Comment classer l'image Cifar avec Alexnet sur Deeplearning4j

Question

Je suis un débutant à Deeplearning4j, et va à un test sur les images Cifar-10 classifier. Je viens de copier l'exemple de Alexnet DL4j (AnimalsClassification.java) comme:

MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder() 
     .seed(seed) 
     .weightInit(WeightInit.DISTRIBUTION) 
     .dist(new NormalDistribution(0.0, 0.01)) 
     .activation(Activation.RELU) 
     .updater(Updater.NESTEROVS) 
     .iterations(iterations) 
     .gradientNormalization(GradientNormalization.RenormalizeL2PerLayer) // normalize to prevent vanishing or exploding gradients 
     .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT) 
     .learningRate(1e-2) 
     .biasLearningRate(1e-2*2) 
     .learningRateDecayPolicy(LearningRatePolicy.Step) 
     .lrPolicyDecayRate(0.1) 
     .lrPolicySteps(100000) 
     .regularization(true) 
     .l2(5 * 1e-4) 
     .momentum(0.9) 
     .miniBatch(false) 
     .list() 
     .layer(0, convInit("cnn1", channels, 96, new int[]{11, 11}, new int[]{4, 4}, new int[]{3, 3}, 0)) 
     .layer(1, new LocalResponseNormalization.Builder().name("lrn1").build()) 
     .layer(2, maxPool("maxpool1", new int[]{3,3})) 
     .layer(3, conv5x5("cnn2", 256, new int[] {1,1}, new int[] {2,2}, nonZeroBias)) 
     .layer(4, new LocalResponseNormalization.Builder().name("lrn2").build()) 
     .layer(5, maxPool("maxpool2", new int[]{3,3})) 
     .layer(6,conv3x3("cnn3", 384, 0)) 
     .layer(7,conv3x3("cnn4", 384, nonZeroBias)) 
     .layer(8,conv3x3("cnn5", 256, nonZeroBias)) 
     .layer(9, maxPool("maxpool3", new int[]{3,3})) 
     .layer(10, fullyConnected("ffn1", 4096, nonZeroBias, dropOut, new GaussianDistribution(0, 0.005))) 
     .layer(11, fullyConnected("ffn2", 4096, nonZeroBias, dropOut, new GaussianDistribution(0, 0.005))) 
     .layer(12, new OutputLayer.Builder(LossFunctions.LossFunction.NEGATIVELOGLIKELIHOOD) 
      .name("output") 
      .nOut(numLabels) 
      .activation(Activation.SOFTMAX) 
      .build()) 
     .backprop(true) 
     .pretrain(false) 
     .setInputType(InputType.convolutional(height, width, channels)) 
     .build(); 

Quand je lance le code, il a lancé une exception dire qu'il ya des problèmes avec la configuration "couche-9" sur new int [] {3 , 3}, il devrait être supérieur à 0 et inférieur à pHeight + 2 * padH. Quand changer le poids * hauteur de 32 * 32 à 100 * 100 dans le code java, il a fonctionné correctement, mais je ne devrais pas et le résultat est bon. Donc, je suis un peu confus sur la configuration de la couche sur alexnet affaire avec 32 * 32 images.

Answer 1

Cela ne va pas être le bon exemple à utiliser. Veuillez patienter jusqu'à la fin de l'importation de notre nouveau modèle de keras. Cela inclura également les modèles pré-formés.