为TensorFlow

Question

我有一些数据可以提供给卷积神经网络。

for ranking_list in train:
    home_exp = []
    away_exp = []
    exp = []
    home_team = ranking_list[:16]
    away_team = ranking_list[16:]
    count = 0
    for h in home_team:
        row_h = []
        row_a = []
        for a in away_team:
            count += 1
            ex_h, ex_a = values(h,a)
            row_h.append(ex_h)
            row_a.append(ex_a)
        home_exp+=row_h
        away_exp+=row_a

    exp = np.array(home_exp + away_exp)
    reformatted_training.append(np.reshape(exp, [-1, 16,16,2]))

我有一个排名列表，其中包含32个排名，其中16个与主队相关，16个与客队相关，因此该列表分为两个16个元素列表。

然后，这些排名的每个排列都用于生成两个值ex_h和ex_a。

我想到的图片是，我想要提供相当于16x16图像的两个通道（一个用于ex_h值，一个用于ex_a值）。

我对np.reshape的调用是否实现了这一点，我发现很难想象这一点。我也对-1感到有些困惑，为什么TensorFlow需要等级4张量。

Answer 1

我认为你是对的＆＃34; np.reshape实现了这个＆＃34;。

-1表示第一个维度的大小将自动计算为total_number_of_elements / 16/16/2。

四个维度分别为：batch_size，height，weight，channels（feature feature of features feature）。有一个批量大小，因为它使用小批量梯度下降。