在tensorflow中實現神經網絡中的超列

我試圖將hypercolumns的想法添加到我的神經網絡模型中。我如何使用tensorflow來做到這一點？在tensorflow中實現神經網絡中的超列

2016-06-19 Yash chandak

這是一個基本的例子。

定義layer1，layer2，layer3等，然後在下面連接它們，現在你有你的超列。

conv1 = tf.nn.conv2d(image, weights, [1, 1, 1, 1], 'SAME') 
layer1 = tf.image.resize_bilinear(conv1, (224, 224)) 
... 
layer2 = tf.image.resize_bilinear(conv2, (224, 224)) 
... 
layer3 = tf.image.resize_bilinear(conv3, (224, 224)) 
return(tf.concat(0, [layer1, layer2,layer3]))

來源

2016-07-08 13:20:14 Steven

thanks @Steven！此外，有沒有什麼辦法可以執行正常卷積並保留最後一層卷積的像素/值的超列？例如，如果輸入是244x244，卷積的最終輸出是7x7，那麼只需保持距離每個先前層的7x7值相等的距離，然後連接它們？ –

我可能需要你對你想完成的事情做更具體的描述。因此，超級列的概念比輸入圖像的大小甚至列的大小更普遍。例如：假設輸入大小如您所說244x244x3（3個顏色通道）第一層變爲一半這樣122x122x16 下一層（和最後一層）是7x7x65。現在最簡單的做法是做tf.image.resize_bilinear（layer1，（224,224））和第二層相同，但並不一定如此。你也可以線性化兩個圖層，並以這種方式連接它們（但是會丟失空間信息）。 – Steven

您還可以看看張量流動中的解耦（聽起來像您想要的），儘管此時它仍在開發中。你可以在這裏觀看https://github.com/tensorflow/tensorflow/issues/2169 – Steven

在tensorflow中實現神經網絡中的超列

回答

相關問題