小编Ben*_*bey的帖子

我过去使用ZeroMQ通过jzmq库使用JVM应用程序.我计划在一个新项目上使用zeromq,其中一些服务是在JVM上实现的.我刚刚发现了jeromq,一个zeromq的纯java实现,我想主要使用它,因为它跟踪zeromq 3.x并且它消除了处理的麻烦jzmq.但是,我无法从回购页面判断它是否已准备就绪.有没有人有jeromq生产经验？

我正在尝试为小数字检测训练一个更快的rccn模型.我正在使用新发布的tensorflow 对象检测API,到目前为止已经从动物园中对预先训练好的faster_rcnn_resnet101_coco进行了微调.我所有的训练尝试都产生了高精度但低召回率的模型.在每个图像上的~120个对象(数字)中,仅检测到~20个对象,但是当检测到时,分类是准确的.(此外,我能够在我的裁剪图像上从头开始训练一个简单的回旋网,具有高精度,因此问题出在模型的检测方面.)原始图像中每个数字平均为60x30(可能大约是原始图像的一半)在将图像调整到模型之前调整图像之后.)以下是一个示例图像,其中包含我所看到的检测到的框:

对我来说奇怪的是它如何能够正确地检测相邻数字但完全错过了在像素尺寸方面非常相似的其余数字.

我已经尝试围绕锚箱生成调整超参数,first_stage_max_proposals但到目前为止还没有改进结果.这是我使用的示例配置文件.我应该尝试调整哪些其他超参数？关于如何诊断问题的任何其他建议？我是否应该研究其他架构,或者使用更快的rccn和/或SSD来完成我的任务？

我正在尝试将Keras的Siamese图层与共享Convolution2D图层结合使用.我不需要输入在图层之前穿过任何其他图层,Siamese但Siamese图层要求指定输入图层.我无法弄清楚如何创建输入层以匹配转换层的输入.Siamese我能找到的层的唯一具体例子是在测试中,Dense层(带矢量输入)用作输入.基本上,我想要一个输入层,允许我将图像尺寸指定为输入,以便将它们传递给共享的转换层.

在代码中我有类似以下内容:

img_rows = 28
img_cols = 28
img_input_shape = (1, img_rows, img_cols)

shared = Sequential()

shared.add(Convolution2D(nb_filters, nb_conv, nb_conv,
                        border_mode='valid',
                        input_shape=img_input_shape))
shared.add(Activation('relu'))
# .... more layers, etc.

right_input_layer = SomeInputLayer(input_shape=img_input_shape) # what should SomeInputLayer be?
left_input_layer = SomeInputLayer(input_shape=img_input_shape)
siamese = Siamese(shared, [left_input_layer, right_input_layer], merge_mode='concat')

model = Sequential()
model.add(siamese)
# ...
model.compile(loss=contrastive_loss, optimizer='rmsprop')

应该SomeInputLayer是什么？或者我的appraoch一般是不正确的？

我有一个类似于以下内容的时间序列数据框：

ts = pd.DataFrame([['Jan 2000','WidgetCo',0.5, 2], ['Jan 2000','GadgetCo',0.3, 3], ['Jan 2000','SnazzyCo',0.2, 4],
          ['Feb 2000','WidgetCo',0.4, 2], ['Feb 2000','GadgetCo',0.5, 2.5], ['Feb 2000','SnazzyCo',0.1, 4],
          ], columns=['month','company','share','price'])

看起来像：

  month   company  share  price
0  Jan 2000  WidgetCo    0.5    2.0
1  Jan 2000  GadgetCo    0.3    3.0
2  Jan 2000  SnazzyCo    0.2    4.0
3  Feb 2000  WidgetCo    0.4    2.0
4  Feb 2000  GadgetCo    0.5    2.5
5  Feb 2000  SnazzyCo    0.1    4.0

我可以像这样旋转这个表：

pd.pivot_table(ts,index='month', columns='company')

这让我：

            share                      price                  
company  GadgetCo SnazzyCo WidgetCo GadgetCo SnazzyCo WidgetCo
month                                                         
Feb 2000 …