سوالاتی در مورد کد پایتون در کافه

Question

سلام ...با تشکر از عزیزانی که زحمت میکشن و به سوالات پاسخ میدهند...
سوالی در مورد کد پایتون برای کافه است...این کدهای زیر چه چیزی رو نشان میدهد؟

# the parameters are a list of [weights, biases]
filters = net.params['conv1'][0].data
vis_square(filters.transpose(0, 2, 3, 1))

و همینطور فرقش با کد زیر

feat = net.blobs['conv1'].data[0, :36]
vis_square(feat)

همینطور در کد اول چرا نمیشه که اسم conv1 رو به مثلا conv2 تغییر داد؟ ارور زیر رو میدهد

TypeError: Invalid dimensions for image data

ببخشید که یه مقدار کدها بهم ریختست ، نتونستم مرتبشون کنم

2-در مورد معماری الکس نت سوالی داشتم که آیا تصاویر ورودی 224*224 هستند یا 227*227...و اینکه crop size =227 در کافه چه هست؟
پیشاپیش ممنون از راهنمایی های شما عزیزان

Answer 1

سلام
توضیحاتش که مشخصه اولی داره وزن ها رو نمایش میده (ویژوالایز میکنه)
دومی هم داره توده ها رو نمایش میده .
در کد اول میشه این کارو کرد چطور کد رو میزنید ؟

1. تصاویر ورودی 227 در 227 کراپ میشن. اون کراپ در زمان ترینینگ بصورت رندوم انجام میشه و در زمان تست هم از وسط تصویر انجام میشه.

آپدیت :
من اون نمونه مثال رو اجرا کردم و متوجه شدم چرا خطا میگیرید . اگه خوب دقت کنید میبیند که ورودی اول شما برای اولین لایه فقط سه تا کانال ورودی داره . یعنی همون RGB . برای همین وقتی شما میخوایید وزنهای مروبط به لایه اول رو نمایش بدید چون عمق 3 دارن خیلی راحت قابل انجام هست.
اما وقتی به لایه دوم میرسید دقت کنید که عمق توده ورودی شما دیگه 3 نیست. عمق توده ورودی شما برابر با تعداد فیلترهای لایه قبله . مثلا لایه اول شما 96 فیلتر اگه داشت ورودی لایه دوم شما ( که همون خروجی لایه اول هست!! ) برابر با 96 میشه.
به همین ترتیب وقتی شما این توده رو به تابع matplotlib میفرستید (این تابع تو تابع vis_square فراخونی میشه برای نمایش دادن توده دریافتیش) اون به مشکل میخوره و خطا میده! چون بجای 3 کانال 96 تا میبینه . برای اینکه بتونید ویژوالایز بکنید میتونید مثلا اینطور عمل کنید :

print(filters.shape)
print(filters[0].shape)
print(filters[0,0:3,:,:])
x = filters[0,0:3,:,:]
print (x.shape)
vis_square(x.reshape(-1,3,3,3).transpose(0, 2, 3, 1)) 

من اینطور نوشتم تا وقتی اجرا میکنید توده ها رو هم ببینید و متوجه بشید چه اتفاقی داره میوفته و ایده بگیرید
نهایتا از خط زیر میتونید خیلی راحت برای نمایش همه فیلترها با هم استفاده کنید :

vis_square(filters[:,0:3,:,:].reshape(-1,3,3,3).transpose(0, 2, 3, 1))

و با افزایش بعد دوم مثلا از filters[:,0:3,:,:] به filters[:,3:6,:,:] میتونید بصورت جداگانه به همه وزنهای مربوط به اون 96 یا هرچندتایی که وجود دارن دسترسی پیدا کنید و نمایششون بدید. اول 3 وزن اول بعد 3 وزن بعدی و الی اخر همینطور میتونید پیش برید(میتونید خیلی راحت تو یه حلقه لوپ بندازید و ببینید)

Comments

سلام...سید جان واقعا ممنونم ازت که به سوالاتمون پاسخ میدی ...
اها....
من دقیقا عین همون کد اول رو نوشتم ، فقط بجای Conv1  نوشتم conv2...وقتی که Conv1  نوشتم ، کدم هیچ ارور و مشکلی نداره و به راحتی کار میکنه...فقط میخوام خروجی مثلا  conv2  رو ببینم ایراد داره
https://pastebin.com/zmZC0PwW

و اینکه ، مگه تصاویر ورودی الکس نت سایز 224*224 نیستن؟فکر میکردم تصویر ورودیشون این سایز باشه نه 227*227

---

سلام .
خواهش میکنم . جواب شما رو دادم .
الکس نت ورودیش 227 در 227 هست وگرنه توده ورودی 55 در 55 درنمیاد. این قضیه خیلی ها رو سرکار گذاشته بود تا دو سه سال بعد مقاله اش حتی . شما با خیال راحت 227 کار کنید.