神经网络图像处理
Neural Network image processing
我正在开发一个 python 神经网络图像处理应用程序
我正在提供处理后图像应该是什么样子的数据集
现在我在训练集中有 50 张宇宙图像。
作为输入，我给出了空白的黑色图像，结果我给出了我的每个训练集图像。
我用 5 个隐藏神经元进行了 100 个 epoch 训练；然而，当我尝试用不同的输入激活我的网络时，我得到了相同的结果。似乎输出仅包含彼此分层的训练集图像。
这是上次激活的代码和屏幕截图：
https://gist.github.com/anonymous/6e0e125bddcbb594c1a79c3a28d5d8af
PS：如果仍然不清楚问题是什么（我因为不清楚而收到警告），显然我不想得到相同的结果。问题是如何让它发挥作用。
如果您将黑色图像作为输入，这意味着您给出的图像仅包含 0，因此是一个 0 的数组。
因此无论层数或层的类型如何，在训练期间输出将始终为 0（任何值乘以 0 都为 0）。唯一使您的输出不能为 0 的是，如果您在每一层中使用偏差。偏差是添加到每个神经元输入的这个小常数。所以在你的情况下，我认为输出总是相同的，因为你的 NN 收敛到只使用你层中的偏差。白色图像，或者更好的原始（原始）图像会更好。
顺便说一句，你的神经网络架构是什么？它包含多少重量？
As an input I give blank black image, as a result I give each of my training set images.
您将空白的黑色图像作为输入，而结果作为处理后的图像，这一事实显然是错误的。您告诉神经网络 (NN) 从无到有地生成一个与您的测试图像接近的结果。 NN很聪明，但不是魔法。
因此，尽管您进行了所有训练，但神经网络只是忽略了数据（或者赋予它非常低的重要性，因为训练中的输入是一个仅包含 0 的数组）并生成叠加图像。为了确认，请查看每一层的收敛权重和偏差。
解决方法很简单。不要使用空白图像作为输入，而是使用原始图像作为输入，并将其处理后的图像作为输出。
我正在开发一个 python 神经网络图像处理应用程序
我正在提供处理后图像应该是什么样子的数据集 现在我在训练集中有 50 张宇宙图像。 作为输入，我给出了空白的黑色图像，结果我给出了我的每个训练集图像。
我用 5 个隐藏神经元进行了 100 个 epoch 训练；然而，当我尝试用不同的输入激活我的网络时，我得到了相同的结果。似乎输出仅包含彼此分层的训练集图像。
这是上次激活的代码和屏幕截图： https://gist.github.com/anonymous/6e0e125bddcbb594c1a79c3a28d5d8af
PS：如果仍然不清楚问题是什么（我因为不清楚而收到警告），显然我不想得到相同的结果。问题是如何让它发挥作用。
如果您将黑色图像作为输入，这意味着您给出的图像仅包含 0，因此是一个 0 的数组。
因此无论层数或层的类型如何，在训练期间输出将始终为 0（任何值乘以 0 都为 0）。唯一使您的输出不能为 0 的是，如果您在每一层中使用偏差。偏差是添加到每个神经元输入的这个小常数。所以在你的情况下，我认为输出总是相同的，因为你的 NN 收敛到只使用你层中的偏差。白色图像，或者更好的原始（原始）图像会更好。
顺便说一句，你的神经网络架构是什么？它包含多少重量？
As an input I give blank black image, as a result I give each of my training set images.
您将空白的黑色图像作为输入，而结果作为处理后的图像，这一事实显然是错误的。您告诉神经网络 (NN) 从无到有地生成一个与您的测试图像接近的结果。 NN很聪明，但不是魔法。
因此，尽管您进行了所有训练，但神经网络只是忽略了数据（或者赋予它非常低的重要性，因为训练中的输入是一个仅包含 0 的数组）并生成叠加图像。为了确认，请查看每一层的收敛权重和偏差。
解决方法很简单。不要使用空白图像作为输入，而是使用原始图像作为输入，并将其处理后的图像作为输出。