Question

我不确定张量流中的卷积中性网络如何计算此tutorial中的维度。

图片有28 * 28像素（x_image = tf.reshape(x, [-1,28,28,1])）
补丁大小为5x5（W_conv1 = weight_variable([5, 5, 1, 32]）
第一个卷积层由：（h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)）
第一层的形状为：h_pool1.get_shape()和TensorShape([Dimension(10), Dimension(14), Dimension(14), Dimension(32)])

Q1 ：为什么第一个维度为10？

Q2 ：为什么5x5补丁尺寸会将尺寸减小到14x14？如果我有一个28x28的图像，并且我对所有像素应用了5x5补丁，我预计会超过14x14。

第3季度：-1的代码x_image做了什么？

Answer 1

形状是（batch_size，height，width，channel）。

Q1。 10是您的批量大小。我猜你有这样的一句话：

x = tf.placeholder(tf.float32, shape=[10, 784])

在教程中，行是：

x = tf.placeholder(tf.float32, shape=[None, 784])

这样，您将批量化“Dimension（None）”而不是“Dimension（10）”。

<强> Q2。 Layer1包括卷积层和最大池层。带"SAME" padding的卷积层将输出大小相同的内容。尺寸减小来自2x2最大池与“SAME”填充，输出（h / 2，w / 2）。

def conv2d(x, W):
   return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
   return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                         strides=[1, 2, 2, 1], padding='SAME')

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

<强> Q3。 tf.reshape() with a single dimension "-1"保留程序自动计算的维度，以便总大小保持不变。

Tensorflow卷积网络 - 如何计算尺寸（形状）？

1 个答案: