CNN - Conv層の出力を高密度層に再整形

Question

私のconv-layerの出力形状は（64,3,3,80）です。ここで、64はバッチサイズです。次の層は、稠密な形の層（3920,4096）です。私のconv-layerの出力を高密度層の形状に合わせてどのように再構成するのですか？テンソルフローで実装しています:) これは密なレイヤーの直前のレイヤーです。

stride_conv = [1,1,1,1] 
    padding='SAME' 
    filter_3 = tf.Variable(initial_value=tf.random_normal([3,3,112,80])) 
    conv_3 = tf.nn.conv2d(conv_2,filter_3,stride_conv,padding) 

ありがとうございます！

Answer 1

conv3 =>リシェイプ=> FC1（> 4096 720-）

[64,3,3,80] => [64720] => [64,4096]

コードに続いてい上記のようにFCにコンバージョン：

shape = int(np.prod(conv_3.get_shape()[1:])) 
conv_3_flat = tf.reshape(conv_3, [-1, shape]) 

fc1w = tf.Variable(tf.truncated_normal([shape, 4096],dtype=tf.float32,stddev=1e-1), name='weights') 
fc1b = tf.Variable(tf.constant(1.0, shape=[4096], dtype=tf.float32), 
           trainable=True, name='biases') 

fc1 = tf.nn.bias_add(tf.matmul(conv_3_flat, fc1w), fc1b) 
fc1 = tf.nn.relu(fc1) 

希望します。また

、（ここから取ら：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py）シンプルMNISTモデル

def conv_net(x, weights, biases, dropout): 
    # Reshape input picture 
    x = tf.reshape(x, shape=[-1, 28, 28, 1]) 

    # Convolution Layer 
    conv1 = conv2d(x, weights['wc1'], biases['bc1']) 
    # Max Pooling (down-sampling) 
    conv1 = maxpool2d(conv1, k=2) 

    # Convolution Layer 
    conv2 = conv2d(conv1, weights['wc2'], biases['bc2']) 
    # Max Pooling (down-sampling) 
    conv2 = maxpool2d(conv2, k=2) 

    # Fully connected layer 
    # Reshape conv2 output to fit fully connected layer input 
    fc1 = tf.reshape(conv2, [-1, weights['wd1'].get_shape().as_list()[0]]) 
    fc1 = tf.add(tf.matmul(fc1, weights['wd1']), biases['bd1']) 
    fc1 = tf.nn.relu(fc1) 
    # Apply Dropout 
    fc1 = tf.nn.dropout(fc1, dropout) 

    # Output, class prediction 
    out = tf.add(tf.matmul(fc1, weights['out']), biases['out']) 
    return out