一维卷积 tf.nn.conv1d

tendorflow里面怎么用tf.nn.conv1d

基本格式：

tf.nn.conv1d（value,  

                           filters,

                           stride,

                            padding,

                           use_cudnn_on_gpu=None,

                           data_format=None,

                            name=None )

我的代码：

 

我的cnn层之前是word_embedding,维度是[batch_size,seq_lenth,embedding_dim]；[40,120,300]

用tf.nn.conv1d的时候

1. value就是我这里的word_embedding。value的格式为：[batch, in_width, in_channels]，batch为样本维，表示多少个样本，in_width为宽度维，表示样本的宽度，in_channels维通道维，表示样本有多少个通道。

value其实就是和我的word_embedding是对应的维度。

2. filters：filters的格式为：[filter_width, in_channels, out_channels]。按照value的第二种看法，filter_width可以看作每次与value进行卷积的行数，可以看作是卷积核的维度，in_channels表示value一共有多少列（与value中的in_channels相对应）。out_channels表示输出通道，可以理解为一共有多少个卷积核，即卷积核的数目。

     这里定义一个conv_weights，就相当于filters。 维度是 [3,hidden_size,filter_num]，

     第一维就是卷积核的维度；

     第二维是前面传进来的value的列数，取value的最后一维的维度即可: hidden_size = self.word_embeddings.shape[-1].value；  

     第三维就是卷积核数量。

3.stride:  整数类型，表示步长，卷积核每次向右边移动几个位置。我这里定为1。

4.padding：'SAME' 'VALID'，这两个是有区别的，用不好会报错。

我开始用的VALID 一直报错，错误写在这里了https://blog.csdn.net/weixin_40793657/article/details/107526612

5.name：名称。可省略。我这里的名称是"conv"。

 

结束，撒花！

本文地址：https://blog.csdn.net/weixin_40793657/article/details/107657105