我不确定张量流中的卷积中性网络如何计算tutorial中的维数 .
-
图像有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)
)完成 -
第一层的形状是:
h_pool1.get_shape()
和TensorShape([Dimension(10), Dimension(14), Dimension(14), Dimension(32)])
Q1 :为什么第一个维度是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5x5补丁,我预计会超过14x14 .
Q3 : -1
在 x_image
的代码中做了什么?
1 回答
形状是(batch_size,height,width,channel) .
Q1. 10是您的批量大小 . 我猜你有这样一条线:
在教程中,该行是:
这样,您将批量化“Dimension(None)”而不是“Dimension(10)” .
Q2. Layer1包括卷积层和最大池层 . 带有"SAME" padding的卷积层将输出具有相同大小的内容 . 尺寸减小来自2x2最大池与"SAME"填充,其输出(h / 2,w / 2) .
Q3. tf.reshape() with a single dimension "-1"保留程序自动计算的尺寸,以使总尺寸保持不变 .