Ich versuche parallel Tabelle für die erste Schicht von Alexnet in Torch, Lua zu haben. Ich möchte zwei Stapel von RGB-Bildern an das Netzwerk übergeben und dann deren Addition an die nächste Ebene senden. Beispiel: Angenommen, ich möchte Bilder mit 6 Kanälen an die erste Ebene von alexnet senden, aber in diesem Fall möchte ich zwei Stapel mit je 3 Kanälen an die ersten parallelen Ebenen senden, sie verbinden und dann die Ausgabe an die nächste senden Schicht. der eigentliche Code ist wie folgt:Machen Sie die erste Schicht von AlexNet parallel in lua
net = nn.Sequential()
net:add(nn.SpatialConvolution(3,96,11,11,4,4,2,2))
net:add(nn.SpatialBatchNormalization(96))
net:add(nn.ReLU(true))
net:add(nn.SpatialMaxPooling(3,3,2,2))
net:add(nn.SpatialConvolution(96,256,5,5,1,1,2,2))
net:add(nn.SpatialBatchNormalization(256))
net:add(nn.ReLU(true))
net:add(nn.SpatialMaxPooling(3,3,2,2))
net:add(nn.SpatialConvolution(256,384,3,3,1,1,1,1))
und der Code ich dachte, es würde funktionieren ist:
net = nn.Sequential()
c = nn.ParallelTable()
c:add(nn.SpatialConvolution(3,48,11,11,4,4,2,2))
c:add(nn.SpatialConvolution(3,48,11,11,4,4,2,2))
net:add(c)
net:add(nn.JoinTable(1,8))
net:add(nn.SpatialBatchNormalization(96))
net:add(nn.ReLU(true))
net:add(nn.SpatialMaxPooling(3,3,2,2))
und die Fehler, die ich habe ist:
In 1 Modul nn .ParallelTable: /torch/install/share/lua/5.1/cudnn/init.lua:171: Bestätigung fehlgeschlagen!
Ich fragte mich, wo ich mit dieser Implementierung falsch liege und jede Hilfe würde sehr geschätzt werden.
Dank
Der eigentliche Code zeigt, dass die Eingänge 18 Kanäle haben, daher können Sie nicht verwenden ' SpatialConvolution mit 3 Eingangskanälen – fonfonx
Es war mein Fehler. Der eigentliche Code ist 3, die Eingabe mit 3 Kanälen bekommt, aber jetzt möchte ich dem Modell 2 Chargen von 3 Kanälen Bilder geben (ich kann meine Modellchargen von 6 Kanälen durch Ändern von 3 bis 6 in der ersten Schicht, aber ich möchte geben das Netzwerk zwei Chargen von 3 Kanälen statt einer Charge von 6 Kanälen) –
Was sind die Abmessungen des Eingang Tensors zu Ihrem Modell? – fonfonx