问题标签 [torch]

是否可以使用 Torch 实现连接同一层神经元的架构？

我必须使用 Torch 框架训练一个卷积神经网络，然后用 C 语言编写相同的网络。为此，我必须以某种方式从我的 C 程序中读取网络的学习参数，但我找不到方法将 Torch 张量转换或写入文件以使它们在 C 中可读。理想情况下，我想将张量转换为 C 中的双精度数组。

有谁知道这是怎么做到的吗？提前致谢 ：）

为了在我的机器（Mac）中安装 Torch，我遵循了以下方法。

http://torch.ch/docs/getting-started.html#_

完成安装后，我键入：

$ luarocks install image 或者$ luarocks lis

或者$th

为了加载th或更新 lua 包。它说“找不到命令”。你知道我该如何解决这个问题吗？

将目录永久添加到 Lua 搜索路径的简单方法是什么？

简而言之，我想知道torch中是否有一个张量命令，它可以为我提供满足特定标准的张量元素的索引。

这是 matlab 代码，它说明了我希望在 Torch 中能够做什么：

我知道我可以使用 for 循环在 Torch 中执行此操作，但是是否有一些等效于 matlab 的 find 命令可以让我更紧凑地执行此操作？

我正在 Torch7 中实现一个深度神经网络，其数据集由两个 torch.Tensor() 对象组成。第一个由 12 个元素组成（completeTable），另一个由 1 个元素组成（presentValue）。每个数据集行都是这两个张量的数组：

一切都适用于神经网络训练和测试。但是现在我想切换并只使用 completeTable 的 12 个元素中的一半，即只有 6 个元素（firstChromRegionProfile）。

如果我用这个新数据集运行相同的神经网络架构，它就不起作用。它说 trainer:train(dataset_firstChromRegion) 函数由于“大小不匹配”而无法工作。

这是我的神经网络功能：

这是错误日志：

nn.LogSoftMax具体来说，当输入张量的大小很小时，我不想使用 omp 。我有一个小脚本来测试运行时间。

如果arg[1]是 10，那么我的基本 log softmax 函数运行得更快：

但是一次arg[1]是 10,000,000，omp 确实有很大帮助：

所以我怀疑 omp 开销非常高。如果我的代码必须使用少量输入多次调用 log softmax（例如张量大小仅为 3），则将花费太多时间。有没有办法在某些情况下（但并非总是）手动禁用 omp 使用？

我有这个功能：

现在，

返回一个数字。我不知道它是怎么做到的。我在调试器中一步一步走，似乎这只是计算一个没有中间步骤的数字。

我很困惑这如何计算一个数字。

我对为什么甚至允许这样做感到困惑。参数输入是一个张量，它甚至没有任何称为 nn.MSE input.nn.MSECriterion_updateOutput 的方法。

我在torch library的 C 代码中看到了这样的函数：

这是预处理器的东西，还是lua特定的东西？我认为这个想法与“类”storageOffset上的某种方法有关THTensor，但我从未见过这种语法。

我需要在torch7中初始化一个具有索引相关函数的3D张量，即

然后我像这样初始化一个 3D 张量 A：

但是这段代码运行速度很慢，我发现它占用了总运行时间的 92%。有没有更有效的方法来初始化 torch7 中的 3D 张量？