主页 / user-206839

Alexander Pozharskii's questions

Martin Hope
Alexander Pozharskii
Asked: 2020-02-20 03:32:58 +0000 UTC
  • 1

实际上，我即将结束提交服务，实际上，该服务从一项服务接收文本，处理第二项服务并将结果保存在数据库中。因此——因为大部分时间它必须等待来自其他服务的响应——我使用了异步（async/await 是在 python3.5 中引入的）。

现在您需要附加到此 webmord（1 种非参数化请求，1 种 - 参数化）。我在考虑制造龙卷风。开始很简单：

from tornado.httpserver import HTTPServer
from tornado.platform.asyncio import AsyncIOMainLoop
from tornado.web import Application, RequestHandler, asynchronous
from asyncio import sleep


class Handler(RequestHandler):
    async def get(self):
        print("Started")
        await sleep(10)
        self.write("Hello, world!")
        self.finish()


if __name__ == '__main__':
    HTTPServer(Application(
        [('/', Handler,)]
    )).listen(8888)
    AsyncIOMainLoop.instance().start()

因此 - 我以小于 20 秒的间隔向 127.0.0.1:8888/ 发出 2 个请求，两个请求的执行开始，但我没有收到响应。

python
Martin Hope
Alexander Pozharskii
Asked: 2020-01-14 04:27:05 +0000 UTC
  • 1

实际上，任务是尽可能准确地复制theano 上 SpatialMaxPooling 和 SpatialMaxUnpooling 层的行为。

在这种情况下，SpatialMaxUnpooling 只填充对应于相应 SpatialMaxPooling 中最大值索引的那些“单元格”。

例如 - 这是输入图像

池化前的图片

SpatialMaxPooling 将存储每个 2x2 区域中具有最大值的像素及其索引。

而 SpatialMaxUnpooling - 只会将值设置为与索引对应的那些像素。也就是说，输出将是

去池化后的图像

我发布了以下实现：

def pooling2d_2x2(self, x):
    reshaped = x.reshape([
        x.shape[0], x.shape[1], x.shape[2] // 2, 2, x.shape[3] // 2, 2
    ])
    max_values, max_indices = T.max_and_argmax(reshaped, (3,5,))
    return max_values, max_indices

def unpooling2d_2x2(self, pooled, indices):
    tmp_shape = [pooled.shape[0], pooled.shape[1], pooled.shape[2], 2, pooled.shape[3], 2]
    # Resize image
    resized = pooled.repeat(2, 2).repeat(2, 3)
    pooled_reshaped = resized.reshape(tmp_shape)
    # Resize indices
    indices_repeaten = indices.repeat(2, 2).repeat(2, 3).reshape(tmp_shape)
    # Calculate output
    result = pooled_reshaped * 0.0
    result = T.set_subtensor(result[:, :, :, 0, :, 0],
                             pooled_reshaped[:, :, :, 0, :, 0] * T.eq(indices_repeaten[:, :, :, 0, :, 0], 0))
    result = T.set_subtensor(result[:, :, :, 0, :, 1],
                             pooled_reshaped[:, :, :, 0, :, 1] * T.eq(indices_repeaten[:, :, :, 0, :, 1], 1))
    result = T.set_subtensor(result[:, :, :, 1, :, 0],
                             pooled_reshaped[:, :, :, 1, :, 0] * T.eq(indices_repeaten[:, :, :, 1, :, 0], 2))
    result = T.set_subtensor(result[:, :, :, 1, :, 1],
                             pooled_reshaped[:, :, :, 1, :, 1] * T.eq(indices_repeaten[:, :, :, 1, :, 1], 3))
    result_shape = [pooled.shape[0], pooled.shape[1], pooled.shape[2] * 2, pooled.shape[3] * 2]
    return result.reshape(result_shape)

但她在速度上并不出色（顺便说一句，我不会拒绝建议 - 如何配置文件）。因此问题 - 这里可以改进什么？

cuda