如何解决张量流中的卷积层:跨度vs tf.gather
我在TensorFlow中实现了卷积神经网络。但是,我没有使用卷积运算符作为卷积层,而是使用tf.gather来选择第二个元素。使用此实现,与通常的stride运算符相比,我在cifar10上收到的“ 明显较差”的结果。有人有想法,怎么会发生?
所以基本上我要做的是:
输入->卷积-> custom_stride_operation->卷积->等等
我将其与:
输入->卷积(步幅为2)->卷积(步幅为2)-> 等等
我使用以下代码代替对形状(批量,高度,宽度,通道)的张量x的步幅操作:
i = tf.range(0,height//2,dtype=tf.int32)*2
i = tf.expand_dims(i,axis=0)
i = tf.repeat(i,tf.shape(input)[0],axis=0)
x = tf.gather(x,i,axis=1,batch_dims=1)
x = tf.gather(x,axis=2,batch_dims=1)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。