FluxML/Flux.jl

Add max/mean unpooling operations

Open

#395 建立於 2018年9月11日

在 GitHub 查看
 (5 留言) (6 反應) (0 負責人)Julia (4,725 star) (619 fork)batch import
enhancementgood first issuehelp wanted

描述

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

貢獻者指南

技術棧
無
領域
machine learning
議題類型
feature
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-2 days
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
stale
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
needs investigation
前置要求
JuliaFlux.jldeep learningimage2image models
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
35
研究方向
Investigate the existing pooling implementation in Flux.jl (likely in src/pooling.jl or similar) to understand the current API. Review the ConvTranspose layers referenced in PR #311 for patterns of inverse operations. Consider adding both max and mean unpooling as separate functions. Check the 5 comments on the issue for additional context and implementation suggestions.