Machine learning Tensorflow中的递归卷积自动编码器
我正在尝试在Tensorflow中构建一个递归卷积自动编码器,但是我在将卷积自动编码器与递归层链接时遇到了问题Machine learning Tensorflow中的递归卷积自动编码器,machine-learning,tensorflow,data-science,Machine Learning,Tensorflow,Data Science,我正在尝试在Tensorflow中构建一个递归卷积自动编码器,但是我在将卷积自动编码器与递归层链接时遇到了问题 根据我的理解,Tensorflow RNNCell的输入形状为(批次大小、时间步长、信息向量),但我的1D卷积层的输出形状为(批次大小、信息向量)。有没有办法让tensorflow存储以前的信息向量。或者,我是否需要使用2D卷积,向输入添加额外的时间步长维度,然后不在该维度上卷积 尝试扩展张量的维度: cnn_out = last_output_of_cnn # for example
根据我的理解,Tensorflow RNNCell的输入形状为(批次大小、时间步长、信息向量),但我的1D卷积层的输出形状为(批次大小、信息向量)。有没有办法让tensorflow存储以前的信息向量。或者,我是否需要使用2D卷积,向输入添加额外的时间步长维度,然后不在该维度上卷积 尝试扩展张量的维度:
cnn_out = last_output_of_cnn # for example shape [32,10]
cnn_out = tf.expand_dims(cnn_output, axis=-1) # new shape [32,10,1]
您可以在RNN的第一层中使用它,这里的“timestep”是10 非常感谢。我要试试这个。