小编ten*_*eng的帖子

TL.DR. 是否有三维友好实施theano.tensor.nnet.neighbours.images2neibs？

我想使用一个接收nxnxn图像的神经网络对体积(NxNxN)进行体素分类,其中N> n.为了对体积中的每个体素进行分类,我必须遍历每个体素.对于每次迭代,我获得并传递邻域体素作为神经网络的输入.这只是一个滑动窗口操作,其操作是神经网络.

虽然我的神经网络在Theano中实现,但滑动窗口实现是python/numpy.由于这不是纯粹的Theano操作,因此分类需要永久(> 3小时)来对一个体积中的所有体素进行分类.对于2d滑动窗口操作,Theano有一个辅助方法theano.tensor.nnet.neighbours.images2neibs,是否有类似的三维图像实现？

编辑:nd滑动窗口现有numpy解决方案(1和2),都使用np.lib.stride_tricks.as_strided来提供"滑动窗口的视图",从而防止内存问题.在我的实现中,滑动窗口数组从numpy(Cython)传递到Python然后传递到Theano.为了提高性能,我可能不得不绕过Python.

我想利用Celery(使用RabbitMQ作为后端MQ)通过不同的队列执行不同风格的任务.一个要求是来自特定队列的消费(由工作人员)应该具有暂停和恢复的能力.

Celery似乎通过调用和具有此功能.虽然我能够从特定工作人员的队列中取消任务的消耗,但我无法让工作人员通过呼叫恢复消费. 此处提供了重现此问题的代码.我的猜测很可能是我在启动工作人员时缺少某种参数或通过参数提供的参数？ add_consumercancel_consumeradd_consumerceleryconfig

能够获得一些新鲜的眼睛会很棒.Stackoverflow关于add_consumer和Github的讨论不多.所以我希望这里有一些专家愿意分享他们的想法/经验.

-

我正在运行以下内容:

Windows操作系统,RabbitMQ 3.5.6,Erlang 18.1,Python 3.3.5,芹菜3.1.15

可以如下非常优雅地构造 6个状态的一阶转移矩阵

 x = [1 6 1 6 4 4 4 3 1 2 2 3 4 5 4 5 2 6 2 6 2 6]; % the Markov chain
 tm = full(sparse(x(1:end-1),x(2:end),1)) % the transition matrix.

所以这是我的问题,你如何优雅地构建二阶转移矩阵？我想出的解决方案如下

 [si sj] = ndgrid(1:6);
 s2 = [si(:) sj(:)]; % combinations for 2 contiguous states
 tm2 = zeros([numel(si),6]); % initialize transition matrix
 for i = 3:numel(x) % construct transition matrix
   tm2(strmatch(num2str(x(i-2:i-1)),num2str(s2)),x(i))=...
   tm2(strmatch(num2str(x(i-2:i-1)),num2str(s2)),x(i))+1;
 end

是否有单/双线,无环替代？

-

编辑:我尝试将我的解决方案与Amro的比较与"x = round(5*rand([1,1000])+ 1);"

 % …