• 我正在尝试计算二进制类彩色图像分类问题中的真阳性、真阴性、假阳性、假阴性比率。

• 我有二进制类、面部和背景彩色图像，我必须使用 MLP 对它们进行分类。

我的问题是：我收到错误：

ValueError：要求检索元素 0，但序列的长度为 0

编辑：完整回溯

• 在尝试分别从 2 个类预测每个文件夹时（而不是包含 2 个文件夹的根文件夹，每个类一个用于训练）。

我产生错误的代码是：

给定来自 CIFAR10 的一对图像，平均这两个图像，将它们作为输入提供给网络，并输出用于平均输入的两个单独的图像。

我目前正在使用条件 GAN 和自动编码器来完成这项任务。但到目前为止还没有达到预期的结果，模型正在训练中，但我想知道这是否是解决这个任务的正确方向......

这是我到现在为止的输出......

我有一个预定义 nz=10, ngf= 64 的 python 测试代码

现在我需要重置隐藏层和其他参数才能输出大小为 28x28 的图像，即 -torch.Size([batch_size, 1, 28, 28])

请有人建议我应该在以下代码中进行哪些更改，以便能够生成 28x28 而不是 64x64 目前的图像

例如，考虑这个图像，我想将每个部分保存为单个图像：

这是代码，这将在每个时期后给出一系列输出，我想将每个小输出保存为单个图像。我该如何进行？

我正在使用 Tensorflow 中的 te ImageDataGenerator 来标记图像。

我似乎做错了什么试图指向我的培训目录，有什么想法吗？

提前致谢

我正在使用 VQGAN+CLIP。是否有任何受控方式来影响通过文本提示创建的图像的样式？

例如，在 Twitter 和 Reddit 上有关于在提示中添加关键词的讨论，例如“虚幻引擎技巧”（https://twitter.com/arankomatsuzaki/status/1399471244760649729），其中您将“虚幻引擎”添加到末尾您的提示，例如“空气天使。虚幻引擎”。参数列表中是否有任何变量可以传递给可以执行此操作的 GAN，或者是否有办法将其包含在提示中但将其从一般解析的文本中排除，例如是否包含在 {} 或其他内容中?

我正在尝试使用图像生成器训练模型，但它在 5 个类中给了我 0 个图像虽然子文件夹中有图像，但图像是 .dcm 格式

下面是我的代码

将我们的数据增强参数添加到 ImageDataGenerator

train_datagen = ImageDataGenerator(rescale = 1./255.,rotation_range = 40, width_shift_range = 0.2, height_shift_range = 0.2,shear_range = 0.2, zoom_range = 0.2, Horizo​​ntal_flip = True)

train_generator = train_datagen.flow_from_directory(TRAIN_PATH, batch_size = 20, class_mode = 'binary', target_size = (224, 224))

结果我找到了属于 5 个类的 0 个图像。

更新：使用 0.075 的学习率，随机权重和随机偏差，误差总是达到 0.17277051191827117，然后不动。在 0.01 的学习率下，同样的情况也会发生，我得到的只是黑色图像。似乎错误要高得多，这应该很难弄清楚

...无论我将学习率设置为多少，它总是落在同一件事上

我一直在尝试建立网络，工作。它应该拍摄一张图像，将其分解为 rgb 输入，然后将它们传递并重新创建该图像。我想我终于明白了必须设置阵列的方式，但现在数学不起作用。它总是在某一点停止训练或来回走动。我使用了几种学习率。我尝试过使用更多隐藏层，但我没有内存。我确信有更好的方法。我想转移到像 Keras 这样的东西上，但我想通过动画层更好地理解事物是如何工作的，但事物只是没有训练。

我用这个例子来构建我的 https://gist.github.com/jamesloyys/ff7a7bb1540384f709856f9cdcdee70d#file-neural_network_backprop-py

该示例有效，我能够为图层设置动画。但该示例是关于根据输入猜测 1 或 0。

这是我正在使用的代码。它生成的图像总是黑色、白色或灰色。我正在使用 128x128 的小图像或类似大小的图像。任何更大的都会给我带来记忆错误。我已经对这段代码进行了一些改进，运行了几次，然后它会出错，因为形状没有对齐。我遇到了很多转置问题 (.T) 我也经常遇到 .exp 问题，因为小数会突然失控，而且无论我运行多久，这个例子都没有。我有一个 16 核处理器，可以相当快地处理大小合适的图像，并且可以使用 numba 来加快速度，尽管我遇到了大量错误。

请在数学和算法方面提供任何帮助，绝对有帮助，我会很感激

我的分类正确吗？

LeNet-5：图像分类，
AlexNet：图像分类，
VGG-16：图像分类，
ResNet：图像分类，
Inception模块：图像分类，
MobileNet：图像分类，
EfficientNet：图像分类，
Neural Style Transfer：图像生成，
Sliding Windows Detection算法：物体检测，
R-CNN：物体检测，
YOLO：物体检测，
连体网络：图像识别，
U-Net：语义分割

如果错了，请纠正我。谢谢！

当我们使用卷积自编码器生成新图像时，模型是否每次运行模型都会生成相同的图像？还是更愿意生成随机变化的图像？我认为每次我们运行模型时，自动编码器 (AE) 都会生成相同的新图像，因为它将输入图像映射到潜在空间中的单个点。另一方面，变分自动编码器 (VAE) 将输入图像映射到一个分布。因此，如果我们需要一些随机变化的图像，我们需要使用 VAE，如果我们每次运行模型都需要相同的生成图像，我们使用 AE。这是真的？我的问题是：AE 会生成随机变化的图像吗？