我開發的神經網絡圖像處理神經網絡圖像處理
我給的應該是什麼樣的圖像處理後 現在我在訓練集宇宙的50幅圖像數據集Python應用程序。 作爲一個輸入，我給了空白的黑色圖像，因此我給每個訓練集圖像。
我用5個隱藏的神經元進行了100個時代訓練;然而，當我嘗試用不同的輸入激活我的網絡時，我得到了相同的結果。似乎輸出只包含彼此分層的訓練集圖像。
下面是代碼和最後一個激活的截圖： https://gist.github.com/anonymous/6e0e125bddcbb594c1a79c3a28d5d8af
PS：如果它仍然是不明確的問題是什麼（我被警告了沒有說清楚），我不我想明顯地得到同樣的結果。問題是如何讓它工作。
如果給黑色圖像作爲輸入，這意味着你得到含有隻0的圖像，所以爲0。
陣列所以，無論層或它們的類型的數目，輸出將總是在培訓期間爲0 （不管乘以0的值是0）。唯一讓你的輸出不能爲0的事情是，如果你在每一層都使用偏差。偏差是這個常數被添加到每個神經元的輸入。所以在你的情況下，我認爲輸出總是一樣的，因爲你的NN收斂到只使用層中的偏差。白色圖像或更好的原始（原始）圖像會更好。
順便說一句，你的NN架構是什麼？它包含多少重量？
作爲一個輸入，我給了空白的黑色圖像，因此我給每個訓練集的圖像。
事實上，您將空白黑色圖像作爲輸入，結果作爲處理後的圖像顯然是錯誤的。您正在告訴神經網絡（NN）從無關緊要的測試圖像生成結果。 NN很聰明，但不是魔術。因此，儘管你所有的訓練，神經網絡只是忽略數據（或由於訓練中的輸入是一個只有0的數組），併產生一個覆蓋圖像的重要性不重要。爲了確認，請查看每層的收斂權重和偏差。
解決方案很簡單。而不是使用空白圖像作爲輸入，使用原始圖像作爲輸入和他們的處理圖像作爲輸出。
因此，如果我使用一個和原始圖像相同的原始圖像作爲輸入，並且使用期望的濾波器處理該原始圖像的輸出設置版本，它會更有意義嗎？ –
編號NN NN是一個線性系統，對不同的輸入作出響應。相同的圖像意味着相同的輸入。你不可能有一個線性系統以不同的方式對相同的輸入作出響應。它就像一個功能。 ''f（x）'''在x處不能有2個或更多不同的值。對於50幅圖像中的每幅圖像，使用原始圖像作爲輸入，並將相應的處理後的圖像作爲NN訓練結果。 –
它是有道理的。只要我開始將它作爲一種功能和近似來思考，我就已經理解了它。感謝您的回答。 –
好吧，我想弄清楚在NN的背景下以及如何使用它。 我現在嘗試了非黑色圖像。沒有效果。 –
我編輯了我的答案。順便說一句，我不知道你的問題爲什麼被拒絕投票，不要給予任何關注。 – FiReTiTi
我目前不知道重量是多少，現在就研究它。 同時，我添加了非黑色圖像作爲輸入，向網絡添加了bias = True屬性，並且現在用10個隱藏層和100個時期對其進行了訓練。需要時間。 –