0
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'
”)?
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