【发布时间】:2017-11-14 22:30:14
【问题描述】:
我正在尝试使用 tensorflow 实现卷积神经网络来对文本进行分类。我已经找到了一些实现的模型,特别是找到了两个实现:
[我不能发布超过2个链接,我会尽量在cmets中提供来源]
但是,它们的架构似乎根本不同。第一个模型使用与输入数据并行的卷积,而第二个模型以顺序方式使用卷积。我用 tensorboard 可视化了这两个模型:
首先是并行卷积。在卷积之后,将结果连接起来,并使用一个全连接层创建输出。
顺序卷积似乎更直接,我们使用前一层的结果作为下一层的输入。
sequential use of convolutions
所以我的问题是,既然两者都用于对文本进行分类,那么这两种实现之间的区别在哪里,哪一种更适合对文本进行分类?
【问题讨论】:
标签: tensorflow neural-network deep-learning conv-neural-network