2回答
在阅读了一些关于咖啡中反卷积的内容后，我对FCN的train.prototx 感到困惑。反卷积层的默认权重填充值为'constant‘，默认值为零。根据caffe中的反卷积操作，不是所有的输出都是零，因为输入乘以零。
浏览 7提问于2016-09-09得票数 0
1回答
Caffe和Tensorflow中的反卷积层有什么区别？在Tensoroflow中，有两种填充模式：“相同”和“有效”，哪一种与Caffe中使用的填充模式相同？例如，在Tensorflow中，反卷积层是：
decv = slim.convolution2d_transpose(in_layer, num_outputs=256, kernel_size=[8,8]
浏览 11提问于2017-12-16得票数 1
2回答
我需要从现有的caffe模型中更新一个caffe模型，在该模型中我将删除最后两个层。需要减少caffe模型的大小，这样部署起来就更容易了，规模也更小了。假设我现有的caffe模型是A1.caffemodel，它有5卷积层和3完全连接层。我想从它生成一个新的模型，名为B1.caffemodel，它将有5卷积层和1完全连接层(最后2
浏览 7提问于2016-11-08得票数 2
回答已采纳
1回答
我想在Caffenet的'upscore‘层之外生成(输出class=9，’upscore‘层的大小是9)。但是，在使用argmax(axis=0)之后，upscore层的所有像素都调整为0。(upscore为反卷积层) name: "upscore" bottom: "score_fr"
浏览 0提问于2018-03-11得票数 1
1回答
在caffe中，convolution层接受一个底部blob，并将其与学习的过滤器(使用权重类型-- "Xavier“、"MSRA”等)初始化。我的尝试：显然，一个更繁琐的</e
浏览 3提问于2016-07-31得票数 13
回答已采纳
1回答
我通过快速RCNN的来更好地理解它的实现。 (第4页，第一段)提到了将卷积图分割为2k分数和4k坐标。"constant" value: 0 } }
但我仔细查看了代码，这实际上是在cudnn_conv_layer.cpp and cudnn_conv_layer.cu下实现的。通过这些rpn_cls_score and rpn_bbox_pred层，我可以看到输出的</e
浏览 0提问于2017-12-15得票数 0
我使用的是caffe，它没有本地连接的层。那么，如何使用im2col层、整形层和内部产品层来实现本地连接层呢？谢谢
浏览 1提问于2016-10-10得票数 1
回答已采纳
在用于图像分类的卷积神经网络体系结构(例如，VGG或AlexNet)中，我想比较在测试时间内进行前向传递(最好使用Caffe)时，计算网络每一层的结果所需的时间。特别是，我感兴趣的是在卷积层和完全连接层上花费了多少时间。
浏览 26提问于2016-08-18得票数 2
我正在尝试理解caffe和tensorflow的填充差异。
Convolution - 7x7x64 ; stri
浏览 2提问于2018-12-21得票数 0
1回答
动态调整图像大小
、、、、
我有一个名为data的层，它采用318x318的输入图像。当它通过我的卷积层时，最终的大小将是300x300。我想使用咖啡馆中的Elementwise layer将输入图像的300x300版本组合到卷积层的300x300输出图像中。有没有办法，我可以创建这个300x300图像版本从318x318输入图像在caffe的</
浏览 3提问于2017-07-18得票数 1
回答已采纳
正如本指南所说的，反卷积层可以转换成等效的卷积层。问题是:因为tensorflow只提供了一个二维版本的解卷层，如果我想为一个步幅大于1
浏览 5提问于2017-05-16得票数 1
我希望能够为pycaffe网络中的每个池层和卷积层提取所有内核大小和进度。这似乎是可能的，因为我看到它正在绘图函数中使用(参见这里的第94行)net = caffe.Net(model_def, # defines the因为我显然是正确的，因为layer.type是正确的，因为我能够成功地进行检查，并且只尝试提取卷积<em
浏览 2提问于2017-05-19得票数 2
回答已采纳
1回答
最近我遇到了一篇关于使用反卷积网络进行语义分割的论文：用于语义分割的学习反褶积网络。📷非池层的输出是一个扩大的，但稀疏的激活映射。反褶积层将通过使用多个学习滤波器的卷积类运算解池获得的稀疏激活紧密化。然而，与将滤波器
浏览 0提问于2015-11-24得票数 5
回答已采纳
1回答
为什么这个卷积的输出有这些维度？
、、、、
我试图复制Caffe中卷积的输出。
据我所知，Caffe使用im2col算法将nD数组转换为矩阵并将它们相乘。然而，Caffe中输出的维度使我感到困惑。使用ImageData层，我输入4个维度150x149的图像，批处理大小为4。Caffe创建一个4D数组，维为4x3x149x150。我将其转换为卷积层，滤波器大小为7，步长为1 (num_output =1&am
浏览 6提问于2016-03-06得票数 0
回答已采纳
我正在为使卷积层和全连通层快速工作而进行一些优化。我需要预训练的Alex网模型的卷积核权重，以执行与实际图像的卷积。import <em
浏览 1提问于2017-07-12得票数 2
回答已采纳
1回答
我的团队一直在研究Caffe的MNIST示例，并且能够在一些神经网络的层(如卷积层)中定位/指定神经元/滤波器的数量，这是一个名为num_output的参数所引用的。但是，池层似乎没有指定它们具有/我们可以调整的输出数量。有没有任何方法来定位这些信息，以便我能够知道在MNIST示例神经网络的每一层<
浏览 2提问于2016-06-08得票数 2
回答已采纳
1回答
特征图不下采样时转置卷积的必要性
、、、、
本文提出了一个对称的发电机网络，它包含一个卷积层和一个反卷积(反卷积)层。文中还提到，使用1的步长和适当的填充以确保特征映射大小与输入图像大小相同。我的问题是，如果没有下采样，那么为什么使用转置卷积层呢？不能只用卷积层来建造发电机吗？我是不是遗漏了一些关于转置卷积层的东西(它
浏览 0提问于2017-06-28得票数 0
云服务器
ICP备案
实时音视频
对象存储
云直播
腾讯云开发者
