问题标签 [conv-neural-network]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
neural-network - Torch：NN 处理文本和数字输入
我有以下 NN 架构：
第1部分：
第2部分：
我想做的是使用这两个部分的输出作为另一部分的输入：
注意第 1 部分有 128 个输出，第 2 部分有 4 个，最后第 3 部分有 132 个输入。所以基本上我想要的是一个接受两种类型输入的网络（第 1 部分用于文本，第 2 部分用于数字向量）并在第三层中使用这些信息进行 2 类分类。
我查看了各种容器，但似乎没有什么是我需要的。具体来说，我查看了 nn.Parallel 但从文档看来它做了一些完全不同的事情（两个不同模块的相同输入）。第一个问题是网络的输入应该是什么样子（因为每个部分都采用不同类型的张量，我认为一个简单的表（数组）就可以了，它的第一个元素是 2D 张量，第二个元素是 1D 张量) 以及如何将其输出插入另一个网络，以便我可以像往常一样使用前向/后向调用。
有什么办法可以做到这一点？
谢谢！
python - Theano 导入错误：没有名为 cPickle 的模块
我很确定cPickle 没有问题。会不会是其他依赖的问题？确实是我今天早上升级了所有的包，所以可能会出现版本冲突。尽管如此，在我切换到 theano 的前沿版本后，问题仍然存在。有人能帮我弄清楚吗？
PS：我的开发设备是Macbook Pro 13（2015年初）；我的系统版本是 OS X 10.10.5；python版本是2.7.10
===========================第二次编辑===================== ===============
看来我的 Mac 上确实安装了最新版本的 6。
computer-vision - 使用卷积神经网络 (CNN) 时如何忽略纯色图像背景？
给定具有已知纯色背景颜色的对象图像，我如何影响 CNN 忽略/忽略背景特征，从而强调对象？
供您参考，我的场景是用于基于内容的图像检索 (CBIR) 的特征提取（例如神经代码）。我正在使用咖啡。
neural-network - 什么是 caffe 中的“top”参数
我正在尝试运行 caffe Experiment。我在我的 Train.prototxt 中使用以下损失层，
我看到训练开始时显示以下配置，
I0923 21:19:13.101313 26423 net.cpp:410] 丢失 <- ip2
I0923 21:19:13.101323 26423 net.cpp:410] 丢失 <- 标签
I0923 21:19:13.101339 26423 net.cpp:368] 丢失 -> （自动的）
我没有top在损失层中给出参数。
自动（损失->（自动））在这里到底是什么意思？
提前致谢！
image-processing - 卷积神经网络中的随机裁剪和翻转
在我阅读的很多关于卷积神经网络 (CNN) 的研究论文中，我看到人们从图像中随机裁剪出一个正方形区域（例如 224x224），然后随机水平翻转它。为什么要进行这种随机裁剪和翻转？另外，为什么人们总是裁剪正方形区域。CNN 不能在矩形区域上工作吗？
image-processing - 如何使用 caffe convnet 库检测面部表情？
如何使用 caffe convnet 检测面部表情？
我有一个图像数据集 Cohn Kanade，我想用这个数据集训练 caffe convnet。Caffe有一个文档站点，但它没有解释如何训练我自己的数据。只需使用预先训练的数据。
有人可以教我怎么做吗？
python - Caffe：训练、验证和测试拆分
我使用 caffe 已经有一段时间了，取得了一些成功，但我在示例中注意到，考虑到数据集只有两种方式拆分TRAIN和TEST阶段，其中该TEST集似乎充当验证集。
理想情况下，我希望拥有三组，这样一旦模型被训练，我就可以保存它并在一个全新的测试集上对其进行测试——存储在一个完整的单独的 lmdb 文件夹中。有没有人有这方面的经验？谢谢。
image-processing - 如何配置 Caffe deploy.prototxt？
我在这个问题上遵循了@ypx 的说明。现在我想预测一些图片。所以我正在使用：
但我收到这条消息：
我认为我的问题出在 deploy.prototxt 文件上。这是我的 deploy.prototxt这是我的 train.prototxt
有人可以帮我配置我的部署文件吗？
python - Extract image features using Caffe for custom image classifier
I would like to obtain the output of the 6th layer of a pre-built caffe model and train an SVM on top of it. My intention is to build a custom image classifier, where the user can create custom image classes, and classify input images among those classes, instead of the imagenet classes.Here is the pseudo code:
neural-network - Caffe 中的多个精度层
我正在尝试使用 nVidia DIGITS 和 Caffe 对大量图像进行分类。当我使用标准网络和我构建的网络时，一切正常。
但是，当我运行 GoogleNet 示例时，我可以看到几个精度层的结果。CNN 中如何有多个准确度层？有多个损失层是可以理解的，但是多个准确度值是什么意思呢？我在学习过程中得到了几个准确度图。类似于这张图：
和表示精度层lossX-top1。lossX-top5我从prototxt了解到这些评估前 1 和前 5 的准确度值，但是 lossX 准确度层是什么？
尽管其中一些图收敛到 98% 左右，但当我在 上手动测试经过训练的网络时'validation.txt'，我得到的值明显较低（对应于较低的三个准确度图）。
有人可以对此有所了解吗？怎么会有多个具有不同值的精度层？