Tensorflow中的4d張量是什麼意思？

我需要沿固定大小的文本行執行卷積。因此，本質上，培訓示例的格式如下：1*N_FEATURES其中N_FEATURES等於3640（140個字符編碼爲單熱，因此40 * 26 = 3640）。我試圖讓這個例子here感，正是：Tensorflow中的4d張量是什麼意思？

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)

我不爲什麼在這一行的理解：

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

我們：而不是[1, WINDOW_SIZE]？

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

等，大小的每個窗口[1，WINDOW_SIZE]因爲其高度爲1，且寬度爲3。但是爲什麼所述：由於據我明白，卷積應當如下進行舉例說「features = skflow.ops.conv2d(X, N_FILTERS, [WINDOW_SIZE, 1], padding='VALID'」）？

來源

2016-09-26 Oleksandra

四維張量正是它所表示的：一個四維張量（下標，特徵，...）。

在一個維度上滑動窗口的符號是符號約定。爲了方便起見，我們首先放置重要尺寸，並保持尺寸不變。因此，一個3寬的切片（一維窗口）作爲一個3x1窗口給出。

來源

2016-09-26 22:11:25 Prune

我是否明白'擴大'形式中的3寬1高的形狀會是[1，1，3，1]？另外，你如何確定什麼維度是重要的？ – Oleksandra

是的，[1，1，3，1]是我閱讀API的方式。「重要」並不是一個真正的技術術語：無論是掌握我們感興趣的信息。限制爲1的任何維度僅僅是一個地方擁有者。同樣，一個彩色圖像在某個地方有一個「無關緊要」的尺寸，即RGB分量。 – Prune

Tensorflow中的4d張量是什麼意思？

回答

相關問題