我不确定tensorflow中的卷积中性网络如何计算这个tutorial中的维数。
图像有28*28像素（x_image = tf.reshape(x, [-1,28,28,1])）
补丁大小为5x5（W_conv1 = weight_variable([5, 5, 1, 32]）
第一卷积层由：（h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)）
第一层的形状是：h_pool1.get_shape()和TensorShape([Dimension(10), Dimension(14), Dimension(14), Dimension(32)])
问题1：为什么第一个维度是10？
问题2：为什么5x5补丁大小将尺寸减少到14x14？如果我有一个28x28的图像，我应用5x5补丁到所有像素，我希望超过14x14。
问题3:-1在x_image的代码中做什么？
最佳答案
形状为（批量大小、高度、宽度、通道）。
第一季度。10是你的批量。我想你的台词是这样的：
x = tf.placeholder(tf.float32, shape=[10, 784])
在本教程中，这一行是：
x = tf.placeholder(tf.float32, shape=[None, 784])
这样，您将拥有batchsize“Dimension（None）”而不是“Dimension（10）”。
问题2。
第1层包括卷积层和最大池层。"SAME" padding的卷积层将输出相同大小的内容。大小减少来自于2x2最大池与“相同”的填充，它输出（h/2，w/2）。
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)
问题3。
tf.reshape() with a single dimension "-1"保留由程序自动计算的尺寸，以便总尺寸保持不变。
关于python - Tensorflow卷积网络-如何计算尺寸(形状)？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40353197/