Question

我想对我的一些图像数据实施深刻的梦想。我决定给cntk一个开始，然后开始使用MNIST手写数据来开发。

通常，在训练神经网络时，您有一些固定的输入图像集，并且您需要学习一些可变权重。考虑到网络中的一些固定权重，Deep dreaming翻转这些，你可以学习一个可变图像。

所以我训练了一个网络，使用卷积网络非常一致地识别图像。现在我想要它想象一些图像，所以我需要用可变输入图像进行卷积。显然cntk不允许这样做。以下代码演示了我遇到的错误。

def doConstantConv(inputX, W, b, redRank):
    kernel = C.constant(value = W)
    bias = C.constant(value = b)
    conv = C.convolution(kernel, inputX, strides = (2,2), reduction_rank = redRank) + bias
    return C.relu(conv)

W1 = np.reshape(np.arange(200.0, dtype = np.float32), (8,1,5,5))
b1 = np.reshape(np.arange(8.0, dtype = np.float32), (8,1,1))

someInput = C.parameter((1,28,28))
layer1 = doConstantConv(someInput, W1, b1, 1)

我得到的错误是“卷积当前要求主操作数具有动态轴”。但据我所知，可学习的参数不能有动态轴。这没有意义，是吗？

因此可以得出结论，cntk不能用于深度梦想吗？有没有办法破解它？

Answer 1

查看https://github.com/Microsoft/CNTK/blob/master/Tutorials/CNTK_205_Artistic_Style_Transfer.ipynb

您可以通过在参数中指定need_gradient = True来创建可学习的输入变量。

谢谢，
伊马德

我是否正确地断定在cntk中无法实现“深层梦想”？

1 个答案: