Für meinen Deep Learning-Kurs muss ich ein neuronales Netzwerk implementieren, das genau dem Tensorflow MNIST for Experts Tutorial entspricht. ,Downsampling-MNIST-Datensatz für CNN
Der einzige Unterschied ist, dass ich die Datenbank heruntersammeln muss, dann legen Sie es in das neurale Netzwerk. Sollte ich zuschneiden und Größe ändern, oder sollte ich das neuronale Netzwerk mit Parametern implementieren, die mehrere Datengrößen (28 x 28 und 14 x 14) akzeptiert.
Alle Parameter im Tensorflow-Tutorial sind statisch, daher konnte ich keinen Weg finden, den Algorithmus mit einem 14x14-Bild zu versorgen. Welches Werkzeug sollte ich für eine "optimale" Downsampling verwenden?
Wenn ich alle 28 zu 14 ändere und alle 784 zu 196 ändere, erhalte ich den folgenden Fehler: InvalidArgumentError (siehe oben für Traceback): Eingabe zum Umformen ist ein Tensor mit 1024 Werten, aber die angeforderte Form erfordert a Vielfache von 3136 \t [Node: Reshape_1 = Umformen [T = DT_FLOAT, Tshape = DT_INT32, _device = "/ job: localhost/replik: 0/task: 0/cpu: 0"] (MaxPool_1, Reshape_1/shape)] ] Um dies zu versuchen, habe ich den Datensatz mit numpy.resize abgetastet, obwohl ich weiß, dass es nicht der richtige Weg ist, es zu tun –
Zumindest können Sie die Zeile des Codes hinzufügen, der diesen Fehler verursacht. – Ali
Sorry, ich dachte, dass ich es hinzugefügt habe, aber ich tat es nicht. Hier ist es: h_pool2_flat = tf.reshape (h_pool2, [-1, 7 * 7 * 64]) –