尺寸与深度学习模型

Question

问题，我似乎有understandind如何在本文所描述的model已设计

这就是写的模型尺寸的一些问题..

...在这些实验中，我们使用了一个卷积层，一个汇集层 和两个完全连接的隐藏层。完全连接的 图层各有1000个单位。卷积andpooling参数 分别为：6池大小，2移大小，8 filtersize，150特征 地图FWS ..

所以根据^不模型由

输入

的

卷积

池

输入端150的特征映射（每个具有的形状（8,3）

Covolution被作为1d的内核大小是8

和池是用尺寸为6和步幅2.

预期输出的会是什么的（1，“过滤器数）的形状，但是我得到的是（14，“过滤器的数量）

我明白为什么我会得到，但我不明白如何建议这可以给出输出形状（1，”过滤器数量“）

使用100个滤镜时我从这些图层得到这些输出

convolution1d给我（33100）

池（14100）..

为什么我希望可以将输出为1，而不是14

模型应该认识到手机，它需要一个50帧（150包括增量）作为输入，这是一个上下文框架，这意味着这些被用作支持来检测一个单一的帧...这通常是为什么使用上下文窗口。

Answer 1

从我的理解你的问题，形状(14,'number of filters)出现在池层之后。这是预料之中的。

你必须做的是在将结果馈送到两层完全连接的网络之前，将结果平坦化为单个向量。

Marcin Morzejko对我的问题在here的回答将有所帮助。