ага повернуть с портретного режима в ландшафтный (экзиф тега нет)

т.е. чтобы определять, нужен ли поворот, по сути — а поворачивают уже не нейросети.

впринципе можно и так дкомпозировать задачу, повернуть это уже тем же imagemagick можно

а что, есть альтернатива в виде поворота нейросетью?

думаю врядли

Есть специалисты по керасу? Есть один вопрос по реализации

Не рискну себя спецом назвать, но спрашивай

В общем нужны значения градиентов на каждой итерации. Использую K.gradients, он возвращает ТФ тензор. Чтобы его посчитать, нужен session run с feed dict и соответствующим плейсхолдером. Плейсхолдер по умолчанию создаётся в sequential модели внутри первого слоя, как его достать - непонятно. Пытаюсь обернуть модель в модель общего вида с заданием inputs и outputs, где inputs - это input слой, принимающий на вход K.placeholder, но тогда возникает ошибка the model expects 0 input arrays при запуске predict. Лезть внутрь кераса очень не хочу.

https://stackoverflow.com/questions/39561560/getting-gradient-of-model-output-w-r-t-weights-using-keras вот это тебе т.е. не подходит?

Sergey вот для Sequential что говорят: https://github.com/fchollet/keras/issues/2226#issuecomment-279379237

В качестве ключа feed_dict можно подавать соотвествующие inputs модели.

@yuri_baburov  @azever  Спасибо, после небольших правок с бубном это решение заработало

гугл рулит!)

на самом деле я эту ссылку открывал, но решил, что она нерелевантна

а потом прочитал внимательнее

оказалось то, что нужно

Кто-нибудь сталкивался с тем, что точность классификации при использовании contrastive loss для сиамских сетей уменьшается вместе с уменьшением loss?

ребят кто то работал с распознованием музыки или стилей, есть у кого сурсы сожет скинете я посмотрю?

что смотреть-то хочешь?

сорцов в тырнете достаточно