问题标签 [mxnet]

我正在寻找使用 R 的“mxnet”对多波段图像（RGB、多光谱/高光谱航空或卫星遥感）进行像素分类的最佳实践或案例研究。实际上，在图像标记方面有很多最佳实践（例如，像 imagenet 这样的大型图像档案中的狗与猫），其中对整个图像进行了分类，并且通常有很多训练数据（或预训练模型）可用。但是，我没有发现任何有关像素级图像分类/回归的信息，其中训练数据通常比较稀疏，应用程序处理例如土地覆盖类别、物体（如汽车、建筑物等）或生物物理变量（生物量、土壤湿度、叶绿素含量等）。

我使用过 R 和 MXNET，我看到 repo 中的 MXNET 版本是 0.7

我已经从 Git 构建了 0.93 并且我成功了。（添加大量依赖项和缺少的库。

但问题是它没有为 R 创建“mxnet.dll”

我得到的唯一输出是“libmxnet.dll”，而 R 没有加载它。我相信旧的 mxnet.dll 不适用于新的 libmxnet.dll

当我输入时，我在 Julia 命令提示符的 Windows 10 中收到“找不到函数 MXSymbolGetAtomicSymbolName”错误：

julia> using MXNet

我应该怎么做才能解决这个错误

我正在努力理解 Julia 中 MXNet 的符号 API 细微差别。我在 MXNet 文档中看到了一个示例，其中包含以下行：

为什么act_type分配符号:relu.?

是:relu函数指针吗？如果不是，那么我们在哪里将值分配给:relu符号？为什么数据没有分配符号？为什么名称被分配一个符号而不是一个字符串？

我对神经网络有基本的了解。我知道应该有存储 0 或 1 对应于不同类别标签的 ay 矩阵（预期结果）。例如，对于数字识别，如果要识别的数字是 6，那么 y 向量应该是[0,0,0,0,0,1,0,0,0,0]。但是，当我在 Github 上的 MXNet.jl 存储库中看到 MXNet 示例时，我无法识别任何准备这种结果矩阵的代码。我认为神奇在于get_mnist_providers()返回 2 个提供者的方法：

我不知道这些提供者是什么——train_provider、eval_provider。请帮助我了解这些提供商。我正在尝试编写具有不同分类的算法，因此了解该提供程序至关重要。

我目前正在尝试使用 MXNet R API 设置前馈 NN。我想实现一个自定义损失函数，它使用我自己定义的预先固定的权重为 c(7,8,9)。在 Tensorflow 中，可以选择将变量定义为不可训练，以确保这些变量在训练过程中不会被修改。这正是我的体重所需要的！不幸的是，我还没有找到任何实现这一点的方法。这是我的代码：

我知道 Python API 提供了 set_lr_mult 函数，通过它我可以将“权重”的学习率设置为零，但对于 R，这似乎不是一个选项。你有什么建议吗？

非常感谢！

我在 Ubuntu 14.04 64 位桌面上使用android NDK 独立工具链编译 mxnet(v0.9.3) 合并，但遇到了一些错误。第一个错误是：

当我删除“-msse2”选项并makefile再次运行时，它可以编译更多，但后来我遇到了新的错误，例如：

我应该怎么做才能解决这些问题？

顺便说一句：我的 android-ndk 版本是 android-ndk-r13b。要创建独立工具链，我按照以下步骤操作： $ python NDK/build/tools/make_standalone_toolchain.py --arch arm --api 21 --install-dir /tmp/my-android-toolchain

更多信息：https ://github.com/dmlc/mxnet/issues/4888

我的 mxnet_predict-all.cc 的#includes：

在为 RGB 图像定义分割网络时，例如 mxnet 上 fcn-xs 示例中的网络，输入的 RGB 图像层被馈送到多个卷积、激活、池化等...

例如卷积定义如下： mxnet.symbol.Convolution(data=input, kernel=(3, 3), pad=(1, 1), num_filter=64, workspace=workspace_default, name="conv1_1")

一方面，这里的卷积过滤器是 2D 的，这意味着每个颜色层 R、G、B 都是单独处理的。另一方面，从神经科学中众所周知，相关特征包含在颜色对比度中，而不是颜色通道本身中，即颜色应该相互减去，例如红色减去绿色或蓝色减去黄色。

如何通过网络结构强制执行？RGB 分量是如何混合和组合的？

卷积符号是否循环计算，即是否假设填充的输入符号在所有维度上都是周期性的？

更具体地说，如果我有尺寸为 1x3xHxW 的输入符号，表示 RGB 图像，并且我定义了一个卷积操作，如下所示： conv1 = mxmet.symbol.Convolution(data=input, kernel=(3, 5, 5 ), pad=(0, 2, 2)... 训练后的过滤器会是什么样子？我希望它由在每个颜色通道 R、G、B 上运行的二维过滤器的线性组合组成。

我对么？

如果我有一个 400 行的输入矩阵，有 20 个特征并且我有 10 个标签，那么我的 data_shape 和 label_shape 元组应该是什么