我正在尝试用大小为 100x300 的矩阵替换最后一个大小为 4096/2048 的完全连接层，之前的 fc 层输出为 2048。
我试过了
- 2D 卷积 - 从 2048 映射-> 100x300（无法实现）
- 中间预测：
2048 --> 100
[100x1] X [1x300] --> [100x300]（可能但复杂）
我正在寻找一种线性变换最少的简单有效的解决方案。
如何使用向量输入创建全连接（矩阵）层
人工智能
卷积神经网络
2021-11-05 16:47:38
1个回答
您可以使用tf.reshape()方法（tensorflow doc）将(2048)维度张量重塑为(100,300). 这是执行此操作的一种方法：
input1 = tf.reshape(input1, [100,300], name="reshaped_tensor")
如果你不使用 TensorFlow 而是使用 Numpy，这里有一个实现：
input1 = np.array(input1)
input1 = np.reshape(input1, (100,300))
注意：您可能希望在此层之后使用tf.nn.conv2d层来“增密”从上述步骤获得的稀疏矩阵/值。
其它你可能感兴趣的问题