tensorflow的1維卷積

前面找到了tensorflow的一維卷積、池化函數，但是官方API太簡單，網上的例子也不多。

由於沒時間研究源碼，只能另尋他法了。

后面細細想來，tensorflow的二維卷積、池化函數，好像也能進行一維卷積、池化；也就是，利用對圖像矩陣進行卷積、池化的函數，把第一個維度設置成1。

這樣做確實可行，最簡單的代碼示例如下：

import tensorflow as tf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

sess = tf.InteractiveSession()

def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1,1,1,1], padding='SAME')


def max_pool_1x2(x):
    return tf.nn.avg_pool(x, ksize=[1,1,2,1], strides=[1,1,2,1], padding='SAME')   
'''
ksize = [x, pool_height, pool_width, x]
strides = [x, pool_height, pool_width, x]
'''

x = tf.Variable([[1,2,3,4]], dtype=tf.float32)
x = tf.reshape(x, [1,1,4,1])  #這一步必不可少，否則會報錯說維度不一致；
'''
[batch, in_height, in_width, in_channels] = [1,1,4,1]
'''

W_conv1 = tf.Variable([1,2,1],dtype=tf.float32)
W_conv1 = tf.reshape(W_conv1, [1,3,1,1])  # 這一步同樣必不可少
'''
[filter_height, filter_width, in_channels, out_channels]
'''

h_conv1 = conv2d(x, W_conv1)

h_pool1 = max_pool_1x2(h_conv1)

tf.global_variables_initializer().run()

sess.run(h_pool1)  # 結果array([6,11.5])