在我的工作中，我有一个给定的模块源代码。从这个模块我生成一个 AST，它的大小取决于模块的大小（例如更多的源代码 -> 更大的 AST）。我想训练一个神经网络模型，该模型将学习模块的一般结构并能够评估（以 0 到 1 的等级）模块在结构方面的“好”程度（如果需要在开始时，然后是局部函数、变量和最终返回）。现在我了解到卷积神经网络对此非常方便，但我似乎无法解决的问题是它们需要我无法产生的固定大小的输入。如果我添加零填充，那么结果会出现偏差，准确性会受到影响。这个问题有明确的解决方案吗？
如何解决可变大小的 AST 作为（卷积）神经网络模型输入的问题？
人工智能
神经网络
卷积神经网络
图表
2021-10-23 13:14:57
1个回答
您已经为您的问题找到了一种解决方案：零填充。
还有另外两种常见的可能性：
- 使用递归神经网络
这通常用于文本处理，您可以将每个单词一个接一个地输入模型。 - 使用递归神经网络（我不会在你的用例中推荐这个）
这种方法也经常用于文字处理，但更常用于文本的语义分析。您将文本缩减为基本内容，直到达到所需的长度。但是，在此过程中会丢失信息。