卷積神經網絡的成本函數

Question

我正在通過卷積神經網絡進行文本分類。 在示例MNIST中，它們有60.000個手寫數字的圖像示例，每個圖像的尺寸為28 x 28，並且有10個標簽（從0到9）。 因此權重的大小將為784 * 10（28 * 28 = 784）

這是他們的代碼：

x = tf.placeholder("float", [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

就我而言，我使用word2vec對文檔進行編碼。 單詞嵌入的結果“字典大小”為2000，嵌入大小為128。有45個標簽。 我嘗試做與示例相同的操作，但是沒有用。 在這里，我做了什么：我將每個文檔都與圖像一樣對待。 例如，文檔可以表示為2000 x 128的矩陣（對於出現在文檔中的單詞，我在該列后附加了單詞Vector值，而其他值等於零。由於輸入數據是一個2000 x 128的numpy數組，而x = tf.placeholder("float", [None, 256000]) 。大小不匹配。

有人可以建議嗎？

謝謝

Answer 1

占位符x是扁平化圖像的數組，其中第一維None對應於批處理大小，即圖像數量，並且256000 = 2000 * 128 。 因此，為了正確輸入x ，您需要拼合輸入。 由於您提到輸入是numpy數組，因此請看一下numpy.reshape和flatten 。