锐客网

  1. 首页 > 睿知 > it技术 > >

python中卷积函数 python 卷积

IT技术模型

使用python在GPU上构建和训练卷积神经网络 我将对代码进行补充演练，以构建在数据集上训练的任何类型的图像分类器 。在这个例子中，我将使用花卉数据集 ， 其中包括102种不同类型的花 。需要数据集和代码都可以私信我 。
Pytorch是机器学习和Python上的免费软件包 ， 非常易于使用 。语法模拟numpy ， 因此，如果你在python中有一些科学计算经验，那么会相当有用的 。只需几行代码，就可以下载预先训练的数据集 ， 使用定义的变换对图像进行标准化，然后运行训练 。
创建和扩充数据集
为了增加数据集，我使用'google_images_download'API 从互联网上下载了相关图像 。显然，您可以使用此API不仅可以扩充现有数据集 ， 还可以从头开始创建自己的数据集 。
确保从图像中挑选出异常值(损坏的文件或偶然出现的无关图像) 。
图像标准化
为了使图像具有相同的大小和像素变化，可以使用pytorch的transfors模块：
转移学习
从头开始训练的模型可能不是最明智的选择，因为有许多网络可用于各种数据集 。简单地说，像edge-和其他简单形状检测器等低级特征对于不同的模型是相似的，即使clasificators是针对不同目的进行训练的 。在本项目中，我使用了一个预训练网络Resnet152，只有最后一个完全连接的层重新用于新任务，即使这样也会产生相当好的效果 。
在这里，我将除最后一层之外的所有层都设置为具有固定权重（requires_grad = False） ， 因此只有最后层中的参数将通过梯度下降进行更新 。
训练模型
下面介绍一下进行训练的函数：
如何获得GPU？
当然，对CPU的训练太慢了 。根据我自己的经验，在GPU仅需要一个小时就可以完成12次训练周期，但是在CPU上相同数量的训练周期可能需要花费大约15个小时 。
如果您没有本地可用的GPU，则可以考虑使用云GPU 。为了加速CNN的训练，我使用了floydhub（）上提供的云GPU。
这项服务非常指的使用：总有很好的文档和大量的提示，所以你会很清楚的知道下一步需要如何去做 。在floydhub上对于使用GPU的收费也是可以接受的 。
首先，需要将数据集上传到服务器
然后 ， 需要创建项目 。需要在计算机上安装floydhub客户端 ， 将数据集上载到其网站并在终端中运行以下命令：
其中'username'是您的登录名，'i'是数据集所在的文件夹 。
这样子在训练网络时就会很轻松了
结果和改进想法
得到的模型在数据集上训练了1.5小时，并在验证数据集上达到了95％的准确度 。
Python 中用于两个值卷积的函数是什么 ， 我知道matlab 中是conv ， Python中有预知对应的吗全部用文件IO的话可以这样： matlab把所有参数输出到一个文件里 ， 然后用system命令调python脚本 。python脚本读文件做计算结果再写文件 。最后matlab再读文件得到结果 。假设python脚本的用法是： python xxx.py in.txt out.txt 则matlab调用命令...
python三维卷积可以用什么函数? matlab只要用convn写了一个输入和卷积核dim=2是一样的（都是3）的卷积函数，可以试试多加一个for循环变成三维卷积
def conv3D(image, filter):
'''
三维卷积
:param image: 输入，shape为 [h,w,c], c=3
:param filter:卷积核，shape为 [x,y,z], z=3
:return:
'''
h, w, c = image.shape
x, y, z = filter.shape
height_new = h - x + 1# 输出 h
width_new = w - y + 1# 输出 w
image_new = np.zeros((height_new, width_new), dtype=np.float)
for i in range(height_new):

推荐阅读


上一篇：迅雷看视频需要加载什么，迅雷视频字幕怎么加载

下一篇：怎么查看电脑外部连接，电脑如何查看外接设备