卷积神经网络的成本函数

Question

我正在通过卷积神经网络进行文本分类。在示例MNIST中，他们有60,000个手写数字的图像示例，每个图像的大小为28 x 28，并且有10个标签（从0到9）。因此，重量的大小将是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]))

在我的情况下，我应用word2vec来编码我的文档。结果＆＃34;字典大小＆＃34;字嵌入是2000，嵌入大小是128.有45个标签。我尝试做同样的例子，但它不起作用。这就是我所做的：我将每个文档视为与图像相同。例如，文档可以表示为2000 x 128的矩阵（对于出现在文档中的单词，我为该列添加了单词Vector值，并将其他等于零。由于我的输入数据是，因此创建W和x时遇到问题<{1}}时，一个2000 x 128的numpy数组。大小不匹配。

有人可以建议任何建议吗？

由于

Answer 1

占位符x是一系列展平图像，其中第一维None对应于批量大小，即图像数量，256000 = 2000 * 128。因此，为了正确地提供x，您需要压缩您的输入。由于您提到您的输入是numpy数组，请查看numpy.reshape和flatten。