尺寸與深度學習模型

Question

問題，我似乎有understandind如何在本文所描述的model已設計

這就是寫的模型尺寸的一些問題..

...在這些實驗中，我們使用了一個卷積層，一個彙集層 和兩個完全連接的隱藏層。完全連接的 圖層各有1000個單位。卷積andpooling參數 分別爲：6池大小，2移大小，8 filtersize，150特徵 地圖FWS ..

所以根據^不模型由

輸入

的

卷積

池

輸入端150的特徵映射（每個具有的形狀（8,3）

Covolution被作爲1d的內核大小是8

和池是用尺寸爲6和步幅2.

預期輸出的會是什麼的（1，「過濾器數）的形狀，但是我得到的是（14，「過濾器的數量）

我明白爲什麼我會得到，但我不明白如何建議這可以給出輸出形狀（1，」過濾器數量「）

使用100個濾鏡時我從這些圖層得到這些輸出

convolution1d給我（33100）

池（14100）..

爲什麼我希望可以將輸出爲1，而不是14

模型應該認識到手機，它需要一個50幀（150包括增量）作爲輸入，這是一個上下文框架，這意味着這些被用作支持來檢測一個單一的幀...這通常是爲什麼使用上下文窗口。

Answer 1

從我的理解你的問題，形狀(14,'number of filters)出現在池層之後。這是預料之中的。

你必須做的是在將結果饋送到兩層完全連接的網絡之前，將結果平坦化爲單個向量。

Marcin Morzejko對我的問題在here的回答將有所幫助。