卷积神经网络的成本函数
Cost function for Convolution neural network
我正在通过卷积神经网络进行文本分类。在示例 MNIST 中，他们有 60.000 个手写数字图像示例，每个图像的大小为 28 x 28，并且有 10 个标签（从 0 到 9）。所以 Weight 的大小将是 784 * 10 (28 * 28 = 784)
这是他们的代码：
x = tf.placeholder("float", [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
就我而言，我应用 word2vec 对我的文档进行编码。结果word embedding的“dictionary size”为2000，embedding size为128，有45个标签。我试着做与示例相同的操作，但它没有用。这是我所做的：我将每个文档都视为图像。例如，该文档可以表示为 2000 x 128 的矩阵（对于出现在文档中的单词，我为该列附加了单词 Vector 值，并将其他值留为零。我在创建 W 和 x 时遇到了麻烦，因为我的输入数据是一个 2000 x 128 的 numpy 数组，而 x = tf.placeholder("float", [None, 256000])。大小不匹配。
有人可以提出任何建议吗？
谢谢
Placeholder x 是一个扁平图像数组，其中第一个维度 None 对应于批量大小，即图像数量，256000 = 2000 * 128。因此，为了正确地提供 x，您需要展平您的输入。由于您提到您的输入是 numpy 数组，请查看 numpy.reshape and flatten.
我正在通过卷积神经网络进行文本分类。在示例 MNIST 中，他们有 60.000 个手写数字图像示例，每个图像的大小为 28 x 28，并且有 10 个标签（从 0 到 9）。所以 Weight 的大小将是 784 * 10 (28 * 28 = 784)
这是他们的代码：
x = tf.placeholder("float", [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
就我而言，我应用 word2vec 对我的文档进行编码。结果word embedding的“dictionary size”为2000，embedding size为128，有45个标签。我试着做与示例相同的操作，但它没有用。这是我所做的：我将每个文档都视为图像。例如，该文档可以表示为 2000 x 128 的矩阵（对于出现在文档中的单词，我为该列附加了单词 Vector 值，并将其他值留为零。我在创建 W 和 x 时遇到了麻烦，因为我的输入数据是一个 2000 x 128 的 numpy 数组，而 x = tf.placeholder("float", [None, 256000])。大小不匹配。
有人可以提出任何建议吗？
谢谢
Placeholder x 是一个扁平图像数组，其中第一个维度 None 对应于批量大小，即图像数量，256000 = 2000 * 128。因此，为了正确地提供 x，您需要展平您的输入。由于您提到您的输入是 numpy 数组，请查看 numpy.reshape and flatten.