问题标签 [mnist]

我已经从 github ( https://github.com/torch/demos/tree/master/train-a-digit-classifier ) 下载了 Torch 的演示。该代码在 CPU 模式下运行良好，但我想在 CUDA 6.5 的 GPU 模式下使用它。我已经使用 CUnn 和 CUtorch 安装了所有先决条件，并根据我找到的文档和教程，我添加了一些代码行以使其工作：

一开始：

最后在模型声明之后：

但是当我运行代码时，出现以下错误：

编辑： 解决方案是使用脚本将数据、标签和标准转换为 Cuda，:cuda()并且脚本运行良好。谢谢@lejlot

这个文件.py

错误显示如下

我正在使用 theano 制作 PCA 功能，但有问题。从 PCA 类中的 dimension_transform 中的 MNIST 数据中减去平均值

我不明白为什么它会给出类型匹配错误以及如何解决它

资料来源：http ://wbieniec.kis​​.p.lodz.pl/research/files/070618cores.pdf

我目前正在对 MNIST 数据集进行一些预处理。一些数字非常旋转，我想在训练我的神经网络之前让它们直立。上面的逻辑是我想遵循的，但是我认为我对它试图描绘的内容没有很好的理解。如果有人（也许是执行过类似操作或对图像处理有很好理解的人）可以验证上述逻辑，我将不胜感激。谢谢

我有 MNIST 数据集，我正在尝试使用 pyplot 将其可视化。数据集的cvs格式是每行是一个 784 像素的图像。我想以28*28 图像格式pyplot或opencv以 28*28 图像格式对其进行可视化。我正在尝试直接使用：

但我它不工作？关于我应该如何处理这个问题的任何想法。

我正在开发一个程序，该程序允许用户在“涂鸦区域”中绘制一个数字，按下按钮，应用程序将使用神经网络分类器预测他输入的数字。

现在，为了训练神经网络，我使用了 MNIST 数据库，它指定了以下内容：“来自 NIST 的图像经过尺寸标准化以适合 20x20 像素框，同时保持其纵横比 [...] 图像以 28 x 28 为中心图像通过计算像素的质心”。

我面临的问题是，在将用户在涂鸦区域中绘制的数字调整为 20 x 20 的大小后，我需要计算像素的质心，以便将其居中在中间28 x 28 图像。

我该如何计算呢？

嗨，我正在关注他们使用 MNIST 数据库的教程。现在他们使用 cPickle 解压缩数据并获取列表元组等。我想使用自己的数据，但我有 csv 格式的数据，我不确定如何转换为 MNIST 格式。我使用 48 个单位作为训练数据，最后一个是我想要的结果

我如何拥有 csv 文件的示例：

在我遵循的教程中，他们使用了这个：

如果我

打印训练数据

我明白了：

打印训练数据[0]

print training_data[0][0] 是每个集合的值的 numpy.array()，training_data[1][0] 是和 float32 以及每个集合的期望输出。

我正在做的代码是这样的，但是我对提示符上显示的 array() 和 dtype=float32 感到困惑

是否可以使 matconvnet 中的 MNIST 示例适用于两个类而不是 10 个？我将 cnn_mnist_init.m 文件更改为以下内容，以生成两个类的特征向量：

但是当我运行 cnn_train 时，出现以下错误：

我做错了什么？

我开始使用torch 7，我想制作我的数据集进行分类。我已经制作了像素图像和相应的标签。但是，我不知道如何将这些数据提供给火炬。我从其他人那里阅读了一些代码，发现他们正在使用扩展名为“.t7”的数据集，我认为它是一种张量类型。这样对吗？而且我想知道如何将我的像素图像（实际上，我使用 MNIST 数据集使用 Matlab 制作它们）转换为与 Torch 兼容的 t7 扩展。必须有 t7 格式的数据集结构，但我找不到它（也适用于标签）。

总而言之，我有像素图像和标签，并希望将它们转换为与手电筒兼容的 t7 格式。

提前致谢！

我的团队一直在研究 Caffe 的 MNIST 示例，并且已经能够定位/指定神经网络的某些层（如卷积层）中的神经元/过滤器的数量，这些层由称为 num_output 的参数引用。但是，池化层似乎没有指定它们拥有/我们可以调整的输出数量。有什么方法可以定位这些信息，以便我能够知道 MNIST 示例神经网络的每一层中存在多少个神经元？

此外，第 1 个卷积层的 num_output = 20，第 2 个卷积层的 num_output = 50。这种层深度的跳跃是如何实现的？我认为这是因为卷积层 1 和 2 之间的池化层，但我还是不明白池化层有多少过滤器。

我目前正在使用 tensorflow 和 mnist 代码。Yann Lecun 的 mnist 数据集包含 20x20 像素图像，这些图像通过计算像素的质心以 28x28 图像为中心。结果是至少有一个 4 像素的边框，可以改善结果分析。我在 mnist 上搜索并阅读了很多内容，但找不到使用 4 个像素的原因。我正在计算带有 5 像素边框的 100x100 像素图像，但我不知道这是否足够。我可以尝试更改边框大小并比较结果，但这需要我很长时间。我认为知识和应用良好实践会更好。那么如何定义最佳边框尺寸呢？