- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
Python 3.5/Windows 10/tensorflow-gpu 1.12 (GTX 1070)
目标:为 3 channel 图像构建卷积自动编码器
教程来源:https://towardsdatascience.com/autoencoders-introduction-and-implementation-3f40483b0a85
本教程使用 MNIST 数据集,我的图像较大且有 3 个颜色 channel ,但我正在尝试进行相应调整。
令我困惑的一点是:
inputs_ = tf.placeholder(tf.float32, (None, 28, 28, 1), name='inputs')
conv1 = tf.layers.conv2d(inputs=inputs_, filters=32, kernel_size=(3,3), padding='same', activation=tf.nn.relu)
# Now 28x28x32
[28,28,1]是mnist图像的宽高和灰度
我理解 kernel_size 等于过滤器大小 -- 这是正确的吗? ( https://blog.xrds.acm.org/2016/06/convolutional-neural-networks-cnns-illustrated-explanation/ )
我对导出特征图的理解:
我不会填充上面的图像,并且会得到以下结果:
filter_ct_a, out_shape_a, padding_a = calc_num_filters(shapeXY=[5,5,1], filterXY=[3,3], strideXY=[1,1])
print("# Filters: {}\nNew Shape: {}\n Padding : {}".format(filter_ct_a, out_shape_a, padding_a))
# Filters: 9
New Shape: [3, 3, 1]
Padding : [0, 0]
假设它已填充:
filter_ct_a, out_shape_a, padding_a = calc_num_filters(shapeXY=[5,5,1], filterXY=[3,3], strideXY=[1,1], paddingXY=[1,1])
print("# Filters: {}\nNew Shape: {}\n Padding : {}".format(filter_ct_a, out_shape_a, padding_a))
5.0
# Filters: 25
New Shape: [5, 5, 1]
Padding : [1, 1]
<小时/>
我将过滤器的数量解释为图像大小、填充、步幅和内核大小的函数。 (这是正确的吗?)(How to interpret TensorFlow's convolution filter and striding parameters?)
我对这种关系的虚拟计算如下:
def calc_num_filters(shapeXY, filterXY, strideXY=[1,1], paddingXY = [0,0]):
paddingX = paddingXY[0]
while True:
filtersX = 1 + ((shapeXY[0]+2*paddingX-filterXY[0])/strideXY[0])
if filtersX == int(filtersX):# and filtersX%2 == 0:
break
paddingX += 1
if paddingX >= shapeXY[0]:
raise "incompatable filter shape X"
paddingY = paddingXY[1]
while True:
filtersY = 1 + ((shapeXY[1]+2*paddingY-filterXY[1])/strideXY[1])
if filtersY == int(filtersY):# and filtersY%2 == 0:
break
paddingY += 1
if paddingY >= shapeXY[1]:
raise "incompatable filter shape Y"
return (int(filtersX*filtersY),[int(filtersX), int(filtersY), shapeXY[2]], [paddingX, paddingY])
在教程示例中,conv1 将张量大小从 [28, 28, 1] 更改为 [28, 28,32]。我注意到 tf.layers.conv2d
似乎使 channel (或 z-dim)与在所有情况下传递的 filters
值相匹配。
我无法弄清楚这些值如何兼容:28x28 图像
,以及 kernel_size=(3,3)
导致 32 个过滤器
?
假设步幅 = [1,1]
filter_ct_a, out_shape_a, padding_a = calc_num_filters(shapeXY=[28,28,1], filterXY=[3,3], strideXY=[1,1])
print("# Filters: {}\nNew Shape: {}\n Padding : {}".format(filter_ct_a, out_shape_a, padding_a))
# Filters: 676
New Shape: [26, 26, 1]
Padding : [0, 0]
使用strideXY=[3,3]
:
filter_ct_a, out_shape_a, padding_a = calc_num_filters(shapeXY=[28,28,1], filterXY=[3,3], strideXY=[3,3])
print("# Filters: {}\nNew Shape: {}\n Padding : {}".format(filter_ct_a, out_shape_a, padding_a))
# Filters: 100
New Shape: [10, 10, 1]
Padding : [1, 1]
如果过滤器(计数)、内核大小、步幅和图像大小按照我理解的方式相关——为什么 tensorflow 在可以导出过滤器计数的情况下要求提供过滤器计数?
最佳答案
过滤器的数量与内核大小、步幅或图像大小完全无关。相反,它是由您使用 filters
参数指定的。例如,当您设置 filters=32
时,这意味着该层将具有 32 个独立 卷积滤波器,从某种意义上说,每个滤波器都将应用于给定图像,其形状为(28, 28, 1)
在您的示例中,并将返回形状 (28, 28)
的特征图(即激活图)(假设 padding= '相同'
)。因此,所有滤波器结合起来,卷积层的输出将具有(28, 28, 32)
的形状。如果您设置了 filter=53
,卷积层的输出将具有 (28, 28, 53)
的形状,即每个卷积滤波器有一个特征图。
关于python - tensorflow :过滤器与内核和步幅,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53802686/
我想将模型及其各自训练的权重从 tensorflow.js 转换为标准 tensorflow,但无法弄清楚如何做到这一点,tensorflow.js 的文档对此没有任何说明 我有一个 manifest
我有一个运行良好的 TF 模型,它是用 Python 和 TFlearn 构建的。有没有办法在另一个系统上运行这个模型而不安装 Tensorflow?它已经经过预训练,所以我只需要通过它运行数据。 我
当执行 tensorflow_model_server 二进制文件时,它需要一个模型名称命令行参数,model_name。 如何在训练期间指定模型名称,以便在运行 tensorflow_model_s
我一直在 R 中使用标准包进行生存分析。我知道如何在 TensorFlow 中处理分类问题,例如逻辑回归,但我很难将其映射到生存分析问题。在某种程度上,您有两个输出向量而不是一个输出向量(time_t
Torch7 has a library for generating Gaussian Kernels在一个固定的支持。 Tensorflow 中有什么可比的吗?我看到 these distribu
在Keras中我们可以简单的添加回调,如下所示: self.model.fit(X_train,y_train,callbacks=[Custom_callback]) 回调在doc中定义,但我找不到
我正在寻找一种在 tensorflow 中有条件打印节点的方法,使用下面的示例代码行,其中每 10 个循环计数,它应该在控制台中打印一些东西。但这对我不起作用。谁能建议? 谢谢,哈米德雷萨, epsi
我想使用 tensorflow object detection API 创建我自己的 .tfrecord 文件,并将它们用于训练。该记录将是原始数据集的子集,因此模型将仅检测特定类别。我不明白也无法
我在 TensorFlow 中训练了一个聊天机器人,想保存模型以便使用 TensorFlow.js 将其部署到 Web。我有以下内容 checkpoint = "./chatbot_weights.c
我最近开始学习 Tensorflow,特别是我想使用卷积神经网络进行图像分类。我一直在看官方仓库中的android demo,特别是这个例子:https://github.com/tensorflow
我目前正在研究单图像超分辨率,并且我设法卡住了现有的检查点文件并将其转换为 tensorflow lite。但是,使用 .tflite 文件执行推理时,对一张图像进行上采样所需的时间至少是使用 .ck
我注意到 tensorflow 的 api 中已经有批量标准化函数。我不明白的一件事是如何更改训练和测试之间的程序? 批量归一化在测试和训练期间的作用不同。具体来说,在训练期间使用固定的均值和方差。
我创建了一个模型,该模型将 Mobilenet V2 应用于 Google colab 中的卷积基础层。然后我使用这个命令转换它: path_to_h5 = working_dir + '/Tenso
代码取自:- http://adventuresinmachinelearning.com/python-tensorflow-tutorial/ import tensorflow as tf fr
好了,所以我准备在Tensorflow中运行 tf.nn.softmax_cross_entropy_with_logits() 函数。 据我了解,“logit”应该是概率的张量,每个对应于某个像素的
tensorflow 服务构建依赖于大型 tensorflow ;但我已经成功构建了 tensorflow。所以我想用它。我做这些事情:我更改了 tensorflow 服务 WORKSPACE(org
Tensoflow 嵌入层 ( https://www.tensorflow.org/api_docs/python/tf/keras/layers/Embedding ) 易于使用, 并且有大量的文
我正在尝试使用非常大的数据集(比我的内存大得多)训练 Tensorflow 模型。 为了充分利用所有可用的训练数据,我正在考虑将它们分成几个小的“分片”,并一次在一个分片上进行训练。 经过一番研究,我
根据 Sutton 的书 - Reinforcement Learning: An Introduction,网络权重的更新方程为: 其中 et 是资格轨迹。 这类似于带有额外 et 的梯度下降更新。
如何根据条件选择执行图表的一部分? 我的网络有一部分只有在 feed_dict 中提供占位符值时才会执行.如果未提供该值,则采用备用路径。我该如何使用 tensorflow 来实现它? 以下是我的代码
我是一名优秀的程序员,十分优秀!