Tensorflow中的4d张量是什么意思？

我需要沿固定大小的文本行执行卷积。因此，本质上，培训示例的格式如下：1*N_FEATURES其中N_FEATURES等于3640（140个字符编码为单热，因此40 * 26 = 3640）。我试图让这个例子here感，正是：Tensorflow中的4d张量是什么意思？

def my_conv_model(X, y): 
    X = tf.reshape(X, [-1, N_FEATURES, 1, 1]) # to form a 4d tensor of shape batch_size x n_features x 1 x 1 
    features = skflow.ops.conv2d(X, N_FILTERS, [WINDOW_SIZE, 1], padding='VALID') # this will give you sliding window of WINDOW_SIZE x 1 convolution. 
    pool = tf.squeeze(tf.reduce_max(features, 1), squeeze_dims=[1]) 
    return return skflow.models.logistic_regression(pool, y)

我不为什么在这一行的理解：

features = skflow.ops.conv2d(X, N_FILTERS, [WINDOW_SIZE, 1], padding='VALID')

我们：而不是[1, WINDOW_SIZE]？

training example: '001010101000100101' 
sliding window: |---| 
        |---| 
        |---|

等，大小的每个窗口[1，WINDOW_SIZE]因为其高度为1，且宽度为3。但是为什么所述：由于据我明白，卷积应当如下进行举例说“features = skflow.ops.conv2d(X, N_FILTERS, [WINDOW_SIZE, 1], padding='VALID'”）？

来源

2016-09-26 Oleksandra

四维张量正是它所表示的：一个四维张量（下标，特征，...）。

在一个维度上滑动窗口的符号是符号约定。为了方便起见，我们首先放置重要尺寸，并保持尺寸不变。因此，一个3宽的切片（一维窗口）作为一个3x1窗口给出。

来源

2016-09-26 22:11:25 Prune

我是否明白'扩大'形式中的3宽1高的形状会是[1，1，3，1]？另外，你如何确定什么维度是重要的？ – Oleksandra

是的，[1，1，3，1]是我阅读API的方式。 “重要”并不是一个真正的技术术语：无论是掌握我们感兴趣的信息。限制为1的任何维度仅仅是一个地方拥有者。同样，一个彩色图像在某个地方有一个“无关紧要”的尺寸，即RGB分量。 – Prune

Tensorflow中的4d张量是什么意思？

回答

相关问题