【文件属性】:
文件名称:图像的均方误差的matlab代码-redes_de_capulas:capsule_networks
文件大小:591KB
文件格式:ZIP
更新时间:2021-05-22 05:56:36
系统开源
图像的均方误差的matlab代码CapsNet-Keras
本文中的CapsNet的Keras(分支支持TensorFlow
2)实现:
当前的average
test
error
=
0.34%
,
best
test
error
=
0.30%
。
与论文的区别:
我们使用decay
factor
=
0.9且step
=
1
epoch的学习率衰减,
而该论文没有提供详细的参数(或者他们没有使用它?)。
我们仅在训练了50
epochs后才报告测试错误。
在本文中,我想他们根据图A.1训练了1250
epochs
?
听起来很疯狂,也许我误会了。
我们使用MSE(均方误差)作为重建损失,损失系数为lam_recon=0.0005*784=0.392
。
与本文中使用SSE(平方和误差)和lam_recon=0.0005等效。
告诫
请使用Keras
==
2.0.7和TensorFlow
==
1.2后端,否则K.batch_dot函数可能无法正常工作。
但是,如果您使用Tensorflow>
=
2.0
,那么checkout分支
用法
步骤1.将存储库克隆到本地。
git
c
【文件预览】:
redes_de_capulas-master
----utils.py(2KB)
----result()
--------manipulate-6.png(47KB)
--------real_and_recon.png(22KB)
--------manipulate-8.png(45KB)
--------manipulate-2.png(59KB)
--------manipulate-9.png(40KB)
--------manipulate-1.png(20KB)
--------manipulate-4.png(44KB)
--------manipulate-5.png(57KB)
--------model.png(77KB)
--------manipulate-0.png(49KB)
--------manipulate-7.png(34KB)
--------log.png(43KB)
--------manipulate-3.png(52KB)
----LICENSE(1KB)
----capsulenet-multi-gpu.py(6KB)
----capsulelayers.py(10KB)
----.gitignore(50B)
----README.md(6KB)
----capsulenet.py(11KB)