问题标签 [mnist]

我正在尝试将数据拆分为训练（80%）和测试（20%）集，但我需要先对数据进行洗牌，然后为每个数据集中的每个标签（y，10 个类）分配相等数量的样本。

我怎样才能在 lua/火炬中做到这一点？谢谢！

到目前为止，这是我的代码...

我无法正确导入 mnist 数据集。你能帮我弄清楚出了什么问题吗？“input_data.py”被正确放置和调用。

我是 ML 新手，我正在使用 tensorflow。
我想查看我的自动编码器的功能，但我不知道如何提取（查看）隐藏单元。
有人可以帮助我吗？

我制作了自己的数据集，但原始代码使用 MNIST： https ://jmetzen.github.io/2015-11-27/vae.html

我添加了一层隐藏单元以将其转换为 Stacked AE..（我不知道它是否被堆叠，但有效）

我的AE：https ://github.com/Snowedze/Autoencoder.git

我正在尝试学习（和比较）不同的深度学习框架，当时它们是 Caffe 和 Theano。

http://caffe.berkeleyvision.org/gathered/examples/mnist.html

和

http://deeplearning.net/tutorial/lenet.html

我按照教程在 MNIST 数据集上运行这些框架。但是，我注意到在准确性和性能方面存在很大差异。

对于 Caffe，准确率提高到 97% 的速度非常快。事实上，完成程序（使用 GPU）只需要 5 分钟，在测试集上的最终准确率超过 99%。多么令人印象深刻！

但是，在 Theano 上，它要差得多。我花了超过 46 分钟（使用相同的 GPU），才达到 92% 的测试性能。

我很困惑，因为在相同数据集上运行相对相同架构的框架之间应该没有太大区别。

所以我的问题是。Caffe 报告的准确率是测试集上正确预测的百分比吗？如果是这样，对这种差异有什么解释吗？

谢谢。

基于以下教程：

https://www.tensorflow.org/versions/v0.6.0/tutorials/mnist/pros/index.html#deep-mnist-for-experts

32用于 MNIST 的 CNN 第一层的特征数量来自哪里？

64第二层的特征数量来自哪里？

I tried to use the same code with some modification here for digit recognitions using a trained model for mnist based on Caffe. My modified source code and network is as follows. I also included the error message at the end. The image is used in the code is a sample image from mnist. The line of code that it cannot go through is

And I'm pretty sure it is because of the dimension of input.

Any ideas how to run the code for LeNet?

caffe_mnist.cpp

mnist.prototxt

Error:

在这里完成 Caffe 教程后：http: //caffe.berkeleyvision.org/gathered/examples/mnist.html

我对本教程中使用的不同（高效）模型感到非常困惑，该模型在此处定义： https ://github.com/BVLC/caffe/blob/master/examples/mnist/lenet_train_test.prototxt

据我了解，Caffe 中的卷积层只是计算每个输入的 Wx+b 之和，而不应用任何激活函数。如果我们想添加激活函数，我们应该在该卷积层的正下方添加另一个层，例如 Sigmoid、Tanh 或 Relu 层。我在互联网上阅读的任何论文/教程都将激活函数应用于神经元单元。

这给我留下了一个很大的问号，因为我们只能看到模型中交错的卷积层和池化层。我希望有人能给我一个解释。

作为站点说明，我的另一个疑问是此求解器中的 max_iter： https ://github.com/BVLC/caffe/blob/master/examples/mnist/lenet_solver.prototxt

我们有 60.000 张图像用于训练，10.000 张图像用于测试。那么为什么这里的 max_iter 只有 10.000（它仍然可以获得 > 99% 的准确率）？Caffe 在每次迭代中都做了什么？实际上，我不太确定准确率是否是正确预测/测试的总大小。

我对这个例子感到非常惊讶，因为我还没有找到任何例子，框架可以在很短的时间内达到如此高的准确率（只需 5 分钟即可获得 >99% 的准确率）。因此，我怀疑应该有我误解的东西。

谢谢。

我是咖啡新手。为了使用 mnist 数据集训练 Lenet，我将数据下载到 caffe 中的 data/mnist。尝试使用 转换为 lmdb 时，./examples/mnist/create_mnist.sh出现以下错误：

有人可以帮我吗？究竟可能是什么问题？

我是 Python 新手，我已经下载了代码 DBN.py，但有一个问题：当我尝试加载数据集 MNIST.pkl.gz 时，总是出现内存错误。我的代码非常简单：

错误如下：

我真的不知道，是不是因为我的电脑内存太小了？它在 Windows 7,32 位

我是 caffe 的新手，因此试图使用 MNIST 数据集构建模型，我执行了以下说明：

在最后一条指令的末尾，控制台上打印了一系列输出，最后几行是：

我现在尝试使用在examples/mnist/lenet_iter_10000.caffemodel中创建为binay proto文件的模型

我运行了以下命令，将我的图像作为测试模型的输入：

我的图像是灰度 256*256 图像（我什至尝试过使用 256*256 RGB 图像）

但是发生错误说：

我没有更改任何文件，除了我添加了这些代码行的分类.py：

我的 ./examples/mnist 文件结构：

./data/mnist 的文件结构：

任何帮助，将不胜感激。