我在网上没有找到这个问题的明确答案（如果存在，很抱歉）。 我想逐步了解两个函数（SeparableConv2D和Conv2D）之间的区别，例如使用输入数据集（3,3,3）（作为RGB图像）。 基于Keras-Tensorflow运行此脚本：import numpy as np from ke...

我正在手动创建我的数据集，这些数据集由一系列384x286的黑白图像组成。 我像这样加载一个图像：x = [] for f in files: img = Image.open(f) img.load() data = np.asarray(i...

在我正在工作的教程中（下面给出链接），作者将基线神经网络结构概述如下： 卷积输入层，32个特征映射，大小为3×3，使用整流器激活函数和最大规范权重约束设置为3。 model.add(Conv2D(32, (3, 3), input_shape=(3, 32, 32), padding='s...

我需要将可变长度的序列输入到我的模型中。 我的模型是 嵌入层 + LSTM层 + 一维卷积层(Conv1d) + 最大池化层 + softmax层。 当我在 嵌入层(Embedding) 中设置 mask_zero = True 时，我无法通过 一维卷积层(Conv1d) 的编译。 如何...

这两个任务都是卷积神经网络的流行应用。然而，我不理解它们之间的区别。根据Caffe教程中的一篇文章，似乎目标检测任务更加困难。 目标检测是指确定图像中物体的位置，还是揭示图像中有多少个物体...？

我在理论上理解了CNN层操作中最大/求和池化的概念，但我看到这个术语“随时间最大池化”或“随时间求和池化”被抛出（例如，Yoon Kim的“用于句子分类的卷积神经网络”论文）。它们之间有什么区别？

我有源图像和结果图像。我知道，在源图像上使用了某些卷积矩阵来得到结果。是否可以计算出这个卷积矩阵？或者至少得到一个非常相似的卷积矩阵。

我已经尝试了几天使用CUDA内核进行快速的二维卷积，针对一个500x500的图像（但我也可以改变其大小）和一个非常小的二维kernel（拉普拉斯2D kernel，因此是一个3x3的kernel..太小，以至于所有cuda线程都无法大幅度提高效率）。 我创建了一个CPU传统实现（两个for循...

我正在尝试在R中实现以下卷积，但没有得到预期的结果： $$ C_{\sigma}[i]=\sum\limits_{k=-P}^P SDL_{\sigma}[i-k,i] \centerdot S[i] $$ 其中$S[i]$是一个频谱强度向量（一个洛伦兹信号/NMR谱），且$i \in ...

今天早上花了一些时间寻找一个通用问题，以便将有关as_strided和/或如何制作广义窗口函数的重复问题指向。看起来有很多关于如何（安全地）创建机器学习、卷积、图像处理和/或数值积分的数组补丁、滑动窗口、滚动窗口、瓦片或视图的问题。 我正在寻找一个通用函数，可以接受窗口、步幅和轴参数，并返回...