问题标签 [lasagne]

我正在使用 Lasagne 包构建一个简单的卷积网络，并希望添加一个具有简单阈值 [max(0,x-threshold)] 的 ReLu 层，但只能找到没有可训练参数 (lasagne.layers.NonlinearityLayer) 的整流器或有一个正在相乘的参数（lasagne.layers.ParametricRectifierLayer）。这层存在还是我遗漏了一些明显的东西？

感谢您的任何帮助！特里

当我尝试在这里玩代码时，我遇到了一个非常奇怪的错误。除了一个之外，其他所有模块都可以正确导入。

具体来说，错误是：

从这里的文件。lasagne_extensions.layers 如下：

所以，我认为问题应该是我没有安装lasagne或parmesan正确安装。

我已尝试将相关模块包括numpy、scipy和分别升级theano到lasagne最新版本pip install --upgrade。不pip install支持parmesan，所以我下载并重新安装了它。但是，错误仍然存​​在。

谁能给我一些关于我应该研究什么的建议？

我正在使用千层面的 Conv3DDNNLayer，输入尺寸为 (N x 1 x 9 x 9 x 9)，其中每个 9x9x9 立方体是我要分类的样本。

因此，我的目标维度为 (N x 1)，每个条目对应一个多维数据集。这引发了错误：

在这种情况下，我应该在哪些维度设置目标？

编辑 - 添加代码

谢谢！

我正在尝试重现Long-term Recurrent Convolutional Networks论文。

我有一个预训练的 caffe 模型，我想在theano. 我有.caffemodel这个文件的，和prototxt. 我已经使用千层面示例将 caffe 权重加载到 caffe 模型中。这是我使用的代码，但数据未加载到千层面模型。我通过使用 lasagne.layers.get_all_param_values(net)引发此错误的命令来检查它。

试用/测试代码：-

我想做以下事情：

在这里，w_sub 是例如 w[1]，但我不想在 w_sub 的函数中显式写出 b。尽管经历了这个和其他相关问题，但我无法解决它。

这只是向您展示我的问题。实际上，我真正想做的是与 Lasagne 进行稀疏卷积。权重矩阵中的零项不需要更新，因此不需要计算 的这些项的梯度w。

现在这是完整的错误消息：

我正在使用 lasagne 和 theano 预测来自 VGG 的回归任务的 20 个数字。对于我编写的示例脚本，图像数量为 100。我认为我在做一些愚蠢的事情，但被卡住了。

在网上看，用nolearn的人，可以通过指定来修复regression=True，但我只是用千层面

所以：

这是确切的错误消息

这是模型

发电机：

相关训练片段

我正在使用 Lasagne 包构建一个简单的 3 层神经网络，并在一个非常简单的数据集（只有 4 个示例）上对其进行测试。

然而，它未能学习到这一点，并导致预测：

完整代码：

训练：

我猜隐藏层中使用的非线性函数或学习方法可能存在问题。

我正在尝试用 Lasagne 训练一个极其简单的神经网络：一个密集层，一个输出，没有非线性（所以它只是一个线性回归）。这是我的代码：

我还没有在这里训练网络，只是进行 1K 评估（具有初始随机权重），看看需要多少时间才能获得 1K 网络的实际预测。与 1K 点产品相比，这是一个可怕的减速！

所以我的问题是：为什么评估这么简单的网络需要这么长时间？

另外，我对预测值感到困惑。如果点积小于零，则网络输出 0，否则这两个值相同：

我是否缺少有关 DenseLayer 工作原理的信息？

我在 Ubuntu 14.04 中使用 PyCharm。因此，当我使用 iPython 时，我可以通过以下方式查看我正在使用的库：

结果：

我可以在 iPython 中导入这些库，但它们在 PyCharm 中不起作用。

如何将所有这些路径和库插入 PyCharm。现在我的 PyCharm 不能识别这些库中的大多数。

如果你熟悉深度学习库，我使用的是 Anaconda、Theano、Lasagne，但它们都没有添加到我的 PyCharm 中。但是它们在 iPython 中都可以正常工作。

换句话说，我如何将 iPython 中的所有路径添加到 PyCharm 路径中。

我想使用预训练的神经网络，并根据我的特定需求对其进行微调。我想为此使用 Python 和 Lasagne 框架。上：

https://github.com/Lasagne/Recipes/blob/master/examples/ImageNet%20Pretrained%20Network%20%28VGG_S%29.ipynb

我找到了一个如何将预训练网络用于特定图像的示例。我的问题是，我想使用上面链接中描述的网络作为起点，并为其添加最后一层，使其实现我需要的两个分类器。因此，我想冻结网络中的所有层，并只允许在我最后添加的层中进行训练。

显然有一种方法可以表明层在千层面中应该是“不可训练的”，但我没有在网上找到如何做到这一点的例子。

对此的任何想法将不胜感激。