weights = {
# 5x5 conv, 1 input, 32 outputs
'wc1': tf.Variable(tf.random_normal([5, 5, 1, 32])),
`# 5x5 conv, 32 inputs, 64 outputs`
'wc2': tf.Variable(tf.random_normal([5, 5, 32, 64])),
# fully connected, 7*7*64 inputs, 1024 outputs
'wd1': tf.Variable(tf.random_normal([7*7*64, 1024])),
# 1024 inputs, 10 outputs (class prediction)
'out': tf.Variable(tf.random_normal([1024, n_classes]))
}
在该码中,从完全连接层的输出被给定为1024,但我不理解从中计算这个“1024”被产生,我无法找到tensorflow文档任何满意的答案。此输出尺寸如何影响预测结果。 在此先感谢。输出在tensorflow
感谢这个信息共享 –
其实当我改变的分类changes.Some倍这个数字结果,当我增加这个数字,我得到更多的效率可能会not.So我不明白尤其应该使用的价值。 –
更改号码将影响您的结果。多次运行---请记住所涉及的随机过程。想象一下,你有一个悬垂,并希望把它铺在你的沙发上。您希望窗帘尽可能地跟随您的沙发形状,只需将它铺在沙发上并让它覆盖即可。你可以得到很好的结果,但会出现颠簸和褶皱。 ML有点类似,这就是为什么像拟合和过度拟合这样的术语。很多尝试和失败,以您的经验和独创性为指导。除此之外,请查阅Hinton提供的关于如何选择NN层的在线建议。 –