Tensorflow 中的递归卷积自动编码器
Recurrent Convolutional Autoencoder in Tensorflow
我正在尝试在 Tensorflow 中构建循环卷积自动编码器，但我无法将卷积自动编码器与循环层链接起来。
根据我的理解，Tensorflow RNNCell 的输入形状为 (batch_size、time_steps、info_vector)，但我的一维卷积层的输出形状为 (batch_size, info_vector).有没有办法让张量流存储以前的信息向量。或者，我是否需要使用 2D 卷积，向输入添加一个额外的 time_step 维度，然后不对该维度进行卷积？
尝试扩大张量的维度：
cnn_out = last_output_of_cnn # for example shape [32,10]
cnn_out = tf.expand_dims(cnn_output, axis=-1) # new shape [32,10,1]
您可以在 RNN 的第一层使用它，这里 "timestep" 是 10。
我正在尝试在 Tensorflow 中构建循环卷积自动编码器，但我无法将卷积自动编码器与循环层链接起来。
根据我的理解，Tensorflow RNNCell 的输入形状为 (batch_size、time_steps、info_vector)，但我的一维卷积层的输出形状为 (batch_size, info_vector).有没有办法让张量流存储以前的信息向量。或者，我是否需要使用 2D 卷积，向输入添加一个额外的 time_step 维度，然后不对该维度进行卷积？
尝试扩大张量的维度：
cnn_out = last_output_of_cnn # for example shape [32,10]
cnn_out = tf.expand_dims(cnn_output, axis=-1) # new shape [32,10,1]
您可以在 RNN 的第一层使用它，这里 "timestep" 是 10。