在tensorflow中实现神经网络中的超列

我试图将hypercolumns的想法添加到我的神经网络模型中。我如何使用tensorflow来做到这一点？在tensorflow中实现神经网络中的超列

2016-06-19 Yash chandak

这是一个基本的例子。

定义layer1，layer2，layer3等，然后在下面连接它们，现在你有你的超列。

conv1 = tf.nn.conv2d(image, weights, [1, 1, 1, 1], 'SAME') 
layer1 = tf.image.resize_bilinear(conv1, (224, 224)) 
... 
layer2 = tf.image.resize_bilinear(conv2, (224, 224)) 
... 
layer3 = tf.image.resize_bilinear(conv3, (224, 224)) 
return(tf.concat(0, [layer1, layer2,layer3]))

来源

2016-07-08 13:20:14 Steven

thanks @Steven！此外，有没有什么办法可以执行正常卷积并保留最后一层卷积的像素/值的超列？例如，如果输入是244x244，卷积的最终输出是7x7，那么只需保持距离每个先前层的7x7值相等的距离，然后连接它们？ –

我可能需要你对你想完成的事情做更具体的描述。因此，超级列的概念比输入图像的大小甚至列的大小更普遍。例如：假设输入大小如您所说244x244x3（3个颜色通道）第一层变为一半这样122x122x16 下一层（和最后一层）是7x7x65。现在最简单的做法是做tf.image.resize_bilinear（layer1，（224,224））和第二层相同，但并不一定如此。你也可以线性化两个图层，并以这种方式连接它们（但是会丢失空间信息）。 – Steven

您还可以看看张量流动中的解耦（听起来像您想要的），尽管此时它仍在开发中。你可以在这里观看https://github.com/tensorflow/tensorflow/issues/2169 – Steven

在tensorflow中实现神经网络中的超列

回答

相关问题