小编sto*_*ran的帖子

我有一个非常基本的查询。我制作了 4 个几乎相同的（差异是输入形状）CNN，并在连接到完全连接层的前馈网络时将它们合并。

几乎相同的 CNN(s) 的代码：

model3 = Sequential()
model3.add(Convolution2D(32, (3, 3), activation='relu', padding='same', 
                                     input_shape=(batch_size[3], seq_len, channels)))
model3.add(MaxPooling2D(pool_size=(2, 2)))
model3.add(Dropout(0.1))
model3.add(Convolution2D(64, (3, 3), activation='relu', padding='same'))
model3.add(MaxPooling2D(pool_size=(2, 2)))
model3.add(Flatten())

但是在张量板上，我看到所有的 Dropout 层都是相互连接的，并且 Dropout1 的颜色与 Dropout2、3、4 等颜色不同，它们都是相同的颜色。

我有一个关于带有noise_shape参数的Keras函数Dropout的问题。

问题 1：

是什么意思，如果你的输入有形状（batch_size时，时间步长，功能），你想辍学面膜是所有时间步长一样，你可以使用noise_shape =（batch_size时，1，特点）3，什么是增加的好处这个论点？

这是否意味着随着时间步长被丢弃的神经元数量是相同的？这意味着在每个时间步长 t，都会有 n 个神经元被丢弃？

问题 2： 创建模型时是否必须在 noise_shape 中包含“batch_size”？--> 看下面的例子。

假设我有一个形状为 (10000, 1, 100, 2) -->（数据数量、通道、时间步长、特征数量）的多元时间序列数据。

然后我创建批次大小为 64 --> (64, 1, 100, 2)

如果我想创建一个带有 dropout 的 CNN 模型，我会使用 Keras 函数式 API：

inp = Input([1, 100, 2])
conv1 = Conv2D(64, kernel_size=(11,2), strides(1,1),data_format='channels_first')(inp)
max1 = MaxPooling2D((2,1))(conv1)
max1_shape = max1._keras_shape
drop1 = Dropout((0.1, noise_shape=[**?**, max1._keras_shape[1], 1, 1]))

因为层max1的输出shape应该是(None, 64, 50, 1)，我不能给问号赋值None（对应batch_size）

我想知道我应该如何应对这种情况？我应该使用 (64, 1, 1) 作为噪声形状吗？或者我应该定义一个名为“batch_size”的变量，然后将它传递给这个参数，比如 (batch_size, 64, 1, 1)？

我正在使用PyCaffe来实现受VGG 16层网络启发的神经网络.我想使用GitHub页面提供的预训练模型.通常,这通过匹配图层名称来实现.

对于我的"fc6"图层,我在train.prototxt文件中有以下定义:

layer {
  name: "fc6"
  type: "InnerProduct"
  bottom: "pool5"
  top: "fc6"
  inner_product_param {
    num_output: 4096
  }
}

以下是VGG-16部署体系结构的prototxt文件.请注意,"fc6"他们的原型文本与我的相同(除了学习率,但这是无关紧要的).值得注意的是,我的模型中的输入大小也相同:3通道224x224px图像.

我一直非常密切地关注本教程,并且给我一个问题的代码块如下:

solver = caffe.SGDSolver(osp.join(model_root, 'solver.prototxt'))
solver.net.copy_from(model_root + 'VGG_ILSVRC_16_layers.caffemodel')
solver.test_nets[0].share_with(solver.net)
solver.step(1)

第一行加载我的求解器原型,然后第二行从预先训练的模型中复制权重(VGG_ILSVRC_16_layers.caffemodel).解算器运行时,我收到此错误:

Cannot copy param 0 weights from layer 'fc6'; shape mismatch.  Source param 
shape is 1 1 4096 25088 (102760448); target param shape is 4096 32768 (134217728). 
To learn this layer's parameters from scratch rather than copying from a …

我使用keras的VGG-16网络.这是细节

我的问题是如何使用这个网进行微调,我必须使用这个网络的224*224的图像大小？当我使用这个网时,我必须使用1000个课程？如果我不使用1000个类,则会导致错误

例外:层形状(4096L,10L)与重量形状(4096,1000)不兼容.

求助,谢谢!

我对DL和Keras比较陌生.

我试图在Keras中使用预训练的VGG16来实现感知损失但是有一些麻烦.我已经发现了这个问题,但我仍在努力:/

我的网络应该做的简短说明:

我有一个CNN(后来称为mainModel),它将灰度图像作为输入(#TrackData,512,512,1)并输出相同大小的灰度图像.网络应该减少图像中的伪像 - 但我认为这对于这个问题并不重要.我不想使用例如MSE作为损失函数,而是希望实现感知损失.

我想做什么(我希望我已经正确地理解了感知损失的概念):

我想将一个lossModel(带有固定参数的预先训练的VGG16)附加到我的mainModel.然后我想将mainModel的输出传递给lossModel.另外,我将标签图像(Y_train)传递给lossModel.此外,我使用例如MSE比较lossModel的特定层(例如block1_conv2)处的激活,并将其用作损失函数.

到目前为止我做了什么:

加载数据并创建mainModel:

### Load data ###
with h5py.File('.\train_test_val.h5', 'r') as hf:
    X_train = hf['X_train'][:]
    Y_train = hf['Y_train'][:]
    X_test = hf['X_test'][:]
    Y_test = hf['Y_test'][:]
    X_val = hf['X_val'][:]
    Y_val = hf['Y_val'][:]

### Create Main Model ###
input_1 = Input((512,512,9))
conv0 = Conv2D(64, (3,3), strides=(1,1), activation=relu, use_bias=True, padding='same')(input_1)
.
.
.

mainModel = Model(inputs=input_1, outputs=output)

创建lossModel,将其附加到mainModel并修复params:

### Create Loss Model (VGG16) ###
lossModel = vgg16.VGG16(include_top=False, weights='imagenet', input_tensor=mainModel.output, input_shape=(512,512, 1))
lossModel.trainable=False

for layer …

我想使用VGG预训练模型提取368x368尺寸图像的特征。根据文档，VGGnet接受224x224尺寸的图像。有没有办法给Keras VGG提供可变大小的输入？

这是我的代码：

# VGG Feature Extraction
x_train = np.random.randint(0, 255, (100, 224, 224, 3))
base_model = VGG19(weights='imagenet')
modelVGG = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_conv2').output)
block4_conv2_features = modelVGG.predict(x_train)

编辑代码（有效！）

# VGG Feature Extraction
x_train = np.random.randint(0, 255, (100, 368, 368, 3))
base_model = VGG19(weights='imagenet', include_top=False)
modelVGG = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_conv2').output)
block4_conv2_features = modelVGG.predict(x_train)

我想编写一个函数,它接受两个自然参数,并返回一个可能的相等证明.

我正在尝试

equal : (a: Nat) -> (b: Nat) -> Maybe ((a == b) = True)
equal a b = case (a == b) of
    True => Just Refl
    False => Nothing

但是我收到以下错误

When checking argument x to constructor Prelude.Maybe.Just:
        Type mismatch between
                True = True (Type of Refl)
        and
                Prelude.Nat.Nat implementation of Prelude.Interfaces.Eq, method == a
                                                                                   b =
                True (Expected type)

        Specifically:
                Type mismatch between
                        True
                and
                        Prelude.Nat.Nat implementation of Prelude.Interfaces.Eq, method == a
                                                                                           b

这是正确的方法吗？

而且,作为奖金问题,如果我这样做

equal : …

我有一个非常简单的问题，但在谷歌中找不到任何相关信息。

我使用 NUnit3 和 NunitAdapter 通过 Visual Studio 或构建代理上的 dotnet 测试来运行我的测试。我需要添加属性[assembly: Parallelizable()]和[assembly: LevelOfParallelism()].

但 netCore 项目没有 assemblyInfo.cs，我不知道在哪里添加此属性。应该放在哪里？

PS：我以前从未使用过 netCore，我们几天前迁移到它。

如何在 Coq 中压缩两个向量？我尝试了下面的代码，但遇到了问题：

Require Import Vectors.Vector.
Import VectorNotations.

(* Non exhaustive pattern-matching: no clause found for patterns [], _ :: _ *)
Fail Fixpoint zip {A B : Type} {n : nat} (a : t A n) (b : t B n) : t (A * B) n :=
match a, b with
| ha :: ta, hb :: tb => (ha, hb) :: zip ta tb
| [], [] => []
end.

(* The term "tb" has type "t …

在我项目的某个地方，我需要创建一个具体的泛型类型，将泛型类型定义（带有单个参数）和该参数的类型作为参数。

为此，我编写了一个非常简单的方法：

Type MakeGenericType(Type definition, Type parameter)
{
    return definition.MakeGenericType(parameter);
}

但是，在某些时候，我需要List<List<T>>使用给定的元素 type创建一个类型T。尽管我能够List<List<T>>使用我的方法创建一个类型，但随后尝试从中创建一个具体类型List<List<int>>失败了 - 请参阅下面的代码：

var genericList = MakeGenericType(typeof(List<>), typeof(List<>)); // success

MakeGenericType(genericList, typeof(int)); // exception

mscorlib.dll 中发生类型为“System.InvalidOperationException”的未处理异常

附加信息：System.Collections.Generic.List`1[System.Collections.Generic.List`1[T]] 不是 GenericTypeDefinition。MakeGenericType 只能在 Type.IsGenericTypeDefinition 为 true 的类型上调用。

此外，以下调用甚至不会编译：

MakeGenericType(typeof(List<List<>>), typeof(int));

我已经检查了这个关于IsGenericTypeDefinition和之间差异的问题ContainsGenericParameters。但是，我仍然没有想法，如何处理像genericList.

显然，使用反射我可以构造一个类型对象，这与它无关 - 这对我来说很困惑。

所以问题是，如何从包含泛型类型定义作为参数的泛型创建具体类型？有可能吗？