Tensorflow畳み込みネットワーク - 次元（形状）の計算方法

Question

テンソルフロー内の畳み込みニュートラルネットワークがこの数値をどのように計算するかわかりません。tutorial （h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)）

第一層の形状：28個の* 28個のピクセル（x_image = tf.reshape(x, [-1,28,28,1])）

パッチサイズが5×5である（W_conv1 = weight_variable([5, 5, 1, 32]）

は、第一の畳み込み層によって行われる

1. 画像が有しますです：h_pool1.get_shape()とTensorShape([Dimension(10), Dimension(14), Dimension(14), Dimension(32)])

Q1：最初の次元が10であるのはなぜ？

Q2：なぜ5x5のパッチサイズでサイズが14x14に縮小されるのですか？私が28x28イメージを持っていて、5x5パッチをすべてのピクセルに適用すると、14x14以上のピクセルが期待されます。

質問3：回答-1はx_imageのコードで何をしていますか？

Answer 1

形状は（batch_size、height、width、channel）です。

Q1。 10はバッチサイズです。 10（

x = tf.placeholder(tf.float32, shape=[None, 784]) 

、あなたは「ディメンション（なし）」をバッチサイズを持つことになります代わりに寸法」のこの方法：チュートリアルでラインですが

x = tf.placeholder(tf.float32, shape=[10, 784]) 

：私はあなたがこのようなラインを持っていると思います）」。

Q2。 レイヤ1には、畳み込みレイヤと最大プールレイヤが含まれています。 "SAME" paddingの畳み込みレイヤーは、同じサイズのものを出力します。サイズの縮小は、（S/2、w/2）を出力する "SAME"パディング付きの2x2 max-poolingから発生します。

def conv2d(x, W): 
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME') 

def max_pool_2x2(x): 
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], 
         strides=[1, 2, 2, 1], padding='SAME') 

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) 
h_pool1 = max_pool_2x2(h_conv1) 

Q3。 tf.reshape() with a single dimension "-1"は、プログラムによって自動的に計算された寸法を残して、合計サイズが同じになるようにします。