FluxML/Flux.jl

Add max/mean unpooling operations

Open

#395 geöffnet am 11. Sept. 2018

Auf GitHub ansehen
 (5 Kommentare) (6 Reaktionen) (0 zugewiesene Personen)Julia (619 Forks)batch import
enhancementgood first issuehelp wanted

Repository-Metriken

Stars
 (4.725 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 4h 27m) (2 gemergte PRs in 30 T)

Beschreibung

These are fairly common operations in image2image models (including 3d images) where they go in hand with ConvTranspose layers.

Contributor Guide

Research-Richtung
Untersuche die bestehende Pooling Implementierung in Flux.jl (wahrscheinlich in src/pooling.jl oder ähnlich), um die aktuelle API zu verstehen. Überprüfe die in PR #311 referenzierten ConvTranspose Schichten auf Muster für inverse Operationen. Erwäge, sowohl Max als auch Mean Unpooling als separate Funktionen hinzuzufügen. Überprüfe die 5 Kommentare zum Issue für zusätzlichen Kontext und Implementierungsvorschläge.
Tech Stack
Keine
Domain
machine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Veraltet
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Recherche nötig
Voraussetzungen
JuliaFlux.jldeep learningimage2image models
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
35