Keras 1.0 与 2.0 中 Convolution1D 的区别(其实是tf1.0 2.0 区别)
1.0 Convolution1D:
一维卷积层
nb_filter: 卷积核的个数
filter_length: 每个卷积核的长度
init: 权重初始化函数名称
weights: 权重初始化
border_mode: 'valid', 'same' or 'full' 如果是‘valid ’ 进行有效的卷积,对边界数据不处理,‘same'表示保留边界处的卷积结果’
subsample_length: 子样的长度
W_regularizer: 权重上的正则化
b_regularizer: 偏置项上的正则化
activity_regularizer: 输出上的正则化
W_constraint: 权重上的约束项
b_constraint: 偏置上的约束项
bias: 偏置项
input_dim: 输入的维度
input_length: 输入的长度
见 https://www.jianshu.com/p/ca41dbd91de6
2.0 Convolution1D:
inputs : 输入tensor, 维度(None, a, b) 是一个三维的tensor
None : 一般是填充样本的个数,batch_size
a : 句子中的词数或者字数
b : 字或者词的向量维度
filters : 过滤器的个数
kernel_size : 卷积核的大小,卷积核其实应该是一个二维的,这里只需要指定一维,是因为卷积核的第二维与输入的词向量维度是一致的,因为对于句子而言,卷积的移动方向只能是沿着词的方向,即只能在列维度移动
一个例子:
inputs = tf.placeholder('float', shape=[None, 6, 8])
out = tf.layers.conv1d(inputs, 5, 3)
说明: 对于一个样本而言,句子长度为6个字,字向量的维度为8
filters=5, kernel_size=3, 所以卷积核的维度为3*8
那么输入6*8经过3*8的卷积核卷积后得到的是4*1的一个向量(4=6-3+1)
又因为有5个过滤器,所以是得到5个4*1的向量
=================================================================================
就是卷积核好像是适配的,然后就这个是8维的它只能在维上面运动,所以
另外有个input_shape=(step, dim维) ctrl里面没有
更改: (始终搜不到那个二次抽样。、。。。)
model.add(Convolution1D(input_shape=(107,4),# 希望是107长 4 维的 input_dim=4, input_length=107,# TODO 这里省略了个 subsample_length=1,kernel_size=7,# filter_length=7,filters=nbfilter,padding='valid', # border_mode="valid",activation="relu"))'''model.add(Convolution1D(input_dim=4, input_length=107,nb_filter=nbfilter,filter_length=7,border_mode="valid",activation="relu",subsample_length=1))'''
=================================================================================
比较重要的几个参数是inputs, filters, kernel_size,下面分别说明
inputs: 这个参数一般是经过词向量大矩阵embedding得到,如下
inputs = tf.nn.embedding_lookup(embedding, self.input_x)
其维度是:(batch_size, max_seqlength, embedding_dim) ,第三个维度是词向量矩阵维度
filters : 过滤器的个数,和conv2d差不多
kernel_size : 卷积核的大小,卷积核其实应该是一个二维的,维度是(3,embeding_dim),这里只需要指定一维,是因为卷积核的第二维与输入的词向量维度是一致的,(个人理解:如果第二个维度不是和embendding_dim一样,那么一句话顺序将会被打乱)因为对于句子而言,卷积的移动方向只能是沿着词的方向,即只能在列维度移动
说明: 对于batch_size个样本而言,句子长度为6个字,字向量的维度为8
filters=5, kernel_size=3, 所以卷积核的维度为38
那么输入68经过38的卷积核卷积后得到的是41的一个向量(4=6-3+1)
又因为有5个过滤器,则结果应该是横向拼接,维度是 4x5
最终的维度是 [batch_size, 4, 5]
画图如下:(自己想的话大概是横着的。。 )
Keras 1.0 与 2.0 中 Convolution1D 的区别(其实是tf1.0 2.0 区别)相关推荐
- docker4.9.0.9_Docker支持现实生活中的鲸鱼,通过投票确定Linux v4.0等
docker4.9.0.9 在本周的开源新闻摘要中,我们介绍了Docker和Oceanic Society,Linux内核版本4.0,迷你农场等等! 开源新闻让您阅读愉快. 2015年2月21日至27 ...
- python练习题(python之“求一个数的阶乘并求结果中从后向前数第一个不为0(零)的数” 等)
实验环境:python2.7 题目1:python之"求一个数的阶乘并求结果中从后向前数第一个不为0(零)的数" 程序: import math def factorial(n): ...
- R语言dplyr包将dataframe中的NA值替换(replace)为0实战:所有NA值替换(replace)为0、具体列的NA值替换(replace)为0、若干列的NA值替换(replace)为0
R语言dplyr包将dataframe中的NA值替换(replace)为0实战:所有NA值替换(replace)为0.具体列的NA值替换(replace)为0.若干列的NA值替换(replace)为0 ...
- 用指针、子函数的方法去一维数组中所有元素的平均值,并放在a[0]处
<程序设计基础实训指导教程-c语言> ISBN 978-7-03-032846-5 p142 7.1.2 上级实训内容 [实训内容7]用指针.子函数的方法去一维数组中所有元素的平均值,并放 ...
- android4.0浏览器在eclipse中编译的步骤
工程源码: 注意: 如果下载已经修过的源码,只要进行3.4.8步骤就应该可以了. eclipse版本:adt-bundle-windows (Android Developer Tools Build ...
- Istio-0.8.0在Minikube环境中快速启动Bookinfo示例
Istio-0.8.0在Minikube环境中快速启动Bookinfo示例 之前发表了从零开始应用Istio--入门示例,使用的istio版本比较低,在0.8.0版本下发现很多命令不一样了,所以总结一 ...
- 在数组中找出3个数使得它们和为0
题目: 给定一个集合S,试找出3个数a, b, c,使得a+b+c=0.也即从集合中找出所有的和为0的3个数. 例如:集合S={-1,0, 1, 2, -1, 4},则满足条件的3个数有2对:(-1, ...
- do {...} while (0) 在宏定义中的作用
有篇文章解释很清楚:do {...} while (0) in macros 然后,一位女程序媛把它翻译了一遍,排版清晰,想省力的看这边.do {...} while (0) 在宏定义中的作用
- 算法—2,记一个自己的算法题 计算数字k在0到n中的出现的次数,k可能是0~9的一个值
3 计算数字k在0到n中的出现的次数,k可能是0~9的一个值 例如n=12,k=1,在 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],我们发现1出现了5次 (1 ...
- 关于eclipse中web项目tomcat报错Server Tomcat v9.0 Server at localhost failed to start问题解决
第一次写博客,写个简单的好了 关于eclipse中web项目tomcat报错Server Tomcat v9.0 Server at localhost failed to start 问题 我的解决 ...
最新文章
- python 7-10梦想的度假胜地_7-8----7-10练习
- java方法区超详细汇总,方法区到底是干什么用的?不懂方法区不能说了解jvm!
- python发邮件有什么意思_python发邮件要装什么
- vscode在ubuntu下安装插件,同时配置python虚拟环境、ctrl+鼠标滚轮放大代码窗口设置
- Python入门教学之(转义字符与原字符)
- book3 复习 使用c#开发控制台应用程序
- open cv python_open cv——图像阈值处理(python文档)
- 在线RGB和HEX十六进制颜色互转工具
- Android Studio API 文档_下载与使用
- SpringBoot 集成Netty实现UDP Server
- 数据结构(6)----栈与队列之栈的链式存储结构及其实现
- Java测试新手_测试新手的一些经验
- java模拟洗衣机程序,JAVA洗衣机仿真程序实验报告及代码
- 电子书籍下载第一强贴
- mingw64镜像网站
- 学习java 的第一节课
- 双控 嵌入式. linux,大华 DH-ESS6024S-F 专业SAN磁盘阵列 网络智能存储服务器
- 如何解除计算机方向键问题,电脑键盘方向键错乱怎么处理
- 又猎一“狐”:一名外逃越南嫌疑人落网啦
- EV4加密转换MP4
热门文章
- python定时器 循环_Python系列之循环定时器
- 怎样当好一名优秀的班组长?
- 北风:贷款买房到底应不应该(亲身经历)
- 思谋发布首个工业大模型开发底座 大模型开发成本直降40%
- 在vue中 storge 和vuex使用的用法区别
- 本地存储Storage
- 在华为eNSP上操作配置“静态路由”实验
- linux下Android Monitor启动失败问题
- cpc按点击计算怎么算_百度推广开户费用标准,百度会收取广告费吗?CPC如何计算?...
- 《个人相册》项目相册页面(HTML+CSS+JS)