卷积神经网络的代价函数

Question

我正在用卷积神经网络进行文本分类。在示例MNIST中，它们有60.000张图像手写数字的示例，每个图像的大小为28 x 28，并且有10个标签（从0到9）。所以重量的大小是784*10（28*28=784）

这是他们的代码：

x = tf.placeholder("float", [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

在我的例子中，我应用了word2vec来编码我的文档。嵌入单词的“字典大小”为2000，嵌入大小为128。有45个标签。我试着做和这个例子一样的事情，但是没有成功。在这里我做的是：我把每个文档都当作图像处理。例如，文档可以表示为2000x128的矩阵（对于文档中出现的单词，我将该列的单词向量值追加，其他的则为零。我在创建W和x时遇到了一个问题，因为我的输入数据是一个2000x128的numpy数组，而x = tf.placeholder("float", [None, 256000])。大小不匹配。在

谁能给我提些建议吗？在

谢谢

Answer 1

占位符x是一个扁平化图像的数组，其中第一个维度None对应于批量大小，即图像数量，256000 = 2000 * 128。因此，为了正确地输入x，您需要使输入变平。既然您提到您的输入是numpy数组，请看一下numpy.reshape和{a2}。在