我试图用tensorflow实现卷积神经网络来分类文本。我已经发现了一些实施模式,尤其是两种实现方式发现:卷积神经网络中并行和顺序卷积之间的区别
[我不能发布超过2个链接,我会尽量提供意见的来源然而,他们似乎
在架构上有着根本性的不同。第一个模型使用与输入数据并行的卷积,而第二个模型以顺序方式使用卷积。我用tensorboard可视化两个模型:
首先并行卷积。卷积后,将结果拼接起来,并用一个完全连接的层创建输出。
的连续回旋似乎更直截了当,我们使用的结果形成上一层作为输入下一个层。
sequential use of convolutions
所以我的问题是,因为二者都用于分类文本,其中介于这两种实现之间的差异,哪一个更适合文本分类的?
实施来源: - http://www.wildml.com/2015/12/implementing-a-cnn-for-text-classification-in-tensorflow/ - https://github.com/ scharmchi/char-level-cnn-tf –