conv1d Probleme mit einfachem Beispiel

Question

Zwei einfache Beispiele über conv1d: 1 Dimension Features: ` [1, 0, 2, 3,0, 1, 1] gefalteten durch [2, 1, 3], die Ausgänge ist [ 8. 11. 7. 9. 4.], das ist richtig. Aber für die zweidimensionalen Merkmale: "[[1, 0, 2, 3, 0, 1, 1], [1, 0, 2, 3, 0, 1, 1]]" "diese durch" [[2, 1, 3], [2, 1, 3]] "sollte ausgeben" [[8. 11. 7. 9. 4.], [8. 11. 7. 9. 4.]] "

`

Aber das Programm Ausgabe:

[[ 2. 1. 3.] 
[ 10. 5. 15.] 
[ 2. 1. 3.] 
[ 4. 2. 6.] 
[ 4. 2. 6.] 
[ 6. 3. 9.] 
[ 4. 2. 6.]] 

Wo liegt das Problem? Jede Hilfe wird geschätzt. *

import tensorflow as tf 
i = tf.constant([1, 0, 2, 3, 0, 1, 1], dtype=tf.float32, name='i') 
print(i.shape) 
ii = tf.constant([[1, 0, 2, 3, 0, 1, 1],[1, 0, 2, 3, 0, 1, 1]]) 
print(ii.shape) 
k = tf.constant([2, 1, 3], dtype=tf.float32, name='k') 
k2 = tf.constant([[2, 1, 3], [2, 1, 3]], dtype=tf.float32, name='k') 
print(k2.shape) 

data = tf.reshape(i, [1, int(i.shape[0]), 1], name='data') 
data2 = tf.reshape(ii, [1, int(i.shape[0]), 2], name='data') 

kernel = tf.reshape(k, [int(k.shape[0]), 1, 1], name='kernel') 
kernel2 = tf.reshape(k2, [1, int(k2.shape[0]), 3], name='kernel') 
print(kernel2) 

res = tf.squeeze(tf.nn.conv1d(data, kernel, 1, 'VALID')) 
res2 = tf.squeeze(tf.nn.conv1d(data2, kernel2, 1, 'VALID')) 

with tf.Session() as sess: 
    print(sess.run(kernel2)) 
    print sess.run(res) 
    print sess.run(res2) 

Answer 1

1) Das tf.nn.conv1d Standardeingabeformat [Batch, in_width, in_channels], in Ihrem Fall ist es [2,7,1] (für Daten 2)

2) Der Convolution-Kernel ist in allen Batches identisch. Sie müssen den Kernel also nicht für jeden Batch klonen, es sei denn, Sie möchten verschiedene Kernel für dieselbe Eingabe anwenden, was zu mehr Kanälen in der Ausgabe führt. (Fe [2,7,2])

Wenn Sie also das erwähnte Ergebnis erhalten möchten, sollte der Code sein, wie folgend:

k = tf.constant([2, 1, 3], dtype=tf.float32, name='k') 

data = tf.reshape(i, [1, int(i.shape[0]), 1], name='data') 
data2 = tf.reshape(ii, [2, int(i.shape[0]), 1], name='data2') 

kernel = tf.reshape(k, [int(k.shape[0]), 1, 1], name='kernel') 

res = tf.squeeze(tf.nn.conv1d(data, kernel, 1, 'VALID')) 
res2 = tf.squeeze(tf.nn.conv1d(data2, kernel, 1, 'VALID'))