Python 这段代码的输出意味着什么?
我用这个例子来构建我的caffe定制培训功能。第15节有以下代码:Python 这段代码的输出意味着什么?,python,deep-learning,caffe,conv-neural-network,pycaffe,Python,Deep Learning,Caffe,Conv Neural Network,Pycaffe,我用这个例子来构建我的caffe定制培训功能。第15节有以下代码: def train(): niter = 200 test_interval = 25 train_loss = zeros(niter) test_acc = zeros(int(np.ceil(niter / test_interval))) ### HERE ### output = zeros((niter, 8, 10)) ### ### 第8行有
def train():
niter = 200
test_interval = 25
train_loss = zeros(niter)
test_acc = zeros(int(np.ceil(niter / test_interval)))
### HERE ###
output = zeros((niter, 8, 10))
### ###
第8行有一个
ndarray
(输出),该代码的含义是什么以及它的尺寸。(niter,8,10)
的含义是什么。为什么是尼特,为什么是8,为什么是10?我应该根据自己的数据集更改此数组吗?如果是,我应该使用什么维度?有人能给我解释一下吗?这看起来像是对whereshape=(niter,8,10)
的调用,它创建了一个200*8*10的浮点0数组。如果你仔细阅读教程,你会发现它涉及数字分类,因此产生了10类。此外,他们使用一种技巧将8个示例平铺在一起(第11节,靠近[11]:)中的:
#我们使用一个小技巧来平铺前八幅图像
因此,8维度
第15节显示了跟踪网络进度的示例。它保存了每次迭代的输出预测概率。每个迭代有10个classes次8个示例,还有niter
迭代要跟踪。所有这些信息都存储在3D输出数组中。请修复代码样式,特别是缩进,并提供一个最小的工作示例。是的,我理解。我不知道为什么,为什么这个阵列有这个维度?我应该根据自己的数据集进行更改吗?