可变大小卷积神经网络输入和固定输出答案

【问题标题】：Variable size Convolutional Neural Network Input and Fixed output可变大小卷积神经网络输入和固定输出
【发布时间】：2016-12-02 08:27:59
【问题描述】：

我正在尝试制作一个 CNN 模型，该模型采用可变大小的输入（句子矩阵）并为后续的全连接层 (similar to this paper) 生成固定大小的输出。

我正在尝试为最大池化层实现动态内核大小，因此我需要在运行时输入的形状来实现这一点。

input = tf.placeholder(tf.float32)
# convolution layer here .... 

tf.nn.max_pool(convolution_output, ksize=[1, s, 1, 1],
                      strides=[1, 1, 1, 1], padding='VALID')

ksize=[1, s, 1, 1] 中的s 应该从输入形状中推断出来。

但是，我找不到使用 Tensorflow 的方法。

有人知道怎么做吗？

【问题讨论】：

这听起来与他们在这里所做的相似：(arxiv.org/abs/1412.6071)。但不幸的是，tensorflow 尚不直接支持这一点 (github.com/tensorflow/tensorflow/issues/2953)。添加后，您想要做的可能只是一个扩展。
也许tf.reduce_max 可以在这种情况下工作？不确定这是否适用于您正在实施的论文，但至少它适用于具有可变输入大小的简单 CNN。
tf.reduce_max 完成了我想做的工作。我想根据批量大小进行池化。（虽然不是每个句子）谢谢！

标签： tensorflow

【解决方案1】：

我知道这是一个旧线程，但对于正在寻找解决方案的人来说。已经在tensorflow 1.4.0实现了

tf.nn.max_pool() 现在将 1d 张量作为输入，而不是旧版本中的整数列表。所以你可以使用占位符作为 ksize 的参数。

【讨论】：

【解决方案2】：

我没有在 Tensorflow 中找到方法，不得不在 theano 中重新实现我的模型并使用不同的解决方案：Dynamic KMax Pooling。

【讨论】：