問題タブ [mnist]

データをトレーニング (80%) とテスト (20%) セットに分割しようとしていますが、最初にデータをシャッフルしてから、各データセットの各ラベル (y、10 クラス) に同数のサンプルを割り当てる必要があります。

ルア/トーチでこれを行うにはどうすればよいですか? ありがとう！

これはこれまでの私のコードです...

私は ML が初めてで、tensorflow を使用しています。
オートエンコーダーの機能を見たいのですが、隠しユニットを抽出する (見る) 方法がわかりません。
誰かが私を助けることができますか？

独自のデータセットを作成しましたが、元のコードは MNIST です: https://jmetzen.github.io/2015-11-27/vae.html

非表示ユニットのレイヤーを追加してスタック AE に変換しました.. (スタックになったかどうかはわかりませんが、機能しました)

私の AE: https://github.com/Snowedze/Autoencoder.git

Caffe と Theano になるまでに、さまざまな深層学習フレームワークを学習 (および比較) しようとしています。

http://caffe.berkeleyvision.org/gathered/examples/mnist.html

と

http://deeplearning.net/tutorial/lenet.html

チュートリアルに従って、これらのフレームワークを MNIST データセットで実行します。ただし、精度とパフォーマンスの点でかなりの違いがあることに気付きました。

Caffe の場合、精度が最大 97% まで上がるのは非常に高速です。実際、プログラムを完了するのに 5 分しかかからず (GPU を使用)、テスト セットでの最終的な精度は 99% を超えています。なんて印象的！

ただし、Theano では、はるかに貧弱です。92% のテスト パフォーマンスを達成するだけで、(同じ GPU を使用して) 46 分以上かかりました。

同じデータセットで比較的同じアーキテクチャを実行しているフレームワーク間にそれほど大きな違いはないはずなので、私は混乱しています。

だから私の質問はです。Caffe によって報告される精度の数値は、テスト セットでの正しい予測のパーセンテージですか? もしそうなら、不一致の説明はありますか？

ありがとう。

次のチュートリアルに基づいています。

https://www.tensorflow.org/versions/v0.6.0/tutorials/mnist/pros/index.html#deep-mnist-for-experts

32MNIST の CNN の第 1 層の機能の数はどこから来ていますか?

そして64、第2層の機能の数はどこから来ているのですか?

ここで Caffe チュートリアルを行った後: http://caffe.berkeleyvision.org/gathered/examples/mnist.html

ここで定義されているこのチュートリアルで使用する別の (そして効率的な) モデルについて、私は本当に混乱しています: https://github.com/BVLC/caffe/blob/master/examples/mnist/lenet_train_test.prototxt

私が理解しているように、Caffe の畳み込み層は、活性化関数を適用せずに、各入力の Wx+b の合計を単純に計算します。アクティベーション関数を追加したい場合は、その畳み込みレイヤーのすぐ下に、Sigmoid、Tanh、または Relu レイヤーなどの別のレイヤーを追加する必要があります。私がインターネットで読んだ論文/チュートリアルはすべて、活性化機能をニューロンユニットに適用しています。

モデルで畳み込みレイヤーとプーリングレイヤーがインターリーブしていることしか確認できないため、大きな疑問符が残ります。誰かが私に説明をしてくれることを願っています。

サイト ノートとして、私にとってもう 1 つの疑問は、このソルバーの max_iter です: https://github.com/BVLC/caffe/blob/master/examples/mnist/lenet_solver.prototxt

トレーニング用に 60.000 枚の画像、テスト用に 10.000 枚の画像があります。では、なぜここで max_iter が 10.000 しかないのでしょうか (それでも 99% を超える精度が得られる可能性があります)。Caffe は反復ごとに何をしますか? 実際、正解率が正しい予測/テストサイズの合計であるかどうかはよくわかりません。

非常に短い時間 (> 99% の精度を得るのにわずか 5 分) でこの高い精度を達成できるフレームワークの例を見つけられなかったので、この例には非常に驚いています。したがって、私が誤解したことがあるはずがないと思います。

ありがとう。

カフェ初心者です。mnist データセットで Lenet をトレーニングするために、データを caffe の data/mnist にダウンロードしました。を使用して lmdb に変換しようとすると、次の./examples/mnist/create_mnist.shようなエラーが発生します。

誰かがこれで私を助けることができますか? 正確には何が問題になる可能性がありますか？