如何在張量流中改變幀來生成CNN模型？

Question

我想在Tensorflow中構建一個有條件的CNN模型，但我遇到了一些麻煩。

with shape [64, ?, 50, 1] and another matrix named with shape [64, ?, 1, 130]. 假設存在一個名為 [64，？，50,1]的特征的矩陣和另一個名為 [64，？，1,11]的矩陣。

fisrt dim是批量大小，第二個dim是指幀數（ 兩個矩陣的這個dim中的值在每個批次中是相同的，但在不同批次中是不同的 ）。 第三個是特征維度，最后一個是通道號。

in tensorflow. 我想連接兩個矩陣，這意味着我們可以得到一個形狀為[64，？， ]的矩陣，並在中進行conv2d。

但問題在於，由於第三個暗淡的差異，我無法連接這兩個矩陣。 然后我做了如下：

    x_shapes = x.get_shape()
    y_shapes = y.get_shape()
    return tf.concat(3, [x, y*tf.ones([x_shapes[0], x_shapes[1], x_shapes[2], y_shapes[3]])])

但它不起作用，因為第二個昏暗是不知道的。

我想知道有沒有辦法解決這個問題？

謝謝

Answer 1

雖然從你的問題中不清楚，看起來你想在連接之前在第三維上廣播第二個張量，其形狀為[64, ?, 1, 130] ，你稱之為特征維度。 請注意， tf.concat需要匹配所有維度，但您要連接的維度除外。 從tf.concat的文檔：

輸入張量的維數必須匹配，除concat_dim之外的所有維度必須相等。

要沿着要素維度進行廣播，使用tf.tile而不是像你正在做的所有張量相乘要便宜得多。 以下是如何使用tf.tile ：

tf.concat(3, [x, tf.tile(y, [1, 1, x_shapes.as_list()[2], 1])])

在您的情況下，由於y的第三維是靜態已知的，因此上述代碼有效。 如果不是這種情況，您可以將tf.tile的第二個參數形成如下：

tf.tile(y, tf.concat(0, [[1], [1], tf.shape(x)[2:3], [1]]))