Как бы вы создали цикл с 2-мя взаимодействующими переменными, используя deepcopy - PullRequest
0 голосов
/ 11 июня 2019

На этом изображении У меня есть две переменные, которые зависят друг от друга.Во-первых, «K» является результатом конкатенации между определенным векторным «шумом» и одним горячим пикселем, кодирующим «новый», в то время как шум на втором шаге по времени является результатом того, что K распространяется с предыдущего временного шага, и отличается »новости "сопровождают эту прогрессию (как в различных пикселях в последовательности от изображения).Моя проблема в том, что copy.deepcopy, похоже, не разделяет два случая шума

Я попытался поместить индексы для разных шумов и сначала добавить новые измерения в него, прежде чем обновлять индекс, а затем выполнять глубокое копирование ...не работалКажется, что значение шума зависит только от взаимодействия между новым под рукой и вектором нулевого шума, сцепленным и распространенным вперед. Я тестирую его на MNIST csv, и большинство первых значений csv равны нулю, в некоторых точках значениерезко меняется, как и в случае другого горячего кодирования, соответствующего более темным пикселям, затем, когда нулевое значение возвращается, оно возвращается к исходному значению, которое оно имело ... Я ожидаю, что оно будет накапливать информацию и не иметь никакого воспоминания о прошлых значениях пикселей.

for x,y in a.items():
     indexo = []
     indexo.append(y)

     indexo = np.asarray(indexo)
     new = np.zeros((z,aaa))
     new[np.arange(z), indexo] = 1
     new=np.ndarray.flatten(new)
     voo=np.concatenate((voo,vii))
     vg[newo_index]=copy.deepcopy(new)





     print(noise.shape)
     print(noise[noise_index])


     k=np.concatenate((noise[noise_index],vg[newo_index]),axis=0)
     noise=np.concatenate((noise,np.zeros((1,4))))
     print(noise.shape)
     noise_index+=1

     k=k.reshape((1,260,1))

     noise[noise_index]=copy.deepcopy(model1.predict(k))
     print(noise[noise_index])   
(3, 4)
[0. 0. 0. 0.]
(4, 4)
[0.02567281 0.40914842 0.22369435 0.08106659]
(4, 4)
[0.02567281 0.40914842 0.22369435 0.08106659]
(5, 4)
[0.02619855 0.40627998 0.2288992  0.08426424]
(5, 4)
[0.02619855 0.40627998 0.2288992  0.08426424]
(6, 4)
[0.02620577 0.40642107 0.22897767 0.08420368]
(6, 4)
[0.02620577 0.40642107 0.22897767 0.08420368]

1 Ответ

0 голосов
/ 25 июня 2019

я обнаружил проблему ... с определенными функциями, если вы возвращаете вывод обратно в функцию, выход сходится к определенному числу ... функция, которая вызывала мои проблемы, была сигмоидальной

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...