使用Lasange图像缩放的卷积网络

Question

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。然而，我想将其中的一些整合到我的千层面层中，使我的代码更加灵活。

有没有可以调整输入图像大小的千层面？

Answer 1

您可以使用nolearn.lasagne.BatchIterator，而不是在层中执行此操作；在以下代码片段中，我将原始的1D信号重采样为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),
    )

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