Tensorflow：准备输入数据答案

【问题标题】：Tensorflow: Preparing input dataTensorflow：准备输入数据
【发布时间】：2017-11-02 02:00:18
【问题描述】：

我正在尝试从一篇研究论文中复制一个深度神经网络。架构可以在这里找到：

我已经完成了模型的设计，现在我正在尝试准备训练数据。我一直在使用此处找到的 tensorflow 教程作为指南：https://www.tensorflow.org/get_started/mnist/pros

在 mnist 数据的情况下，将 27x27 的图像转换为 x 的一维向量。另一方面，y_ 的形状为 [none, 10]，因为每个图像都有可能以 10 种不同的方式标记 (0-9)

 x = tf.placeholder(tf.float32, shape=[None, 784])
 y_ = tf.placeholder(tf.float32, shape=[None, 10])

我的数据是 32x32x7 的 3d 图像，因此 x 很容易计算。

 x = tf.placeholder(tf.float32, shape=[None, 7168])

虽然我的图像是 32x32x7，但每个像素都有一个与之相关的密度和标签。我相信密度值将加载到 x 中，标签将加载到 y 中。这是一个正确的假设还是我应该以不同的方式加载我的数据？

 y_ = tf.placeholder(tf.float32, shape=[None, 7168])

【问题讨论】：

【解决方案1】：

我的图像是 32x32x7，每个像素都有一个与之相关的密度和标签

如果是这样，那么网络的输出和目标 y_ 的形状将是：

[
 None,         # Batch size
 32 * 32 * 7,  # Vector size
 N             # N target labels (one hot encoded)
]

【讨论】：

另外，根据您提供的解决方案，这是否意味着每个输入图像只有一个标签？我的印象是每个输入图像都会得到 7168 个标签（每个像素一个标签）
@DevinHaslam 每个像素都可以有N 可能的标签。 y = tf.nn.softmax(tf.tensordot(x, W, axes=[[1], [1]]) + L) 与 W = tf.Variable(tf.zeros[7168, 7168, 10]) 和 L = tf.Variable(tf.zeros([7168, 10]))。
不幸的是，在“W = ...”行后我收到一个错误，说“函数”对象不可下标
@DevinHaslam W = tf.Variable(tf.zeros([7168, 7168, 10]))
@DevinHaslam 这取决于你的损失函数是如何定义的。如果b 的每个元素i 都包含一个索引，说明ith 像素具有哪个标签，那么您正在使用的b 应该可以工作。但是，根据损失函数的定义，您可能需要将其制成 one-hot 编码向量。