0
Tensorflowの 'deep mnist for experts'のmnistの例を理解できません。テンソルフローのmnistの例を理解していません
ディープネットワークを構築するために、このタイプの複数のレイヤーをスタックします。 2番目のレイヤーは、5x5パッチごとに64個の機能を備えています。
W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)
outputchannelはそう、
W_conv2 = weight_variable([5, 5, 32, 2])
最初に私たちは32 * 2 * 5 * 5フィルタoutputchannel 64のために必要だと思う64
である理由を私は知りませんすべての、私は良い英語のために残念です 多分あなたは私の質問を理解するのが難しい 私は、sudoのコードロジックを書くので
inputimage = arr[1][28][28][32]
w_conv2 = arr[5][5][32][2]
output = [1][28][28][64]
for batch in 1
for input in 32
for output in 2
output[][][][input*output] = conv(inputimage,w_conv2)
私はそれが32 * 2フィルターを使って62の出力機能を作り、メモリを節約すると思います どの部分が間違っていますか？
はあなたに
[この質問を参照してください]（http://stackoverflow.com/questions/42507766/why-am-i-getting -only-one-channeled-through-the-tf-nn-conv2d）と[この質問]（http://stackoverflow.com/questions/34619177/what-does-tf-nn-conv2d-do-in -tensorflow）あなたはあなたの答えを得るでしょう。 – jabalazs
すべての最初の、私は 英語良くないごめんなさい多分あなたはハード私頼む そうI」、sudoのコードロジックを記述 入力画像= ARR [1] [28] [28] [32] w_conv2を理解します= ARR [5] [5] [32] [2] 出力= [1]〜[28] [28] [64]出力のため \t \t 32に入力するための1 \tにおけるバッチの \t \t \t出力[] [] [入力*出力] = conv（入力画像、w_conv2） 私はそれが62の出力を作ると思います32 * 2フィルタを使用してメモリを節約する機能 どの部分が間違っていますか？ ありがとう –
私の答え[ここ]（http://stackoverflow.com/a/42451067/3941813）も非常によく似た質問があります。あなたの答えに – jabalazs