi-label training с lmdb для классических областей лица

Я использую два входа lmdb для идентификации глаз, носетипов и областей рта лица. Данные lmdb имеют размерность N x3x H x W, в то время как метка lmdb имеет размерность N x1x H/4x W/4. Изображение мет

computer-vision neural-network deep-learning caffe conv-neural-network 2015-12-01

---