Python 如何在Tensorflow中设置一维信号的步幅、滤波器大小?
我正试图利用时态加速度计信号上的tensorflow实现CNNPython 如何在Tensorflow中设置一维信号的步幅、滤波器大小?,python,tensorflow,conv-neural-network,stride,Python,Tensorflow,Conv Neural Network,Stride,我正试图利用时态加速度计信号上的tensorflow实现CNN 我每10毫秒对信号值进行分段(200个样本) 我想执行一维卷积: tf.nn.conv1d(x, W, stride=1, padding='VALID') 卷积窗口大小为20个样本,步长为1,包含32个特征和有效填充 我想应用最大池,窗口大小为10个示例: tf.nn.max_pool(x, ksize=[1, 1, 10, 1], strides= [1, 1, 2, 1], padding='VALID') 但是关
- 我每10毫秒对信号值进行分段(200个样本)
- 我想执行一维卷积:
tf.nn.conv1d(x, W, stride=1, padding='VALID')
- 卷积窗口大小为20个样本,步长为1,包含32个特征和有效填充
- 我想应用最大池,窗口大小为10个示例:
tf.nn.max_pool(x, ksize=[1, 1, 10, 1], strides= [1, 1, 2, 1], padding='VALID')
但是关于张量的维数,我得到了一些错误。关于如何设置卷积和最大池的过滤器大小和步长,有什么建议吗?使用
tf.layers.max\u poolg1d
:
tf.layers.max_pooling1d(x, pool_size=10, strides=2, padding='valid')
例如:
>>> x = np.reshape(np.arange(20),(1,20,1))
>>> w = np.reshape(np.array([1.,2.,3.]), (3,1,1))
>>> X = tf.placeholder(tf.float64, [1,20,1])
>>> W = tf.constant(w)
>>> h = tf.nn.conv1d(X, W, stride=1, padding='VALID')
>>> p = tf.layers.max_pooling1d(h, pool_size=10, strides=2, padding='valid')
>>> sess.run(h, feed_dict={X:x})
array([[[ 8.],
[ 14.],
[ 20.],
[ 26.],
[ 32.],
[ 38.],
[ 44.],
[ 50.],
[ 56.],
[ 62.],
[ 68.],
[ 74.],
[ 80.],
[ 86.],
[ 92.],
[ 98.],
[104.],
[110.]]])
>>> sess.run(p, feed_dict={X:x})
array([[[ 62.],
[ 74.],
[ 86.],
[ 98.],
[110.]]])