Deep Complex Networks
=====================
This repository contains code which reproduces experiments presented in
the paper [Deep Complex Networks](https://arxiv.org/abs/1705.09792).
Requirements
------------
Install requirements for computer vision experiments with pip:
```
pip install numpy Theano keras kerosene
```
And for music experiments:
```
pip install scipy sklearn intervaltree resampy
pip install git+git://github.com/bartvm/mimir.git
```
Depending on your Python installation you might want to use anaconda or other tools.
Installation
------------
```
pip install .
```
Experiments
-----------
### Computer vision
1. Get help:
```
python scripts/run.py train --help
```
2. Run models:
```
python scripts/run.py train -w WORKDIR --model {real,complex} --sf STARTFILTER --nb NUMBEROFBLOCKSPERSTAGE
```
Other arguments may be added as well; Refer to run.py train --help for
- Optimizer settings
- Dropout rate
- Clipping
- ...
### MusicNet
0. Download the dataset from [the official page](https://homes.cs.washington.edu/~thickstn/musicnet.html)
```
mkdir data/
wget https://homes.cs.washington.edu/~thickstn/media/musicnet.npz -P data/
```
1. Resample the dataset with
```
resample.py data/musicnet.npz data/musicnet_11khz.npz 44100 11000
```
2. Run shallow models
```
train.py shallow_model --in-memory --model=shallow_convnet --local-data data/musicnet_11khz.npz
train.py shallow_complex_model --in-memory --model=complex_shallow_convnet --complex --local-data data/musicnet_11khz.npz
```
3. Run deep models
```
train.py deep_model --in-memory --model=deep_convnet --fourier --local-data data/musicnet_11khz.npz
train.py deep_complex_model --in-memory --model=complex_deep_convnet --fourier --complex --local-data data/musicnet_11khz.npz
```
4. Visualize with jupyter notebook
Run the notebook `notebooks/visualize_musicnet.ipynb`.
![precision-recall](imgs/precision_recall.png "Precision-recall curve")
![predicitons](imgs/pred_gt.png "Prediction example")
Citation
--------
Please cite our work as
```
@ARTICLE {,
author = "Chiheb Trabelsi, Olexa Bilaniuk, Ying Zhang, Dmitriy Serdyuk, Sandeep Subramanian, João Felipe Santos, Soroush Mehri, Negar Rostamzadeh, Yoshua Bengio, Christopher J Pal",
title = "Deep Complex Networks",
journal = "arXiv preprint arXiv:1705.09792",
year = "2017"
}
```
没有合适的资源?快使用搜索试试~ 我知道了~
deep_complex_networks-master_复数域神经网络_
共36个文件
py:19个
xml:5个
ds_store:3个
5星 · 超过95%的资源 22 下载量 130 浏览量
2021-10-03
04:47:59
上传
评论 1
收藏 185KB ZIP 举报
温馨提示
复数域神经网络;全面解析;适合新手和小白
资源详情
资源评论
资源推荐
收起资源包目录
deep_complex_networks-master.zip (36个子文件)
deep_complex_networks-master
.DS_Store 6KB
notebooks
visualize_musicnet.ipynb 88KB
imgs
pred_gt.png 27KB
precision_recall.png 36KB
musicnet
.DS_Store 6KB
musicnet
callbacks.py 4KB
.DS_Store 6KB
models
__init__.py 4KB
complex
__init__.py 4KB
dataset.py 7KB
__init__.py 0B
scripts
train.py 4KB
resample.py 2KB
scripts
run.sh 155B
run.py 9KB
training.py 24KB
complexnn
init.py 11KB
pool.py 5KB
norm.py 11KB
utils.py 2KB
__init__.py 861B
fft.py 5KB
bn.py 21KB
dense.py 9KB
conv.py 42KB
.idea
aws.xml 294B
misc.xml 198B
workspace.xml 8KB
deep_complex_networks-master.iml 487B
inspectionProfiles
profiles_settings.xml 174B
modules.xml 308B
.gitignore 47B
LICENSE.md 1KB
setup.py 610B
README.md 2KB
.gitignore 1KB
共 36 条
- 1
鹰忍
- 粉丝: 64
- 资源: 4707
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 3122080306 邹子轩 实验报告二.docx
- 基于STM32 NUCLEO板设计彩色LED照明灯(纯cubeMX开发)(大赛作品,文档完整,可直接运行)
- 发那科工业机器人保养大全
- Sphere.h
- REMD固有时间尺度分解信号分量可视化(Matlab完整源码和数据)
- 嵌入式系统双单片机STC89C52+STC15W104多功能学习板电路图可扩展 适用于单片机初学者和教学
- 基于STM32蓝牙控制小车系统设计(硬件+源代码+论文)大赛作品
- XILINXFPGA源码基于Spartan3火龙刀系列FPGA开发板VGA测试例程
- Java聊天室的设计与实现【尚学堂·百战程序员】
- python中matplotlib教程
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论2