索引卷积与池的实现
IndexedConv的Python项目详细描述
索引卷积
索引操作允许用户在非欧几里得数据网格上执行卷积和池,前提是每个像素的邻域像素已知且已提供。
它为应用标准欧几里得卷积提供了一种替代方法来掩蔽或重采样数据。 此解决方案的开发是为了将卷积神经网络应用于物理实验中提出特定像素排列的数据。
它用于切伦科夫望远镜阵列的{
在这里,您将找到索引操作的代码以及应用示例。Pythorch的当前实现已经完成。
Documentation may be found online. <https://indexed-convolution.readthedocs.io/en/latest/>
。图片:https://travis-ci.org/IndexedConv/IndexedConv.svg?branch=master :目标:https://travis-ci.org/IndexedConv/IndexedConv ……图片:https://readthedocs.org/projects/indexed-convolution/badge/?version=latest :目标:https://indexed-convolution.readthedocs.io/en/latest/?badge=latest :alt:文档状态 ……图片:https://anaconda.org/gammalearn/indexedconv/badges/installer/conda.svg :目标:https://anaconda.org/gammalearn/indexedconv
安装
从indexedconv文件夹安装:
。代码块::bash
python setup.py install
使用pip安装:
。代码块::bash
pip install indexedconv
使用conda安装:
如果需要,首先为tensorboardx添加conda forge通道
。代码块::bash
conda config --append channels conda-forge
。代码块::bash
conda install -c gammalearn indexedconv
要求
。代码块::bash
"torch>=0.4",
"torchvision",
"numpy",
"tensorboardx",
"matplotlib",
"h5py",
"sphinxcontrib-katex"
运行实验
例如,要在转换为六角形的CIFAR10数据集上训练具有索引卷积的网络:
。代码块::bash
python examples/cifar_indexed.py main_folder data_folder experiment_name --hexa --batch 125 --epochs 300 --seeds 1 2 3 4 --device cpu
为了对aid数据集进行培训,必须下载并找到它。
作者
索引卷积的发展源于物理学家和计算机科学家的合作。
- Luca Antiga,奥罗比克斯
- Mikael Jacquemont、LAPP(CNRS)、Listic(USMB)
- 洛杉矶警察局(CNRS)Thomas Vuillaume
参考资料
如果您想使用indexedconv,请引用:
。图片:https://zenodo.org/badge/150430897.svg :目标:https://zenodo.org/badge/latestdoi/150430897
贡献
欢迎所有捐款。
首先,直接通过电子邮件或创建github问题与作者联系。