tensorflow - 如何训练包含多维特征输入值的分类器

Question

我正在尝试对包含多维特征作为输入的分类器进行建模。任何人都知道包含多维特征的数据集吗？例如：在 mnist 数据中，我们将像素位置作为特征和特征值是从 (0 - 255) 变化的一维灰度值，但是如果我们考虑彩色图像，那么在这种情况下，单个灰度值是还不够，在这种情况下，我们也将像素位置作为特征，但特征值将是 3 维（R(0-255) 作为一维，G(0-255) 作为第二维，B(0-255)作为第三维）那么在这种情况下，如何使用前馈神经网络解决？小建议也被接受。

Answer 1

一样的方法。

如果将像素直接插入网络，只需将张量整形为 H*W*3 长度。

如果您使用卷积，请注意最后一个参数是输入/输出维度的数量。只要确保第一个卷积使用 3 作为输入。