Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
Una implementación de una operación de convolución en 1D a menudo necesitará cargar vectores de datos que se desplazan secuencialmente a través de un búfer de datos desplazado en un elemento en cada iteración. Por ejemplo, consideremos un búfer de datos de entrada X[0], X[1], …, X[n-1], donde n es . . . Read more
Tengo 142 imágenes de tomografía computarizada (CT) del cerebro en formato Nifti, las convertí de Dicom. Cada archivo Nifti tiene la dimensión de 512x512x40. Mi plan es trabajar con una Red Neuronal Convolucional (CNN) en 3D para clasificación multi-clase. ¿Cómo debo alimentar las imágenes Nifti en una CNN en 3D?
Tengo el siguiente diagrama de bloques y cada subsistema, necesito encontrar la respuesta al impulso global para 0<=n<=99. La respuesta individual al impulso para cada subsistema se encontró de la siguiente manera. import numpy as np import matplotlib.pyplot as plt n1 = np.arange(0, 6, 1) # set upper limit = . . . Read more
Tengo la salida y la entrada de un sistema. Como sé que f=conv(h,g), donde h es una función de convolución en la FFT, podemos escribir F=H*G. Entonces, ¿puedo encontrar H por medio de: H=F/G o no? Intento escribir un código como este: # -<em>- coding: utf-8 -</em>- “”” Created on . . . Read more
Quiero entender la operación básica realizada en una capa de convolución de un modelo cuantizado en TensorflowLite. Como referencia, elegí un modelo Tensorflow preentrenado, EfficientNet-lite0-int8, y utilicé una imagen de muestra como entrada para las inferencias del modelo. A continuación, logré extraer el tensor de salida de la primera capa . . . Read more