Moje zbiory danych jest MNIST i biblioteka ML jest MXNetJak zrobić gładkie jądro w Convolution Neural Networks ze strukturą MXNet?
Użyłem algorytmu CNN ćwiczyć ml. Następnie znalazłem samouczek informacyjny, page 6 and 7.
Chyba standardowe jądro wszystkich przypadków jest '1', w matrycy (jądro w MXNet). Jak sprawić, aby płynnie wyglądało jądro jak na powyższym slajdzie.
Jest to kod MXNet z R.
mx.symbol.Convolution(data=data, kernel=c(5,5), num_filter=20)
Jak wspomniano przez innych, MXNet stanowi ramy dla głębokiego uczenia się. Wymienione slajdy to zadania przetwarzania obrazu, które mają inne zoptymalizowane narzędzia, które są jednymi z najbardziej popularnych. Niemniej jednak można przeprowadzić proste splotowanie również za pomocą MXNet. W python będzie wyglądać tak:
# Replace img with an actual image
img = np.random.uniform(size=(1, 1, 480, 640))
img = mx.nd.array(img)
w = mx.nd.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])
w.reshape((1, 1, 3, 3))
out = mx.nd.Convolution(
img, w, kernel=(3, 3), num_filter=1, no_bias=True, pad=(1, 1))
Proszę rozważyć umieszczenie danych i całego odpowiedniego kodu w swoim pytaniu, aby odciąć powiązania z zasobami zewnętrznymi, które mogą zostać wyłączone bez powiadomienia. –
Co próbujesz osiągnąć? Jeśli próbujesz wykonać filtrowanie obrazu za pomocą 'MXNet', możesz użyć niewłaściwego narzędzia. Istnieje sposób na określenie inicjalizacji macierzy, ale będziesz zmieniał wagi, jeśli chcesz zrobić jakąkolwiek naukę z backpropem. Jeśli chcesz zawęzić jądro do obrazu, spójrz na pakiety 'przestrzenne 'lub' obrazkowe'. – ultradian