Question

我正在尝试使用时间加速度计信号上的张量流来实现CNN。

我每隔10ms（200个样本）分割信号值

我想进行一维卷积：

tf.nn.conv1d(x, W, stride=1, padding='VALID')

卷积窗口大小为20个样本，步幅为1，具有32个特征和有效填充

我想应用窗口大小为10个样本的Max-Pooling：

tf.nn.max_pool(x, ksize=[1, 1, 10, 1], strides= [1, 1, 2, 1], padding='VALID')

但是我对张量的尺寸有误。有关如何设置过滤器大小以及如何同时进行卷积和最大池化的任何建议？

Answer 1

改为使用tf.layers.max_pooling1d：

tf.layers.max_pooling1d(x, pool_size=10, strides=2, padding='valid')

示例：

>>> x = np.reshape(np.arange(20),(1,20,1))
>>> w = np.reshape(np.array([1.,2.,3.]), (3,1,1))
>>> X = tf.placeholder(tf.float64, [1,20,1])
>>> W = tf.constant(w)
>>> h = tf.nn.conv1d(X, W, stride=1, padding='VALID')
>>> p = tf.layers.max_pooling1d(h, pool_size=10, strides=2, padding='valid')
>>> sess.run(h, feed_dict={X:x})
array([[[  8.],
        [ 14.],
        [ 20.],
        [ 26.],
        [ 32.],
        [ 38.],
        [ 44.],
        [ 50.],
        [ 56.],
        [ 62.],
        [ 68.],
        [ 74.],
        [ 80.],
        [ 86.],
        [ 92.],
        [ 98.],
        [104.],
        [110.]]])
>>> sess.run(p, feed_dict={X:x})
array([[[ 62.],
        [ 74.],
        [ 86.],
        [ 98.],
        [110.]]])

如何在Tensorflow中为1-D信号设置Stride，Filter size？

1 个答案: