可变大小的卷积神经网络输入和固定输出

Question

我正在尝试创建一个CNN模型，该模型采用可变大小的输入（句子矩阵）并为后续完全连接的层（similar to this paper）生成固定大小的输出。

我正在尝试为最大池层实现动态内核大小，因此我需要在运行时输入的形状来实现此目的。

input = tf.placeholder(tf.float32)
# convolution layer here .... 

tf.nn.max_pool(convolution_output, ksize=[1, s, 1, 1],
                      strides=[1, 1, 1, 1], padding='VALID')

{/ 1}}中的{p> s应该从输入形状推断出来。

但是，我无法通过Tensorflow找到方法。

任何人都知道这样做的方法吗？

Answer 1

我知道这是一个旧线程，但对于正在寻找解决方案的人来说。它已在tensorflow 1.4.0

中实施

tf.nn.max_pool（）现在将1d张量作为输入，而不是旧版本中的int列表。因此，您可以使用占位符作为ksize的参数。

Answer 2

我没有找到在Tensorflow中执行此操作的方法，并且必须在theano中重新实现我的模型并使用其他解决方案：Dynamic KMax Pooling。