8
작동 방법 1D 컨볼 루션 : https://github.com/fchollet/keras/blob/master/examples/imdb_cnn.pyKeras - 그것은이 예에서
이 조각 아래에 제공됩니다. 임베디드 레이어는 배치의 각 예제에 대해 400 x 50 행렬을 출력합니다. 내 질문은 어떻게 1D 회선이 작동합니까? 400 x 50 매트릭스에서 어떻게 작동합니까?
작동 방법 1D 컨볼 루션 : https://github.com/fchollet/keras/blob/master/examples/imdb_cnn.pyKeras - 그것은이 예에서
이 조각 아래에 제공됩니다. 임베디드 레이어는 배치의 각 예제에 대해 400 x 50 행렬을 출력합니다. 내 질문은 어떻게 1D 회선이 작동합니까? 400 x 50 매트릭스에서 어떻게 작동합니까?
길쌈 신경 네트워크 (CNN)에서 1D 및 2D 필터는 실제로 1 및 2 차원이 아닙니다. 설명을위한 규칙입니다.
예에서 각 1D 필터는 실제로 Lx50 필터입니다. 여기서 L은 필터 길이의 매개 변수입니다. 회선은 한 차원에서만 수행됩니다. 이것이 1D라고 불리는 이유 일 수 있습니다. 따라서 적절한 패딩을 사용하면 각 1D 필터 컨볼 루션이 400x1 벡터를 제공합니다. Convolution1D 계층은 결국 400 * nb_filter
의 행렬을 출력합니다.
우리는 각 단계에서 L 단어 (첫 번째 L, 그 다음 2 : 2 + L 등의 단어를 포함하고 포함)의 내적을 완벽하게 삽입하기 위해 내적을 완성한 점으로 제품을 개념화 할 수 있습니까? 값)을 매번 L 단어로 변환합니까? –
예, 컨볼 루션의 각 출력 값은 실제로 필터에 L * 50 임베딩 값의 내적입니다. – pyan