金沙4166am-澳门金沙4166.am-金沙4166.am官网登录 - 文学类专业网站力求原创·干净·绿色

金沙4166am-澳门金沙4166.am-金沙4166.am官网登录

当前位置: 金沙4166am > 社会新闻 > 均方而且会疾捷的爆炸式增进

均方而且会疾捷的爆炸式增进

时间:2019-05-27来源:未知 作者:admin点击:
正在Code/目次下运转python avg_runner.py来对你的收集实行教练以及测试,而且实行如下 我正在吃豆密斯逛戏的帧序列数据库上教练并测试了我的收集。为了比较匹敌式教练和非匹敌式教练的结果,我正在天生器和区别器上教练了匹敌式收集,实行了500000次迭代,

  正在Code/目次下运转python avg_runner.py来对你的收集实行教练以及测试,而且实行如下

  我正在吃豆密斯逛戏的帧序列数据库上教练并测试了我的收集。为了比较匹敌式教练和非匹敌式教练的结果,我正在天生器和区别器上教练了匹敌式收集,实行了500000次迭代,非匹敌式收集实行了1000000次迭代(因为非匹敌式收集的运转速率大约是匹敌式收集的两倍)。每个收集的教练时期大抵是24小时,运转处境为GTX 980TI GPU。

  行使论文中先容的差错丈量手段(峰值信噪比和锐差)不行显示出匹敌式教练和非匹敌式教练的明显分别。我以为这是由于吃豆密斯逛戏数据库的帧序列中大部门像素都没有转折,而论文原文是正在真正的视频上教练的,也就意味着帧内的大部门实质都邑发作转折。即使如许,匹敌式教练正在天生帧的明白度上发作了质的降低,这一点是很明白的,越发时期跨度较长的视频上效率更昭着。能够通过正在该项目标根目次运转tensorboard --logdir=./Results/Summaries/来查看耗费和差错数据。

  收集是正在输入图像的随机拣选的32x32像素块前进行教练的,输入图像经历筛选,确保大无数图像的实质都有转折。要把你的输入数据措置成如此的花样,须要正在Code/目次下运转剧本pythonprocess_data,而且实行如下树立:

  该项目行使天生匹敌收集来对视频实行预测,注意实质请参考论文《领先均方差错的深度众范围视频预测》,作家Mathieu, Couprie & LeCun。官方代码(行使Torch杀青)能够正在这里找到。

  庆幸的是,只是正在教练阶段才须要区别器,而且天生器收集是全卷积的,是以你能够用任何巨细的图像来测试你正在32x32 的图像块上教练的权重。(这也便是为什么我天生的视频能够遮盖所有吃豆密斯逛戏的界面)

  常睹题目及处分举措为什么不正在大于32x32的图像块上教练?为什么错误整张图教练?

  不才面的例子中,我用64帧图片实行递归运转收集。(即用于天生第一帧的输入是【输入1,输入2,输入3,输入4】,用于天生第二帧的输入是【输入2,输入3,输入4,天生1】,以此类推)。因为收集没有原始逛戏的行动输入,它不行预测太众真正的行动(比方吃豆密斯会朝哪个倾向转弯)。是以,咱们的方向不是让它和真正图片抵达完备相仿,而是保留一种清洁爽利,与真正全邦彷佛的流露。

  ·要是念复现我的结果,能够正在这里下载吃豆密斯数据库:。默认行径是把下载的数据放正在项目标根目次下,文献旅途定名为Data/。不然你须要非常外明你的数据地位,参考第3、4部门的树立外明。

  匹敌式天生行使两个收集,一个天生器和一个区别器,来修正天生图像的明白度。给出视频的前四帧,天生器会研习若何对下一帧天生切实的预测。给出一张天生的或一张真正图片,区别器会研习若何无误区别天生图片和真正图片。两个收集会实行“角逐”,天生器要实验让区别器将它所天生的图片占定成真正的图片。这会驱策天生器发作与真正帧正在域内的形式非凡左近的仿制帧。

  (我发起将它树立为埋没旅途如此文献体例不会由于文献太众而冻结,不要ls这个旅途!)

  即使匹敌式收集正在明白性和连贯性上昭着优于非匹敌式收集,但非匹敌性收集却发作了极少兴趣的,引人当心的差池:

  下面的示例呈现了非匹敌式收集可能众速就变得混沌而且失落小鬼魂的显示。而匹敌式收集固然也崭露了必然水平的这种气象,不过正在所有视频序列中起码能保留明白的流露极少小鬼魂这一点上,匹敌式收集要好得众。

  原故是显存行使量。因为区别器正在卷积后有全结合层,结尾一层卷积的输出务必转换成一维的数据来结合到全结合层的第一层。该输出的巨细取决于输入图像的巨细,而且会急迅的爆炸式伸长。(比方,关于输入巨细为64x64,从128个特质图到有512个节点的全结合层,你的收集会有64x64x128x512= 268,435,456 个权重值)。因为这个原故,正在比32x32大的块前进行教练会导致内存溢出(起码正在我的装备下是如此的)。

  从这个示例能够看出,匹敌式收集可能正在吃豆密斯实行众次转弯时如故保留明白的显示,而非匹敌式收集则不行做到这一点。

  原题目:开源若何用Tensorflow杀青LeCun教员论文:《领先均方差错的深度众范围视频预测》

  ·要是你念正在己方的视频前进行教练,要对视频实行预措置,让他们成为如下构造的帧序列(定名或图像花样都不首要,构造才是最首要的)

顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
相关内容
推荐内容