腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
卷积
神经网络
中滤波器的
可视化
、
、
我读了这篇文章"",它改进了自动编码器中隐藏层的
可视化
,但我对如何
可视化
卷积
神经网络
的滤波器感到困惑。在我看来,对于第一个
卷积
层,为了
可视化
滤波器,它需要这个等式:![]()对于第二
卷积
层,它应该将滤波器投影到原始输入空间,但我不知道如何做到这一点。
浏览 2
提问于2013-05-15
得票数 3
1
回答
在火炬中
可视化
神经网络
层,不使用itorch
、
、
、
我有一个有几个
卷积
层的
神经网络
,我想要
可视化
我正在创建的特征地图。这建议使用itorch,但它需要在我想要避免的itorch笔记本中运行我的代码。还有其他的火炬包可以用来显示
卷积
层吗?因为我在网上发现的关于如何做这件事的资源太少了,所以我记录了我的完整解决方案,并把它加到Github身上。任何想要在火炬中
可视化
神经网络
的人都可以直接到这里开始! 再次感谢YuTse给我的小提示!
浏览 4
提问于2015-11-13
得票数 3
回答已采纳
2
回答
可视化
火炬中中间层的图像(lua)
、
、
、
、
在conv-get模型中,我知道如何
可视化
过滤器,我们可以执行itorch.image(模型:get(1).weight)。谢谢。
浏览 3
提问于2015-07-20
得票数 5
回答已采纳
1
回答
从图像生成热图
、
、
、
所以我已经在TensorFlow 2.0中训练了一个简单的图像分类器,我基于,它使用了网站上的第二种方法,因为第一种方法不使用Dropout或者数据增强。我看了一个电脑,它建议我应该使用CNN来解决这个问题。请回答。
浏览 1
提问于2020-10-01
得票数 1
回答已采纳
2
回答
CNNs如何处理RGB图像
、
、
、
在
卷积
神经网络
中,
卷积
过程是丰富的。众所周知,如果你将一张5x5灰度图像(1通道)与一个3x3滤波器(包含一定的权重)进行
卷积
,你就会得到一个3x3的特征图,如下图所示:
卷积
我的问题是,为什么会这
浏览 2
提问于2020-10-28
得票数 1
2
回答
如何获得CNN模型的输入输出特征图?
、
、
、
、
当图像通过每一层的
卷积
神经网络
时,我试图找出图像的维数。例如,如果应用了最大值池或
卷积
,我想知道该层的图像的形状,对于所有的层。是否有一种简单的方法来做到这一点,比如
可视化
工具/脚本或其他什么?
浏览 9
提问于2022-05-21
得票数 0
回答已采纳
1
回答
如何在模型中冻结模型的特定层?
、
、
我的keras模型由多个模型组成。每个“子模型”都有多个层。如何调出子模型中的层并设置可训练性/冻结特定层?
浏览 45
提问于2019-03-21
得票数 2
1
回答
创建分类的图像中的区域/patterns
、
、
、
我有一些图像,我训练了一些
神经网络
模型来进行分类(二进制任务)。我感兴趣的是一种识别图像中某些模式或区域的方法,这些模式或区域对分类部分有影响,换句话说,为特定类形成哪些区域或模式。
浏览 0
提问于2017-02-22
得票数 2
1
回答
在经过训练的CNN中,每层检测到的模式是如何绘制的?
、
、
在我的问题不明确的情况下,我说的是在图像训练的
卷积
神经网络
(CNN)的每一层中检测到的模式。以下面的图片为例(由洪拉克李)。我想我理解这个概念:随着复杂性的增加,不同的层开始对不同的特性进行编码。
浏览 0
提问于2016-12-10
得票数 5
回答已采纳
1
回答
从一组图像中匹配一幅图像:结合传统的计算机视觉+深度学习/CNN
、
、
、
、
在我正在开发的应用程序中,我有大约5000张产品标签图像(每个产品有一个标签)。由于最初,我的系统每个产品只有一个样本,所以我决定采用传统的计算机视觉技术。我使用特征提取和描述符匹配实现了这一点。(使用OpenCV SIFT和FLANN技术,参考如下:https://github.com/kipr/opencv/blob/master/samples/cpp/matching_至_许多_images.cpp) 现在我正在考虑如何结合CNN或深度学习技术来提高准确性,因为当用户批准匹
浏览 0
提问于2017-10-24
得票数 1
回答已采纳
1
回答
如何正确叠加capsnet (胶囊
神经网络
)?
、
、
、
、
胶囊
神经网络
采用
卷积
、原胶囊和数字胶囊层。同时,采用
卷积
和最大池层的
卷积
神经网络
。我想对
卷积
神经网络
和胶囊
神经网络
进行比较。下面的表格是我的cnn模型的架构。我需要在胶囊
神经网络
上做一个类似的结构。那么,如何正确地叠加胶囊
神经网络
,堆栈胶囊
神经网络
是什么样的呢?
浏览 10
提问于2022-12-02
得票数 -2
1
回答
如何理解深度学习
神经网络
中的每一层都在学习什么?
、
、
、
在最近我在Stack上读到的一个答案中,我读到了一种可能的方法来更清楚地理解
神经网络
的每个隐藏层发生了什么。你应该观察是什么使神经元在每一层激活取决于输入。通过
可视化
,您可以了解每个层在高-低级别特性方面到底学到了什么。我想知道是否有任何论文曾尝试过这样做(链接将是真正有用的)。
浏览 0
提问于2019-06-08
得票数 2
回答已采纳
1
回答
颜色信息仅在
卷积
神经网络
的第一输入层中提取吗?
、
、
、
、
在
卷积
神经网络
(CNN)中,由于RGB值在第一
卷积
层中被乘以,这是否意味着颜色基本上只在第一层中被提取?来自斯坦福大学CS231n栏目的片段: ...这种
可视化
很容易注意到的一个危险陷阱是,对于许多不同的输入,一些激活图可能都是零,这可以指示死滤波器,并且可能是高学习率的症状-- ...在第一个CONV层注意,激活是稀疏的(在这个以黑色显示的
可视化
中,大多数值为零),并且大多是本地的。
浏览 0
提问于2018-03-19
得票数 2
1
回答
为什么在Netron中查看体系结构时,没有显示在
卷积
层之后的规范化层?
、
、
我在
卷积
神经网络
结构上测试了一些变化。我试图在conv层之后添加BatchNorm层,而不是添加激活层。然后我用BatchNorm层交换激活层。我注意到,在Netron (用于
可视化
神经网络
体系结构的应用程序)中,b_norm的体系结构中不存在conv之后的b_norm,而激活后的另一个具有b_norm的体系结构。所以我的问题是:
卷积
后的归一化层有什么特殊的含义吗?或者netron有什么问题吗?
浏览 19
提问于2021-09-10
得票数 1
回答已采纳
1
回答
(CNN+)用于从谱图中学习音素的RNN-HMM混合算法
、
、
、
我目前正在研究一项语音识别任务,将深入学习应用于标准声学模型(gmm-hmm)。如果是这样的话,它会不会明智地导致一些问题,当我在CNN上做的时候,是否通过在谱图的更大部分上进行模式识别来解决上下文依赖,这取决于上下文窗口的大小,但是引入RNN,CNN在当时只需要对一个帧进行分析(我认为它甚至可以得到
浏览 0
提问于2017-07-06
得票数 2
回答已采纳
1
回答
声音数字分类
、
、
、
我假设
卷积
网络可以工作,对吗? 我更喜欢更简单的模型,以换取几个百分比的性能点,最好是用Scikit Learn库来编写。
浏览 5
提问于2017-09-19
得票数 0
1
回答
Tensorflow -- tf.nn.conv2D()中的权重值是否发生了变化?
、
、
当我用tensorflow研究
神经网络
时,我遇到了一个关于tf.nn.conv2D(x,W,strides=1,1,1,1,填充=‘相同’)的问题。
浏览 7
提问于2017-03-26
得票数 0
回答已采纳
1
回答
基于量化LeNet5模型的TFLite推理。如何使用M参数将int32缩小到int8?
、
、
、
、
我提取并
可视化
了重量,偏倚,零分的鳞片,多亏了尼特恩.但我可以查看完全连接操作的规模: 我的问题是:
卷积
的S2
浏览 17
提问于2021-12-22
得票数 0
1
回答
用于OpenCV的最佳
卷积
神经网络
库是什么?(使用简单的实现和示例)
、
、
、
、
用于OpenCV的最佳
卷积
神经网络
库是什么?(使用简单的实现和示例)
浏览 6
提问于2016-08-02
得票数 7
1
回答
在Google Coral Devboard和Jetson Nano中使用我自己构建的
卷积
神经网络
分类器
、
、
、
、
我读了很多关于Jetson Nano和Google Coral Devboard的文章,在我读过的大多数文档和论文中,推断和部署都是使用预先构建的
卷积
神经网络
来完成的,例如AlexNet,Inception,MobileNet和其他用于图像分类的
神经网络
。据我所知,这些微型计算机需要将
神经网络
转换为tensorflow模型或任何它们接受的框架,以执行模型的推断。我想知道的是:对于Jetson Nano和Google Coral Devboard,我是否可以拥有与文档中举例说明的
卷积
神经网络</em
浏览 20
提问于2020-12-24
得票数 1
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
PyTorch可视化理解卷积神经网络
卷积神经网络可视化的直观解析
深入卷积神经网络:高级卷积层原理和计算的可视化
经典卷积神经网络结构可视化工具
卷积神经网络的卷积
热门
标签
更多标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
活动推荐
运营活动
广告
关闭
领券