FluxML/Flux.jl

Add max/mean unpooling operations

Open

#395 ouverte le 11 sept. 2018

Voir sur GitHub
 (5 commentaires) (6 réactions) (0 assignés)Julia (619 forks)batch import
enhancementgood first issuehelp wanted

Métriques du dépôt

Stars
 (4 725 stars)
Métriques de merge PR
 (Merge moyen 4h 27m) (2 PRs mergées en 30 j)

Description

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

Guide contributeur

Direction de recherche
Étudiez l'implémentation existante du pooling dans Flux.jl (probablement dans src/pooling.jl ou similaire) pour comprendre l'API actuelle. Examinez les couches ConvTranspose référencées dans la PR #311 pour identifier les modèles d'opérations inverses. Envisagez d'ajouter à la fois l'unpooling max et moyen en tant que fonctions distinctes. Consultez les 5 commentaires sur l'issue pour obtenir un contexte supplémentaire et des suggestions d'implémentation.
Stack technique
Aucun
Domaine
machine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-2 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Ancienne
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Investigation requise
Prérequis
JuliaFlux.jldeep learningimage2image models
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
35