带有 Lasange 的卷积网络 - 图像大小调整答案

【问题标题】：Convolutional Net With Lasange - image resizing带有 Lasange 的卷积网络 - 图像大小调整
【发布时间】：2015-12-14 05:38:02
【问题描述】：

我一直在使用 Lasagne 训练一些神经网络和卷积网络，并使用 Python 进行大部分数据/图像预处理。但是，我想将其中的一些合并到我的千层面层中，以使我的代码更加灵活。

是否有可以调整输入图像大小的千层面层？

【问题讨论】：

标签： python image-processing neural-network theano lasagne

【解决方案1】：

您可以使用nolearn.lasagne.BatchIterator，而不是在层中执行此操作；在下面的 sn-p 中，我将原始 1D 信号重新采样为 1000 点信号：

from nolearn.lasagne import BatchIterator
from scipy.signal import resample
import numpy as np

class ResampleIterator(BatchIterator):

    def __init__(self, batch_size, newSize):
        super(ResampleIterator, self).__init__(batch_size)
        self.newSize = newSize

    def transform(self, Xb, yb):
        X_new = resample(Xb, self.newSize, axis=2).astype(np.float32)    
        return X_new, yb


 myNet = NeuralNet(
 # define your usual other parameters (layers, etc) here

    # and these are the lines you are interested in:
    batch_iterator_train=CropIterator(batch_size=128, newSize=1000),
    batch_iterator_test=CropIterator(batch_size=128, newSize=1000),
    )

不知道你是否使用过nolearn，你可以阅读更多关于它的信息（安装、示例）here

【讨论】：