图像的大小Tensorflow完全连接层之前成为7 * 7 * 64

-1

我是一个新的tensorflow network.While我通过代码去可用tensorflow文档中我发现了一个line--图像的大小Tensorflow完全连接层之前成为7 * 7 * 64

#Densely Connected Layer 
W_fc1 = weight_variable([7 * 7 * 64, 1024]) 
b_fc1 = bias_variable([1024])

我开始知道7 * 7 * 64是将图像应用到完全连接层之前的图像大小。但我无法理解图像大小是如何从28 * 28减小到7 * 7的。什么是1024以及它来自哪里。在此先感谢。

来源

2017-08-08 SK ASIF ALI

看起来像你很张量或深度学习新。从tensorflow tutorial开始阅读教程。

下次如果您提出任何问题，请提及更多关于您的问题的信息，例如您的代码。你提供的代码是不够的。

但我觉得，如果有的话，你必须使用完全连接层或maxpooling中的2或者其他东西。它减少了样本的大小并增加了神经元的数量。

在下面的代码中，7 * 7 * 64表明这是扁平的64个神经元的长度为7x7。

1024不算什么，只是在该密集层中的神经元数量。

#Densely Connected Layer 
W_fc1 = weight_variable([7 * 7 * 64, 1024]) 
b_fc1 = bias_variable([1024])

来源

2017-08-08 14:47:11 Akhilesh

其实我无法理解在密集连接的网络内工作的方法。 –

密集连接的层 W_fc1 = weight_variable（[16 * 16 * 64，1024]） b_fc1 = bias_variable（[1024]） h_pool2_flat = tf.reshape（h_pool2，[-1，16 * 16 * 64]） h_fc1 = tf.nn.relu（tf.matmul（h_pool2_flat，W_fc1）+ b_fc1）我在这里找到了这里：https：//www.tensorflow.org/get_started/mnist/pros 谢谢@Akhilesh –

'其实我无法理解在密集连通的网络中工作的方法实际上，在隐藏层内工作的方法是**矩阵卷积和加法**，而内部密集层是**矩阵乘法和加法**。 – Akhilesh

图像的大小Tensorflow完全连接层之前成为7 * 7 * 64

回答

相关问题