Matconvnet binário opções no Brasil

Eu comecei a usar CNN no MatConvNet com classificação binária básica. Eu tenho 90 imagens em que há um total de 750 aeronaves e caixas de verdade chão. Usando caixas de terra eu extraí todos os remendos de imagem de aeronave como amostras positivas e fazer as variáveis ​​para a entrada. Aqui está o CÓDIGO MATLAB: Se eu combinar aviões (positivos) e não-aeronave (negativos) patches de imagem, em seguida, o código será como este images. data será como All Positives All Negatives images. labels irá organizar os dados All 1s All 0s e images. set serão images. set ones (1, Npostrain) 2ones (1, Nposval) 3ones (1, Npostest) Q: A coisa que me faz confundir aqui é: se quisermos 200 amostras para o treinamento. Então como a CNN irá automaticamente tomar amostras positivas e negativas se os dados são armazenados como em images. data e images. labels perguntou Jan 18 at 7:13 Você deve validar este você mesmo. Tome amostras de seus dados e trace a imagem enquanto imprime o rótulo correspondente. Mesmo se eu lhe disser agora se este código está correto, o que eu não posso por sinal, porque eu não tenho acesso ao conjunto de dados e não posso tentar o seu código. No entanto, você terá que ser capaz de validar seus dados de qualquer maneira ao longo do caminho para verificar se você está aprendendo a coisa certa. Portanto, eu aconselho você a validar que você mesmo. Ele irá ajudá-lo a melhorar suas habilidades de aprendizagem profunda. O mesmo índice para a matriz de dados corresponde ao mesmo índice na matriz de etiquetas. Portanto, se o rótulo é 0 para uma aeronave ele sabe que é falso e se não sabe que é verdade. A rede realmente não sabe qual rótulo corresponde a qual ação, ele só aprende a discriminar entre as duas classes. Eu sugiro trabalhar com o tutorial de mathconvnet (como este: robots. ox. ac. uk vggpracticalscnnindex. html) para entender estes conceitos. Métodos alternativos de instalação Os pré-requisitos básicos são os mesmos discutidos antes. Em particular, todos os métodos requerem MATLAB para ser corretamente configurado com um compilador adequado (geralmente Xcode para Mac e GCC para Linux). Usando a linha de comando Se desenvolver o MatConvNet no Mac OS X ou Linus, pode ser preferível compilar a biblioteca usando a linha de comando eo Makefile fornecido. Compilando uma versão básica da biblioteca Para compilar uma versão básica (somente para CPU) da biblioteca use: deve funcionar para um Mac com o MATLAB R2017 instalado em seu local padrão. A outra arquitetura suportada é o glnxa64 (para Linux). Observação: No Mac, a ferramenta vlimreadjpeg usará a biblioteca gráfica nativa Mac OS X Core Graphics. No Linux, ele usa LibJPEG em vez disso. A ferramenta pode ser desativada definindo ENABLEIMREADJPEG como um símbolo vazio. As opções IMAGELIB opção pode ser usado para alterar a biblioteca de imagens usadas (por exemplo, para usar LibJPEG no Mac) e as opções IMAGELIBCFLAGS e IMAGELIBLDFLAGS para especificar o compilador personalizado e opções de vinculador. Usando verbose e depuração modos Para compilar em modo detalhado, use a opção VERByes. Por exemplo: Para compilar a ativação de símbolos de depuração e otimizações off (útil para anexar um depurador para MATLAB e depurar MatConvNet), use a opção DEBUGyes. Por exemplo: Compilando o suporte da GPU O método padrão para compilar o suporte à GPU requer uma versão do toolkit do CUDA que coincida com a interna de MATLABs. Compilação pode parecer: deve funcionar em um Mac com MATLAB R2017b. Usando uma versão não suportada do kit de ferramentas CUDA Use a opção CUDAMETHODnvcc ea opção CUDAROOT. Por exemplo: Não se esqueça de que agora é necessário executar o MATLAB apontando-o para as bibliotecas CUDA toolkit apropriadas. Compilando o suporte CuDNN Use a opção ENABLECUDNNyes ea opção CUDNNROOT. A partir do prompt da linha de comando, isso pode ser parecido com: Outros exemplos Compilando todos os recursos no MatConvNet no Mac OS X com MATLAB R2017b, CUDA 6.5 e CuDNN Candidato Release 2: Cópia de direitos autorais 2017-16 O MatConvNet Team. error no cnnminst 51 hi i Sou novo para usar caixa de ferramentas CNN também tenho taxa de aprendizagem de erro seguinte mudou (0.000000 --gt 0.001000): resetting momento formação: época 01: processamento lote 1 de 4. Erro usando. As dimensões da matriz devem corresponder à op da matriz binária. Erro em vlnnsoftmax (linha 30) Y Y. Bsxfun (menos dzdY, sum (dzdY, Y, 3)) Erro em vlsimplenn (linha 211) res (i).dzdx vlnnsoftmax (res (i).x, res (i1).dzdx) Erro no cnntrain (linha 140 ) Res vlsimplenn (net, im, um, res Erro na reidentificação (linha 75) net, info cnntrain (net, imdb, getBatch, opts. train) Eu não sei o que está errado com a rede net. layers seguinte 1 conv1 net. Camadas struct (tipo, filtros conv., 1e-4randn (5,5,3,32, single), biases, zeros (1, 32, single) stride, 1. pad, 2) 2 pool1 (Tipo, método de agrupamento, máximo de pool, 3 3. stride, 2. pad, 0 1 0 1) 10 ip1 net. layers struct (tipo, filtros conv., 0.1randn (16,16,32, 64, único), biases, zeros (1,64, single). FiltrosResultados, 1. biasesLearningRate, 2. stride, 1. pad, 0) 11 ip2 net. layers struct (tipo, 1.biasesLearningRate, 2. stride, 1. pad, 0) 12 loss net. layers struct (tipo, softmax) Por favor, me guia neste sentido Eu será Muito grato por esta ajuda