小编que*_*ude的帖子

TensorFlow中有许多用于在训练期间扭曲输入图像的图像操作,例如tf.image.random_flip_left_right(image, seed=None)以及tf.image.random_brightness(image, max_delta, seed=None)其他几个.

这些功能适用于单个图像(即具有形状[高度,宽度,颜色通道]的3-D张量).如何使它们在一批图像上工作(即具有形状[批次,高度,宽度,颜色通道]的4-D张量)？

一个工作的例子将不胜感激!

在Python中,我有一个使用pandas生成(或从CSV文件中读取)的日期数组,我想在每个日期添加一年.我可以使用pandas但不使用numpy.我究竟做错了什么？或者它是熊猫或numpy中的错误？

谢谢!

import numpy as np
import pandas as pd
from pandas.tseries.offsets import DateOffset

# Generate range of dates using pandas.
dates = pd.date_range('1980-01-01', '2015-01-01')

# Add one year using pandas.
dates2 = dates + DateOffset(years=1)

# Convert result to numpy. THIS WORKS!
dates2_np = dates2.values

# Convert original dates to numpy array.
dates_np = dates.values

# Add one year using numpy. THIS FAILS!
dates3 = dates_np + np.timedelta64(1, 'Y')

# TypeError: Cannot get a common metadata divisor for NumPy …

Inception v3模型如下图所示:

该图片来自此博客文章:

https://research.googleblog.com/2016/03/train-your-own-image-classifier-with.html

似乎有两个Softmax分类输出​​.这是为什么？

在TensorFlow示例中使用哪一个作为此文件中名为'softmax:0'的输出张量？

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/models/image/imagenet/classify_image.py

Inception v3模型的学术论文似乎没有这个Inception模型的图像:

http://arxiv.org/pdf/1512.00567v3.pdf

我试图理解为什么网络的这两个分支看起来有两个不同的softmax输出.

谢谢你的任何澄清!

有几天我一直在研究这个问题而且我被困了......

我在R中执行了许多蒙特卡罗模拟,它给出了每个输入x的输出y,并且在x和y之间显然有一些简单的关系,所以我想确定公式及其参数.但我似乎无法在'低x'和'高x'系列中获得良好的整体适应性,例如使用这样的对数:

dat = data.frame(x=x, y=y)
fit = nls(y~a*log10(x)+b, data=dat, start=list(a=-0.8,b=-2), trace=TRUE)

我也尝试拟合(log10(x),10 ^ y),这给出了一个很好的拟合但反向变换不适合(x,y).

谁能解决这个问题？

请解释您是如何找到解决方案的.

谢谢!

编辑:

感谢所有快速反馈!

我不知道我正在模拟的理论模型,所以我没有比较的基础.我根本不知道x和y之间的真实关系.顺便说一下,我不是统计学家.

基础模型是一种随机反馈增长模型.我的目标是在给定输入x> 0的情况下确定长期增长率g,因此系统的输出在每次迭代中以1 + g的速率指数增长.系统在每次迭代中根据系统的大小进行随机生产,输出一部分产量,其余部分保留在系统中,由另一个随机变量确定.从MC模拟我发现系统输出的增长率对于每个测试过的x而言是对数正态分布的,而数据系列中的y是增长率g的对数.当x走向无穷大时,g趋向于零.随着x走向零,g走向无穷大.

我想要一个可以从x计算y的函数.我实际上只需要一个低x的函数,比如说,在0到10的范围内.我能够很好地拟合y = 1.556*x ^ -0.4 -3.58,但它不适合大x.我想要一个通用的所有x> 0的函数.我也尝试过Spacedman的poly fit(谢谢!)但是它在x = 1到6的关键范围内并不合适.

有任何想法吗？

编辑2:

我已经尝试了一些,还有Grothendieck的详细建议(谢谢!)经过一些考虑我决定,因为我没有理论基础来选择一个函数而不是另一个函数,而且我很可能只对x-感兴趣在1和6之间的值,我应该使用一个非常适合的简单函数.所以我只使用y~a*x ^ b + c并记下它不适合高x.在论文的第一稿完成后,我可以再次寻求社区的帮助.一旦你看到蒙特卡洛模型,也许你们中的一个人可以发现x和y之间的理论关系.

再次感谢!

低x系列:

      x          y
1   0.2 -0.7031864
2   0.3 -1.0533648
3   0.4 -1.3019655
4   0.5 -1.4919278
5   0.6 -1.6369545
6   0.7 -1.7477481
7   0.8 -1.8497117
8   0.9 -1.9300209
9   1.0 -2.0036842
10  1.1 -2.0659970
11  1.2 -2.1224324
12 …