神经网络的多维输入

Question

我有一个有很多层的神经网络。 我有维度[batch_size, 7, 4]神经网络的输入。 当这个输入通过网络时，我观察到只有输入的第三维在不断变化，即如果我的第一层有 20 个输出，那么第二层的输出是[batch_size, 7, 20] 。 我需要多层后的最终结果是[batchsize, 16]形状。

我有以下问题：

• 是否正在使用其他两个维度？
• 如果没有，我如何修改我的网络以便使用所有三个维度？
• 如何有意义地降低一维以获得我想要的二维输出？

以下是我目前在Tensorflow v1.14和Python 3 中的实现：

out1 = tf.layers.dense(inputs=noisy_data, units=150, activation=tf.nn.tanh)  # Outputs [batch, 7, 150]
out2 = tf.layers.dense(inputs=out1, units=75, activation=tf.nn.tanh)  # Outputs [batch, 7, 75] 
out3 = tf.layers.dense(inputs=out2, units=32, activation=tf.nn.tanh)  # Outputs [batch, 7, 32]
out4 = tf.layers.dense(inputs=out3, units=16, activation=tf.nn.tanh)  # Outputs [batch, 7, 16]

任何帮助表示赞赏。 谢谢。

Answer 1

问题 1 的答案：未使用第二维 ( axis=1 ) 中的数据值，因为如果您查看以下代码片段的输出（假设batch_size=2 ）：

>>> input1 = tf.placeholder(float, shape=[2,7,4])
>>> tf.layers.dense(inputs=input1, units=150, activation=tf.nn.tanh)
>>> graph = tf.get_default_graph()
>>> graph.get_collection('variables')
[<tf.Variable 'dense/kernel:0' shape=(4, 150) dtype=float32_ref>, <tf.Variable 'dense/bias:0' shape=(150,) dtype=float32_ref>]

您可以看到dense层忽略了沿 2 维的值。 但是，尽管官方tensorflow 文档没有说明所需的输入形状，但会考虑沿第一维的值，因为它是批次的一部分。

问题 2 的答案：在将输入传递到第一个dense层之前，使用以下代码行将输入[batch_size, 7, 4] 重塑为[batch_size, 28] ：

input1 = tf.reshape(input1, [-1, 7*4])

问题 3 的答案：如果您按照上述方式对输入进行整形，则无需删除维度。