tensorflow - 什么是二维浮点张量？

Question

Disclamer：我对 CNN 和深度学习一无所知，也不了解Torch。

我将SIFT用于我的对象识别应用程序。我发现这篇论文Discriminative Learning of Deep Convolutional Feature Point Descriptors特别有趣，因为它基于 CNN，比经典的图像描述方法（例如 SIFT、SURF 等）更精确，但是（引用摘要）：

在训练和测试期间使用 L2 距离，我们开发了 128-D 描述符，其欧几里德距离反映了块相似性，并且可以用作任何涉及 SIFT 的任务的替代品

哇，太棒了：这意味着我们可以继续使用任何基于 SIFT 的方法，但要使用更精确的描述符！

但是，引用github 代码存储库README：

请注意，输出将是一个 Nx128 2D 浮点张量，其中每一行都是一个描述符。

那么，什么是“2D 浮点张量”？SIFT 描述符矩阵是 Nx128 浮点数，有什么我遗漏的吗？

score 1 · Accepted Answer

1

2D 浮点张量 = 2D 浮点矩阵。

于 2017-03-02T18:19:15.833 回答

score 0 · Accepted Answer

这是一个二维浮点张量。

[[1.0,2.0],
 [3.0,4.0]]

这仍然是一个二维浮点张量，即使它们有 3 个项目和 3 行！

[[1.0,2.0,3.0],
 [4.0,5.0,6.0],
 [7.0,5.0,6.0]]

括号的数量很重要。

2 回答 2