如何为torch7深度学习卷积神经网络示例准备数据?
2015-6-24 14:59:13
收藏:0
阅读:60
评论:1
我一直试图使用torch7深度学习库中的卷积神经网络示例(convolutionalneuralnetwork.lua)来处理我的数据集。我的数据集包含了100x100的二进制jpg图像,并存储在以下目录中:
- /home/akshay/project/data/train -- 训练数据
- /home/akshay/project/data/valid -- 验证数据
我已将数据集更改为ImageSource,并进行了代码中其他必要的更改:
cmd:option('--dataset', 'ImageSource', 'which dataset to use : Mnist | NotMnist | Cifar10 | Cifar100 | Svhn | ImageSource')
cmd:option('--trainPath', paths.concat(dp.DATA_DIR, '/home/akshay/project/data/train'), 'Where to look for training images')
cmd:option('--validPath', paths.concat(dp.DATA_DIR, '/home/akshay/project/data/valid'), 'Where to look for validation images')
cmd:option('--metaPath', paths.concat(dp.DATA_DIR, '/home/akshay/project/data/meta'), 'Where to cache meta data')
cmd:option('--loadSize', '{1, 100, 100}', 'Image size')
cmd:option('--sampleSize', '{1, 100, 100}', 'The size to use for cropped images')
但是当我运行代码时,遇到了以下错误:
/usr/local/bin/luajit: /usr/local/share/lua/5.1/dp/data/imagesource.lua:49: attempt to perform arithmetic on a nil value
stack traceback:
/usr/local/share/lua/5.1/dp/data/imagesource.lua:49: in function '__init'
/usr/local/share/lua/5.1/torch/init.lua:54: in function </usr/local/share/lua/5.1/torch/init.lua:50>
[C]: in function 'ImageSource'
convnet.lua:90: in main chunk
[C]: in function 'dofile'
/usr/local/lib/luarocks/rocks/trepl/scm-1/bin/th:131: in main chunk
[C]: at 0x0804d350
1)我该如何准备不同的数据?
2)参数传递有误吗?怎么纠正?
点赞
评论区的留言会收到邮件通知哦~
推荐文章
- 如何将两个不同的lua文件合成一个 东西有点长 大佬请耐心看完 我是小白研究几天了都没搞定
- 如何在roblox studio中1:1导入真实世界的地形?
- 求解,lua_resume的第二次调用继续执行协程问题。
- 【上海普陀区】内向猫网络招募【Skynet游戏框架Lua后端程序员】
- SF爱好求教:如何用lua实现游戏内调用数据库函数实现账号密码注册?
- Lua实现网站后台开发
- LUA错误显式返回,社区常见的规约是怎么样的
- lua5.3下载库失败
- 请问如何实现文本框内容和某个网页搜索框内容连接,并把网页输出来的结果反馈到另外一个文本框上
- lua lanes多线程使用
- 一个kv数据库
- openresty 有没有比较轻量的 docker 镜像
- 想问一下,有大佬用过luacurl吗
- 在Lua执行过程中使用Load函数出现问题
- 为什么 neovim 里没有显示一些特殊字符?
- Lua比较两个表的值(不考虑键的顺序)
- 有个lua简单的项目,外包,有意者加微信 liuheng600456详谈,最好在成都
- 如何在 Visual Studio 2022 中运行 Lua 代码?
- addEventListener 返回 nil Lua
- Lua中获取用户配置主目录的跨平台方法
我也遇到了同样的错误。将 --loadSize 改为 '1,100,100',而不是 '{1,100,100}'。同样的,对于 --sampleSize 也一样。