Questions tagged «cnn»

我开始使用Keras学习CNN。我正在使用theano后端。 我不明白如何将值设置为： batch_size， 每个时代的步骤， 验证步骤。 batch_size如果我在训练集中有240,000个样本，在测试集中有80,000个，应将设置为，每个时期的步长和验证步骤的值是多少？

26 machine-learning  keras  cnn 

我经常听到人们说，为什么对卷积神经网络仍然知之甚少。是否知道为什么卷积神经网络总是随着层级的增加而不断学习越来越复杂的功能？是什么导致它们创建了如此多的功能，这对于其他类型的深度神经网络也适用吗？

22 machine-learning  neural-network  deep-learning  convnet  cnn 

我有以下CNN： 我从5x5大小的输入图片开始 然后，我使用2x2内核和stride = 1进行卷积，生成大小为4x4的特征图。 然后，我将2x2 max-pooling应用于stride = 2，这会将要素图缩小为2x2。 然后我应用逻辑乙状结肠。 然后是一层完全连接的带有2个神经元的层。 并有输出层。 为了简单起见，假设我已经完成了前向通过并计算出δH1= 0.25和 δH2= -0.15 因此，在完成完全向前传递和部分完成向后传递之后，我的网络如下所示： 然后，我为非线性层（逻辑Sigmoid）计算增量： δ11= （0.25 * 0.61 + - 0.15 * 0.02 ）* 0.58 * （1 - 0.58 ）= 0.0364182δ12= （0.25 * 0.82 + - 0.15 * - 0.50 ）* 0.57 * （1 - 0.57 …

16 machine-learning  convnet  backpropagation  cnn  kernel 

我正在训练一个卷积神经网络以对雾条件下的图像进行分类（3类）。但是，对于约150.000张图像中的每张图像，我还具有四个可用的气象变量，这些变量可能有助于预测图像的类别。我想知道如何将气象变量（例如温度，风速）添加到现有的CNN结构中，从而有助于分类。 我已经想到的一种方法是在CNN旁边创建另一个（小型）前馈神经网络，然后在密集层将CNN层的输出和非图像神经网络的隐藏层彼此连接。 我能想到的第二种方法就是将这些要素与致密层接触。但是，在这种情况下，非图像变量（我认为）只能进行线性预测。 还有其他（更好）的方法可以将非图像特征包括在模型中吗？考虑到我拥有的数据量，什么是明智的选择呢？ 我还有一个问题是，在使用这些非图像特征进行训练时，是否应该解冻卷积层？Resnet-18的这些层（在ImageNet上初始化为预先训练的）已经使用图像进行了微调。我的猜测是，我应该使它们保持冻结状态，并且仅解冻稠密层，因为只有在这种情况下，非图像特征才与图像特征“接触”（在CNN的较早版本中才出现）。如果我错了，请这样说！

14 machine-learning  neural-network  deep-learning  tensorflow  cnn 

我试图理解本文，不确定什么是双线性上采样。谁能从高层次上解释这一点？ https://arxiv.org/abs/1606.00915

13 deep-learning  convnet  cnn  convolution 

是否有关于我应使用的LSTM电池的最小，最大和“合理”数量的经验法则（或实际规则）？具体来说，我与TensorFlow和property 有关的BasicLSTMCell有关num_units。 请假设我有以下定义的分类问题： t - number of time steps n - length of input vector in each time step m - length of output vector (number of classes) i - number of training examples 例如，训练示例的数量应该大于： 4*((n+1)*m + m*m)*c c单元数在哪里？我基于此：如何计算LSTM网络的参数数量？据我了解，这应该给出参数的总数，该总数应少于训练示例的数量。

12 rnn  machine-learning  r  predictive-modeling  random-forest  python  language-model  sentiment-analysis  encoding  machine-learning  deep-learning  neural-network  dataset  caffe  classification  xgboost  multiclass-classification  unbalanced-classes  time-series  descriptive-statistics  python  r  clustering  machine-learning  python  deep-learning  tensorflow  machine-learning  python  predictive-modeling  probability  scikit-learn  svm  machine-learning  python  classification  gradient-descent  regression  research  python  neural-network  deep-learning  convnet  keras  python  tensorflow  machine-learning  deep-learning  tensorflow  python  r  bigdata  visualization  rstudio  pandas  pyspark  dataset  time-series  multilabel-classification  machine-learning  neural-network  ensemble-modeling  kaggle  machine-learning  linear-regression  cnn  convnet  machine-learning  tensorflow  association-rules  machine-learning  predictive-modeling  training  model-selection  neural-network  keras  deep-learning  deep-learning  convnet  image-classification  predictive-modeling  prediction  machine-learning  python  classification  predictive-modeling  scikit-learn  machine-learning  python  random-forest  sampling  training  recommender-system  books  python  neural-network  nlp  deep-learning  tensorflow  python  matlab  information-retrieval  search  search-engine  deep-learning  convnet  keras  machine-learning  python  cross-validation  sampling  machine-learning 

在反向传播期间不更改CNN的过滤器权重有什么影响？在MNIST数据集上进行训练时，我仅更改了完全连接的图层权重，但仍达到了将近99％的精度。

10 machine-learning  cnn  mnist 

我正在尝试实现一种算法，其中给定一个在平面表上具有多个对象的图像，期望的是每个对象的分割蒙版的输出。与CNN不同，这里的目标是在陌生的环境中检测物体。解决此问题的最佳方法是什么？另外，在线上有任何实施示例吗？ 编辑：很抱歉，问题可能有点误导。我所说的“陌生环境”的意思是算法可能不知道对象。该算法不需要了解对象是什么，而应该仅检测对象。我应该如何解决这个问题？

10 machine-learning  deep-learning  cnn  computer-vision  object-detection 

我一直在学习卷积神经网络。在查看Keras示例时，我遇到了三种不同的卷积方法。即1D，2D和3D。这三层之间有什么区别？他们的用例是什么？是否有一些链接或参考来显示其用例？

10 machine-learning  neural-network  deep-learning  keras  cnn 

在我的Dell Core i7-16GB RAM-4gb 960m GPU笔记本电脑上，我正在使用3d CNN对肺部CT图像进行分类的项目。我正在使用Tensorflow的CPU版本。图像准备为numpy数组大小（25,50,50）。 我的CNN模型具有2个转换层，2个maxpool层，1个FC层和输出层。通过这种架构，我可以训练大约（5000至6000）个样本的模型。添加更多层后，我的模型现在具有6个转换层，3个最大池层，FC和输出层。我的问题是在更改架构后，仅使用了1000多个样本，我的内存被填满，并且出现内存错误。我试图做较小的批次，但是每次都会出现相同的错误。我有两个问题： 为什么通过添加更多层，模型需要更多内存？ 有什么办法可以解决这类问题？

7 python  tensorflow  cnn