圖像的大小Tensorflow完全連接層之前成爲7 * 7 * 64

-1

我是一個新的tensorflow network.While我通過代碼去可用tensorflow文檔中我發現了一個line--圖像的大小Tensorflow完全連接層之前成爲7 * 7 * 64

#Densely Connected Layer 
W_fc1 = weight_variable([7 * 7 * 64, 1024]) 
b_fc1 = bias_variable([1024])

我開始知道7 * 7 * 64是將圖像應用到完全連接層之前的圖像大小。但我無法理解圖像大小是如何從28 * 28減小到7 * 7的。什麼是1024以及它來自哪裏。在此先感謝。

來源

2017-08-08 SK ASIF ALI

看起來像你很張量或深度學習新。從tensorflow tutorial開始閱讀教程。

下次如果您提出任何問題，請提及更多關於您的問題的信息，例如您的代碼。你提供的代碼是不夠的。

但我覺得，如果有的話，你必須使用完全連接層或maxpooling中的2或者其他東西。它減少了樣本的大小並增加了神經元的數量。

在下面的代碼中，7 * 7 * 64表明這是扁平的64個神經元的長度爲7x7。

1024不算什麼，只是在該密集層中的神經元數量。

#Densely Connected Layer 
W_fc1 = weight_variable([7 * 7 * 64, 1024]) 
b_fc1 = bias_variable([1024])

來源

2017-08-08 14:47:11 Akhilesh

其實我無法理解在密集連接的網絡內工作的方法。 –

密集連接的層 W_fc1 = weight_variable（[16 * 16 * 64，1024]） b_fc1 = bias_variable（[1024]） h_pool2_flat = tf.reshape（h_pool2，[-1，16 * 16 * 64]） h_fc1 = tf.nn.relu（tf.matmul（h_pool2_flat，W_fc1）+ b_fc1）我在這裏找到了這裏：https：//www.tensorflow.org/get_started/mnist/pros 謝謝@Akhilesh –

'其實我無法理解在密集連通的網絡中工作的方法實際上，在隱藏層內工作的方法是**矩陣卷積和加法**，而內部密集層是**矩陣乘法和加法**。 – Akhilesh

圖像的大小Tensorflow完全連接層之前成爲7 * 7 * 64

回答

相關問題