我查看了 MNIST example并注意到当图像的阵列被展平成一个 728 阵列时,如果该阵列被随机化会有影响吗?我的意思是 NN 是否考虑了数据的邻接性,或者是否有一个输入节点放置输入数字(因此有 728 个节点)。
我想问的是,如果我像示例中那样使用展平的图像进行训练,是否会得到与随机化 728 数据数组时相同的网络?
最佳答案
取决于您正在查看哪个 mnist 示例。 convolutional.py 在图像上运行 5x5 空间卷积窗口,它确实考虑了空间相关性。
使用简单权重矩阵的 MNIST 初学者示例:
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
没有。您可以排列点中条目的顺序而不更改任何内容,只要您以相同的方式排列所有输入。
(卷积方法在大多数图像识别应用中获胜是有原因的——空间局部性很有用。:)
关于neural-network - Tensorflow - 数据邻接重要吗? - MNIST 示例,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33711519/