假设我们有一个单一频道图像(5x5)
A = [ 1 2 3 4 5
6 7 8 9 2
1 4 5 6 3
4 5 6 7 4
3 4 5 6 2 ]
和过滤器K(2x2)
K = [ 1 1
1 1 ]
应用卷积的一个例子(让我们从A中取出第一个2x2)将是
1*1 + 2*1 + 6*1 + 7*1 = 16
这非常简单.但是,让我们向矩阵A引入深度因子,即在深度网络中具有3个通道或甚至转换层的RGB图像(深度= 512).如何使用相同的滤波器完成卷积运算？类似的工作对于RGB情况非常有帮助.
我阅读了有关使用 RPCA 查找时间序列数据的异常值的信息。我对 RPCA 的基本原理和理论有所了解。我有一个执行 RPCA 的 Python 库，并且几乎有两个矩阵作为输出（L 和 S），输入数据的低秩近似和稀疏矩阵。
输入数据：（行为一天，10 个特征为列。）
DAY 1 - 100,300,345,126,289,387,278,433,189,153
DAY 2 - 300,647,245,426,889,987,278,133,295,153
DAY 3 - 200,747,145,226,489,287,378,1033,295,453
获得的输出：
L
[[ 125.20560531 292.91525518 92.76132814 141.33797061 282.93586313
185.71134917 199.48789246 96.04089205 192.11501055 118.68811072]
[ 174.72737183 408.77013914 129.45061871 197.24046765 394.84366245
259.16456278 278.39005349 134.0273274 268.1010231 165.63205458]
[ 194.38951303 454.76920678 144.01774873 219.43601655 439.27557808
288.32845493 309.71739782 149.10947628 298.27053871 184.27069609]]
S
[[ -25.20560531 0. 252.23867186 -0. 0.
201.28865083 78.51210754 336.95910795 -0. 34.31188928]
[ 125.27262817 238.22986086 115.54938129 228.75953235 494.15633755
727.83543722 -0. …这是我的代码。我正在尝试创建 n（此处为 10）个进程，只是想查看它们的 PIDS。当我打印它们并在终端中验证 PID 时，它们不一样。编辑：如果有帮助，我正在 Mac (Yosemite) 上运行它。
for proc in xrange(10):
worker_process = Process (name="worker_process", target=worker_code, args=(proc, tree_space, self.simulator, mgr_nms))
process_q.append(worker_process)
worker_process.start()
print worker_process.pid
我的输出：
60484
60485
60486
60487
60488
60489
60490
60491
60493
60494
终端输出（顶部）：
（图片）-> http://postimg.org/image/kkiboom6l/
关于为什么会这样的任何指示？（对不起，如果我遗漏了一些如此明显的东西。）