FluxML/Flux.jl

Add max/mean unpooling operations

Open

#395 创建于 2018年9月11日

在 GitHub 查看
 (5 评论) (6 反应) (0 负责人)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.

贡献者指南

技术栈
无
领域
machine learning
议题类型
feature
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
3
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-2 days
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
stale
清晰度议题是否清楚说明期望改动、验收标准和下一步。
needs investigation
前置要求
JuliaFlux.jldeep learningimage2image models
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
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.