Question

我需要沿固定大小的文本行执行卷积。基本上，训练示例的形式为：1*N_FEATURES其中N_FEATURES等于3640（140个字符编码为一热，因此40 * 26 = 3640）。我试图理解示例here，正是：

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)

我不明白为什么在这一行：

 features = skflow.ops.conv2d(X, N_FILTERS, [WINDOW_SIZE, 1], padding='VALID')

我们有：[WINDOW_SIZE, 1]而非[1, WINDOW_SIZE]？据我所知，卷积应按以下方式执行：

training example: '001010101000100101'
sliding window:   |---|
                   |---|
                    |---|

等等，每个窗口的大小为[1，WINDOW_SIZE]，因为它的高度为1，宽度为3.但为什么给出的例子说“features = skflow.ops.conv2d(X, N_FILTERS, [WINDOW_SIZE, 1], padding='VALID'”？

Answer 1

4-D张量正是它所表示的：具有四个维度的张量（下标，特征......）。

一维中滑动窗口的表示法是一种符号约定。为方便起见，我们将重要维度放在第一位，并保留 1 大小。因此，3宽切片（1-D窗口）作为3x1窗口给出。

Tensorflow中的4d张量是什么意思？

1 个答案: