在PyTorch中计算Conv2d的输入和输出尺寸，以进行图像分类。
我正在尝试运行PyTorch CIFAR10图像分类的教程，链接在这里 - http://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html#sphx-glr-beginner-blitz-cifar10-tutorial-py...
如何更新反卷积层的权重？
我正在尝试开发一个反卷积层（或者更准确地说是转置卷积层）。 在前向传递中，我执行完整的卷积（使用零填充进行卷积）。 在反向传递中，我执行有效的卷积（不使用填充进行卷积）以将误差传递到前一层。 偏差的梯度很容易计算，只需要对超出的维度取平均即可。 问题是我不知道如何更新卷积滤波器的权重。梯...
一个可重复使用的Tensorflow卷积网络
我希望能够重用Tensorflow "MNIST for Pros" CNN example中的代码。我的图片尺寸为388px X 191px，只有2个输出类别。原始代码可以在这里找到。 我尝试通过仅更改输入和输出层来重用此代码，如下所示： 输入层 x = tf.placeholder("...
如何加速处理numpy 3D数组卷积中的for循环？
在一个3D的Numpy数组中进行Z向量卷积，然后对结果执行其他操作，但是由于当前实现方式较慢。是否是for循环导致我的代码变慢了，或者是卷积本身？我尝试将其重新整形为1D向量，并在1次传递中执行卷积（就像在Matlab中所做的那样），而不使用for循环，但这并没有提高性能。我的Matlab版本...
ValueError: 在'conv1d_1/convolution/Conv2D'中，由于将3从1中减去导致负的维度大小。
二分类问题：我想要一个输入层（可选），一个Conv1D层，然后输出一个神经元的层，预测为1或0。 这是我的模型： x_train = np.expand_dims(x_train,axis=1) x_valid = np.expand_dims(x_valid,axis=1) #x_trai...
性能问题：单个CPU核心 vs 单个CUDA核心
我想比较一个单独的Intel CPU内核和一个单独的nVidia GPU内核（即：一个单独的CUDA代码，一个线程）的速度。我实现了以下朴素的2D图像卷积算法： void convolution_cpu(uint8_t* res, uint8_t* img, uint32_t img_wid...
理解Keras Conv2D层中参数的数量
我的第一层是：model.add(tf.keras.layers.Conv2D(filters=32, kernel_size=3, padding="same", activation="relu", input_shape=[32, 32, 3])) 模型摘要表中的参数数量： Lay...
为什么扩张卷积可以保持分辨率？
该动画来自这里。我想知道为什么膨胀卷积被称为能够保留分辨率。明显地，蓝色输入是7x7，绿色输出是3x3。 编辑： 解决分辨率损失的一种方法是使用大约当前感受野大小一半的填充。 这基本上削弱了膨胀卷积不会失去分辨率的说法，因为是通过填充来保留分辨率的。要用输入得到相同的输出尺寸，传统...
Tensorflow：损失在减少，但准确率保持稳定。
我的团队正在使用Tensorflow训练一个CNN来对受损/可接受的零件进行二元分类。我们通过修改cifar10示例代码创建了自己的代码。在我以前使用神经网络的经验中，我总是训练到损失非常接近于0（远低于1）。然而，在训练期间我们现在使用验证集来评估模型（在单独的GPU上），看起来精度在大约6...
正确实现双通道高斯模糊处理
我正在尝试实现一个高性能的高斯模糊，利用了高斯核是可分离的事实，即可以将2D卷积表示为两个1D卷积的组合。 我使用以下代码能够生成我认为是正确的两个核。 /// <summary> /// Create a 1 dimensional Gaussian kernel using...