小编Rup*_*aya的帖子

我知道批量标准化通过将激活转向单位高斯分布,从而有助于更快的训练,从而解决消失的梯度问题.批量标准行为在训练时使用不同(使用每批的平均值/ var)和测试时间(使用训练阶段的最终运行平均值/ var).

另一方面,实例规范化作为对比度规范化,如本文中提到的https://arxiv.org/abs/1607.08022.作者提到输出风格化图像应该不依赖于输入内容图像的对比度,因此实例规范化有所帮助.

但是,我们不应该使用实例规范化进行图像分类,其中类标签不应该依赖于输入图像的对比度.我还没有看到任何使用实例规范化的纸张来进行批量归一化以进行分类.这是什么原因？此外,可以并且应该一起使用批处理和实例规范化.我渴望在何时使用哪种规范化方面获得直观和理论上的理解.

它与此问题的重复如何将最后一个输出y(t-1)作为输入馈送以在张量流RNN中生成y(t)？

我想在时间步长T传递RNN的输出作为时间步长T + 1的输入.input_RNN(T+1) = output_RNN(T) 根据文档,tf.nn.rnn以及tf.nn.dynamic_rnn函数显式地将完整输入应用于所有时间步骤.

我在https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/seq2seq.py检查了seq2seq示例. 它使用循环并调用单元格(输入,状态)函数.细胞可以是lstm或gru或任何其他rnn细胞.我检查了文档以找到cell()的参数的数据类型和形状,但我发现只有表单单元格的构造函数(num_neurons).我想知道将输出传递给输入的正确方法.我不想使用像tensorflow构建的keras之类的其他库/包装器.有什么建议？

我试图在Android上用C++运行神经网络.示例(https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/android https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/android)显示如何使用tensorflow使用JAVA apis,它使用JNI函数调用C++.有人试图在Android上直接在C++中使用tensorflow吗？如何在Android上使用C++ apis构建和链接tensorflow库.你能指导我吗？我想在Android上以类似于iOS示例的方式使用C++ apis.

我是hadoop的初学者。我有两个怀疑

1）如何访问存储在hdfs中的文件？它是否与在java.io中使用FileReader并提供本地路径相同，还是其他？

2）我创建了一个文件夹，在其中我已复制要存储在hdfs中的文件和mapreduce程序的jar文件。当我在任何目录中运行命令时

${HADOOP_HOME}/bin/hadoop dfs -ls

它只显示当前目录中的所有文件。那是否意味着没有我明确添加就添加了所有文件？

我想将pix2pix Image转换为使用nngraph构建的图像转换模型(https://github.com/phillipi/pix2pix).

当我尝试使用torch to caffe工具将其转换为caffe模型时(https://github.com/facebook/fb-caffe-exts#torch2caffe)我收到错误"unknown class nn.gModule".

我还尝试通过torch.utils.serialization中的load_lua在pytorch中加载火炬模型,在那里我得到类似的错误.

因为,转换似乎不支持nngraph.有没有办法将nngraph模型转换为nn模型而无需重写或重新训练？接下来,我想将pix2pix模型转换为各种格式,如caffe,caffe2,coreML等,以测试移动环境中的性能.

谢谢