如何在 Theano 的卷积中使 image_shape 动态化
how to make the image_shape dynamic in the convolution in Theano
我尝试在 Theano 中使用 CNN 处理推文数据集。与图像不同，不同推文的长度（对应于图像形状）是可变的。所以每条推文的形状都不一样。然而，在 Theano 中，卷积需要形状信息是常量值。所以我的问题是有什么方法可以使 image_shape 动态化？
卷积神经网络确实更适合处理图像。
对于处理推文，您可能需要阅读递归神经网络。
Kalchbrenner 等。 al (2015) 实现了一个接受动态长度输入并将它们汇集到 k 个元素中的 CNN。如果开始的元素少于 k 个，则剩余的元素用零填充。他们的句子分类实验表明，此类网络成功地表示了语法结构。
详情请查看：
- 论文(http://arxiv.org/pdf/1404.2188v1.pdf)
- Matlab 代码（论文第 2 页上的link）
- Theano/Keras (https://github.com/fchollet/keras/issues/373)
的 DCNN 建议
我尝试在 Theano 中使用 CNN 处理推文数据集。与图像不同，不同推文的长度（对应于图像形状）是可变的。所以每条推文的形状都不一样。然而，在 Theano 中，卷积需要形状信息是常量值。所以我的问题是有什么方法可以使 image_shape 动态化？
卷积神经网络确实更适合处理图像。
对于处理推文，您可能需要阅读递归神经网络。
Kalchbrenner 等。 al (2015) 实现了一个接受动态长度输入并将它们汇集到 k 个元素中的 CNN。如果开始的元素少于 k 个，则剩余的元素用零填充。他们的句子分类实验表明，此类网络成功地表示了语法结构。
详情请查看：
- 论文(http://arxiv.org/pdf/1404.2188v1.pdf)
- Matlab 代码（论文第 2 页上的link）
- Theano/Keras (https://github.com/fchollet/keras/issues/373) 的 DCNN 建议