FluxML/Flux.jl

Does Flux support N-dimensional convolutions, where N>3?

Open

#451 aperta il 22 ott 2018

Vedi su GitHub
 (20 commenti) (0 reazioni) (0 assegnatari)Julia (619 fork)batch import
enhancementhelp wanted

Metriche repository

Star
 (4725 star)
Metriche merge PR
 (Merge medio 4h 27m) (2 PR mergiate in 30 g)

Descrizione

While this works:

Conv((1,1,1), 1=>1)(rand(1,1,1,1,1)) #3D convolution

This throws an error:

Conv((1,1,1,1), 1=>1)(rand(1,1,1,1,1,1)) #4D convolution
#ERROR: MethodError: no method matching conv!(::Array{Float64,6}, ::Array{Float64,6}, ::Array{Float64,6}; pad=(0, 0, 0, 0), stride=(1, 1, 1, 1), dilation=(1, 1, 1, 1))

I'm running Julia 0.7 and:

[587475ba] Flux v0.6.7+ #master (https://github.com/FluxML/Flux.jl.git)
[872c559c] NNlib v0.4.2+ #master (https://github.com/FluxML/NNlib.jl.git)

Guida contributor

Direzione di ricerca
Indaga la funzione conv! in Flux e NNlib per capire perché supporta solo convoluzioni fino a 3D. L'errore indica che non esiste un metodo conv! corrispondente per array 6D. Estendere la convoluzione a dimensioni N arbitrarie richiederebbe di modificare l'implementazione sottostante per gestire dimensioni del kernel e padding dinamici. Esamina il codice esistente per le convoluzioni 3D e generalizzalo, eventualmente sfruttando strutture di broadcast o loop. Controlla se ci sono PR aperti o discussioni nei commenti dell'issue per orientamento.
Tech stack
Nessuno
Dominio
machine learning
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
3
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
Mezza giornata
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Attiva
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Chiara
Prerequisiti
Nessuno
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
30