【发布时间】：2017-06-16 22:06:34
【问题描述】：
我在 Keras 中将 CNN 用于 NLP 任务，而不是最大池化，我试图实现随时间的最大池化。
关于如何实现这一点的任何想法/技巧？
我所说的 max over time pooling 的意思是汇集最高值，无论它们在向量中的哪个位置
【问题讨论】：
标签： machine-learning neural-network nlp keras conv-neural-network
【发布时间】：2017-06-16 22:06:34
【问题描述】：
假设您的数据形状是(batch_size, seq_len, features)，您可以申请：
seq_model = Reshape((seq_len * features, 1))(seq_model)
seq_model = GlobalMaxPooling1D()(seq_model)
【讨论】：
-
@bluesummers 它真的回答了你的问题吗？查看model.summary()。您将收到一个最大值，而不是“最高 n 值”。
-
@AlexeyGolyshev，你不会收到最大值，输入是（样本，步骤，特征）的形状，输出是（样本，特征） - 这不限于 1 最大值价值
-
@bluesummers 您的问题很有趣，我正在努力理解。看这段代码：
model=Sequential([Embedding(500,10,input_length=5),Reshape((5*10,1)),GlobalMaxPooling1D()]);model.summary()末尾的输出形状 = (None, 1)。None相当于 batch_size 或 samples。特征 = 1. 我哪里错了？ -
你没有错，我在我的写作中，我的意思是你不一定会得到 1 个最大值 value，你会得到 1 个最大值张量。所以你可以得到一个长度为 n 的向量作为 GlobalMaxPooling1D 的输出 - 这就是我提到的 n - 我将编辑问题
-
@bluesummers 啊，好的。谢谢你的澄清。