不明白张量流中的mnist例子

我不明白Tensorflow中'专家的深层mnist'中的mnist例子。不明白张量流中的mnist例子

为了建立一个深度网络，我们堆叠了这种类型的几个层。第二层将为每个5x5修补程序提供64个功能。

W_conv2 = weight_variable([5, 5, 32, 64]) 
b_conv2 = bias_variable([64]) 

h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2) 
h_pool2 = max_pool_2x2(h_conv2)

我不知道为什么outputchannel是64

我认为我们需要32 * 2 * 5 * 5滤波器64 outputchannel，所以

W_conv2 = weight_variable([5, 5, 32, 2])

第一所有，我很抱歉不好英语也许你很难理解我的问所以我'，写sudo代码逻辑

inputimage = arr[1][28][28][32] 
w_conv2 = arr[5][5][32][2] 
output = [1][28][28][64] 
for batch in 1 
    for input in 32 
    for output in 2 
     output[][][][input*output] = conv(inputimage,w_conv2)

我认为它使62输出功能使用32 * 2过滤器和节省内存什么部分是错误的？

谢谢

来源

2017-03-02 Jung Sunkyo

看看[这个问题]（http://stackoverflow.com/questions/42507766/why-am-i-getting -only-one-channeled-output-through-the-tf-nn-conv2d）and [this question]（http://stackoverflow.com/questions/34619177/what-does-tf-nn-conv2d-do-in -tensorflow），你会得到你的答案。 – jabalazs

首先，我为不好英语也许你很难理解对不起我问所以我写sudo的代码逻辑 inputImage的ARR = [1] [28] [28] [32] w_conv2 =常用3 [5] [5] [32] [2] 输出= [1] [28] [28] [64] 批量在1 \t用于输入在32 \t \t用于输出在2 \t \t \t输出[] [] [] [输入*输出] = conv（inputimage，w_conv2）我认为它使62输出功能使用32 * 2过滤器并节省内存什么部分是错误的？谢谢 –

你也可以看我的答案[这里]（http://stackoverflow.com/a/42451067/3941813），一个非常类似的问题。 – jabalazs

事实上，输出尺寸与输入尺寸无关。

事实上卷积的每个步骤是W_conv2（W）和输入矩阵（I）的任何(n * m)部分之间的张量积：如果W具有维数(n * m * k * h)和我(n * m * k)，产品的结果I * W是一个尺寸为h的矢量。

n, m, and k必须与I和W相等，但您对h没有任何限制。

来源

2017-03-02 12:34:30

它更大，因为您正在使用您的过滤器（5x5）并在每个过滤器上为每个输入数据使用它。所以它看起来像： 32 * 2 * 1（其中一个因为您使用的是一个过滤器）

来源

2017-03-02 15:37:15

不明白张量流中的mnist例子

回答

相关问题